DiDi logo
滴滴出行
后端研发实习生(地图事业部)-MJ020807

后端研发实习生(地图事业部)-MJ020807

发布于 1 天前

实习/见习

AI 估算 · 0.2–0.3千 · AI 参考估算
无经验要求
本科
实习生仅现场办公后端开发
后端开发
Go
Pytorch
分布式系统
数据结构
高并发

值不值得投

62综合评分

综合评分 62

大厂核心业务实习、高技术含金量、侧重工程与AI结合、WLB一般

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便比较实习机会。

薪资怎么样

1.0千

比后端开发中位数低

发布情况

新岗位 · 昨天发布

公司情况

这家公司招聘很活跃

约 2400 个在招 · 其中后端开发 约 140 个

市场机会

选择面较广

北京 · 后端开发 · 约 560 个在招

职位详情

关于这个职位

该职位是滴滴出行地图事业部的后端研发实习岗

主要职责包括参与地图搜索在线架构的设计与研发,进行系统性能诊断与调优,保障高并发场景下的高可用性,以及实现机器学习模型的在线工程化落地
适合计算机专业在校生积累大厂核心业务研发经验

最低要求

任职要求:

) 计算机及相关专业本科及以上学历,熟悉常用数据结构
) 熟悉Linux/Unix平台上的C/C++/Go语言编程,网络编程与并发编程

工作职责

岗位职责:

) 参与地图搜索在线架构的设计与研发工作
) 参与地图搜索在线服务系统的性能诊断与调优改造,提升服务的性能指标
) 参与高并发架构机制、稳定性工程、数据流系统研发、保证搜索系统全面的高可用性
) 参与机器学习与深度学习模型的在线工程化实现,提升检索智能化水平

优先资格

优先资质要求:

) 熟练掌握PyTorch/TensorFlow等深度学习框架中的至少一种,优先考虑

AI 洞察

优缺点分析

优点

  • 接触滴滴核心地图业务,技术栈前沿(C++/Go+AI工程化),大平台背书利于简历加分
  • 需兼顾传统后端与AI模型部署
  • 计算机相关专业本科生/研究生,对后端系统及AI落地有浓厚兴趣,具备较强抗压能力的同学

缺点 / 挑战

  • 高并发与稳定性要求极高,对代码质量和系统思维挑战较大

角色解读

  • 从后端开发实习生成长为资深后端工程师,可向搜索算法工程化、大规模分布式系统架构师方向发展
  • 负责地图搜索模块的后端服务开发与架构优化,解决高并发下的性能瓶颈
  • 扎实的C++/Go编程基础,深入理解Linux环境下的网络与并发编程,熟悉常用数据结构

申请策略

  • 关注滴滴地图业务动态,准备关于‘如何设计一个高可用搜索服务’的系统设计思路
  • 突出C++/Go项目经验,强调在高并发、低延迟场景下的优化实践,展示对数据结构的深刻理解
  • 复习操作系统原理(进程/线程/IO多路复用),学习分布式系统基础知识,了解PyTorch基本推理流程

面试指南

  • 采用STAR法则描述项目经历,重点突出‘问题-行动-结果’
  • 技术题先讲原理再结合实际场景,体现系统性思维
  • 请介绍你使用过的C++或Go的高级特性及内存管理方式
  • 如何在Linux下进行网络编程?epoll的原理是什么?
  • 面对高并发场景,你会如何进行系统性能分析与调优?
  • 简述一下机器学习模型在服务端部署的流程及潜在瓶颈
  • 复习计算机网络与操作系统核心考点,梳理过往项目中涉及性能优化的具体案例,了解基本的AI工程化概念

职位点评

薪资福利65
成长发展85
工作生活40
使命价值60

薪资福利

65中等

作为上市大厂实习岗,薪资处于市场中上水平,但实习津贴绝对值有限,主要价值在于履历背书而非即时经济回报。

薪资信号未披露(AI估算:0.2–0.3千/月)

成长发展

85较高

岗位涉及高并发架构与AI工程化落地,技术栈主流且具挑战性,能显著提升工程能力与系统视野。

技术前沿主流现代技术
技术栈C++、Go、PyTorch、TensorFlow、高并发、分布式系统
业务类型profit_center

工作生活

40较低

互联网大厂核心部门通常节奏较快,JD未提及弹性工作制,预计需保持较高的工作投入度。

工作模式未明确
办公地点市区核心地段
加班情况未提及(无法判断)

使命价值

60中等

服务于亿级用户的出行地图业务,具有广泛的社会实用价值,但主要驱动力仍偏向商业与技术效能。

行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs