滴滴出行
数据闭环工程师
数据闭环工程师
发布于 大约 3 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
数据工程
Mlflow
Mlops
数据闭环
自动驾驶
AI 估算 · 25k–45k
北京自动驾驶核心研发岗，技术要求高，行业薪资竞争力强，且滴滴平台大，薪资处于市场中上水平。
职位详情
关于这个职位
这是一个负责自动驾驶数据闭环平台开发的技术岗位，需要搭建数据生产、数据集管理和自动化标注系统，与算法团队协作提升模型迭代效率
适合对自动驾驶和MLOps感兴趣的资深工程师，要求扎实的Python/C++功底和系统设计能力
最低要求
任职要求：
）计算机科学，电子工程，自动化工程，软件工程等相关专业的本科或硕士学位获得者
）熟悉Linux开发环境，良好的系统编程、数据结构、算法基础、系统设计能力
）熟练掌握Python和C++，具备优秀的编码能力和扎实的软件工程基础（设计模式、代码重构、单元测试）
）熟悉至少一种工作流编排与调度框架（如 Apache Airflow, Kubeflow Pipelines, MLflow Projects），能设计模块化、可监控、可重试的自动化任务流
）有自动驾驶数据平台、仿真平台、自动化标注系统或MLOps平台的实际开发经验
工作职责
）搭建面向自动驾驶大模型的数据生产系统，涵盖数据清洗、增强、合成与标注全流程
）构建数据版本管理与回溯系统，实现数据集迭代过程的可追踪性，满足模型训练合规要求
）负责自动化标注与数据流水线，构建与迭代自动化、半自动化标注工具链（如大模型预标注、人机协同标注），提升数据产出的效率与质量
）与算法工程师及AI基础架构团队紧密合作，建设相关平台工具，提升自动驾驶模型的迭代效率和效果
优先资格
加分项/有以下经验优先考虑
）有自动驾驶/机器人数据平台架构的开发经验
）参与过AI模型训练数据生产与使用项目（数据集构建、数据生成、模型评估等）
）熟悉自动驾驶算法，熟悉机器学习/深度学习模型算法
）熟悉Docker容器化技术，了解Kubernetes在管理分布式训练任务和在线服务中的应用，具有云上构建和部署服务的实际经验
AI 洞察
优缺点分析
优点
- 身处自动驾驶赛道，技术前沿且市场需求旺盛，经验价值高
- 与算法团队深度合作，可深入理解自动驾驶模型开发流程
- 滴滴作为大厂，平台稳定，薪资福利有竞争力
- 自动驾驶数据量巨大，平台需要处理高并发和复杂数据流，系统设计难度高
- 跨团队协作频繁，需要较强的沟通能力和多方协调能力
- 行业技术迭代快，需要持续学习新技术（如大模型、MLOps）
- 适合对自动驾驶和MLOps有浓厚兴趣、热爱解决复杂系统问题、具备扎实工程能力的后端/平台工程师
缺点 / 挑战
- 负责数据闭环全链路，技术挑战大，能快速积累系统设计和工程落地能力
角色解读
- 在自动驾驶数据平台领域深耕，可成长为数据平台架构师或MLOps专家
- 有机会接触大模型、自动驾驶核心算法，向算法工程或技术管理方向发展
- 滴滴Voyager部门业务高速增长，内部技术氛围浓厚，晋升空间广阔
- 负责自动驾驶数据闭环平台的整体架构设计与开发，打通数据从采集、清洗、标注到训练评估的全链路
- 构建数据版本管理与回溯系统，确保数据集迭代过程的合规与可追踪
- 开发自动化标注工具链，利用大模型预标注和人机协同提升数据生产效率
- 与算法团队和AI基础架构团队协作，持续优化平台工具，支撑模型快速迭代
- 扎实的Python和C++编程能力，熟悉Linux开发环境和系统设计
- 掌握常用工作流编排调度框架（如Airflow、Kubeflow Pipelines、MLflow），能设计自动化任务流
- 熟悉MLOps和数据平台技术，了解Docker/Kubernetes等容器化与分布式调度
- 具备自动驾驶数据平台、仿真平台或自动化标注系统的开发经验
申请策略
- 在申请材料中表明对自动驾驶行业和技术的好奇心，展示学习能力
- 关注滴滴Voyager的技术博客或开源项目，面试时可体现对业务的了解
- 突出数据平台或MLOps项目经历，特别是自动驾驶相关经验
- 重点展示Python/C++项目代码量和质量，可附上GitHub链接或架构设计文档
- 强调工作流调度、容器化、分布式系统的实际落地案例
- 如果有提升数据效率或质量的具体数据指标，务必量化呈现
- 提前熟悉Airflow、Kubeflow或MLflow中至少一种，了解工作流编排最佳实践
- 补充Docker和Kubernetes的实战经验，了解云上部署流程
面试指南
- 回答系统设计题时，先明确需求和约束，再拆解模块，讲清数据流和接口设计，最后讨论扩展性和容错
- 项目经验题使用STAR法则：背景、任务、行动、结果，突出你的角色和量化成果
- 协作类问题强调主动沟通、对齐目标、用工具化手段解决重复问题
- 如何设计一个可扩展的数据闭环平台？请描述整体架构和关键技术选型
- 如何处理PB级自动驾驶数据的清洗和标注任务？
- 讲讲你使用Airflow/Kubeflow编排任务流的经验，遇到过哪些坑？
- 如何保证数据版本管理的准确性和可追溯性？
- 你如何与算法团队协作，提升模型迭代效率？
职位点评
72
综合评分
自动驾驶数据平台岗位，技术前沿、成长性强，但工作节奏可能较快且未明确福利。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长、渴望在自动驾驶核心领域积累经验，且对工作强度有一定承受力的工程技术人员。
表现最好
成长发展
相对薄弱
工作生活
薪资福利72
成长发展90
工作生活45
使命价值75
薪资福利
72中等
JD未提及具体薪资和福利，但滴滴作为上市大厂，薪酬体系较为完善，综合估算薪资在北京处于中上水平，能满足基本的经济需求，但未明确承诺保障性福利。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
该职位涉及自动驾驶大模型数据闭环、自动化标注等前沿技术，技术栈新，挑战大，对个人成长和技能提升非常有利。
技术前沿前沿/新兴技术
技术栈自动驾驶、大模型、MLOps、Apache Airflow、Kubeflow、MLflow、Docker、Kubernetes、Python、C++
业务类型ambiguous
工作生活
45较低
北京工作，现场办公，未提及弹性或远程，自动驾驶行业节奏快，工作强度可能较高，生活平衡性一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
自动驾驶技术具有提升交通安全和出行效率的社会价值，行业前景广阔，岗位能带来较强的使命感和行业认同感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs