【英才2027】数据挖掘-造父Robotaxi

优缺点分析

角色解读

• 从数据挖掘工程师起步，逐步成长为自动驾驶数据平台或大模型应用方向的专家
• 有机会深入参与核心的自动驾驶数据闭环和AI模型研发，向技术专家或技术管理方向发展
• 随着自动驾驶行业的发展，可转向更广泛的AI领域，如通用人工智能、多模态学习等前沿方向
• 构建车端与云端的数据流水线，设计数据筛选和采集策略，确保高质量数据的高效回收
• 利用规则和VLM大模型对海量驾驶场景进行自动化数据挖掘和标注，优化模型性能
• 参与云端多模态大模型的微调、优化和部署，支持自动驾驶的远程决策和用户行为监测
• 跟踪最新的AI进展，在自有数据集上验证和选型AI模型，推动技术落地
• 扎实的编程基础，精通C++和Linux环境，熟悉数据结构与操作系统
• 深入理解大模型（VLM/LLM）原理，有数据处理、挖掘和标注的实践经验
• 对自动驾驶技术栈有基本了解，熟悉nuScenes、Waymo等主流数据集
• 具备优秀的问题分析能力和团队协作精神，能跨团队沟通协作

申请策略

• 在简历中明确表达对自动驾驶和AI技术的热情，并展示对哈啰出行Robotaxi业务的了解
• 准备一个与数据挖掘或大模型相关的项目案例，在面试中详细阐述你的思路和成果
• 突出数据处理、挖掘或分析相关的项目经历，特别是涉及大规模数据或自动化流程的
• 详细描述参与大模型（VLM/LLM）相关的项目，包括模型微调、Prompt Engineering或Agent设计等
• 强调C++编程能力和Linux环境下的开发经验，并展示对数据结构和操作系统的理解
• 如果有自动驾驶相关的课程项目或竞赛经历（如nuScenes、Waymo数据集），务必重点突出
• 系统学习视觉语言模型（VLM）的原理和应用，尝试在开源数据集上进行微调或推理
• 熟悉至少一个主流自动驾驶数据集（如nuScenes），了解其数据格式和评测方法

面试指南

• 回答项目经验时，采用STAR法则（情境、任务、行动、结果），突出你的技术选型、实现过程和量化成果
• 回答技术问题时，先阐述基本原理，再结合具体场景说明应用，最后提出可能的优化方向
• 回答开放性问题时，展现你的逻辑思维和问题解决框架，从数据、模型、评估等多个维度进行分析
• 请详细介绍一下你参与过的一个数据处理或挖掘项目，你是如何设计数据流水线的？
• 你对VLM和LLM的理解是什么？如何利用它们进行自动驾驶场景的数据挖掘？
• 谈谈你对自动驾驶技术栈（感知、预测、规划）的理解，以及数据在其中扮演的角色
• 如何评估一个数据挖掘或标注模型的效果？你会关注哪些指标？
• 在C++或Linux环境下，你如何优化一个数据处理模块的性能？