博世
辅助驾驶感知算法工程师(27届校招)_BCSC
辅助驾驶感知算法工程师(27届校招)_BCSC
发布于 大约 2 小时前普通员工/个人贡献者
无锡市
无经验要求
全职员工
仅现场办公
硕士
计算机视觉工程
Kitti
Nuscenes
Pytorch
Tensorflow
多传感器融合
深度学习
目标检测
目标跟踪
车道线识别
AI 估算 · 18k–25k
博世作为跨国巨头，校招算法岗在无锡地区薪资具有竞争力，结合行业水平和硕士学历，月薪约1.8-2.5万，年终奖丰厚。
职位详情
关于这个职位
该职位隶属博世中国，面向2027届硕士毕业生，专注于辅助驾驶感知算法的研发与优化，包括目标检测、车道线识别、多传感器融合等核心模块
你将参与算法设计、验证和落地，接触前沿的深度学习和自动驾驶技术，与全球顶尖团队协作
适合对智能驾驶充满热情、技术扎实的应届生
最低要求
计算机、自动化、电子工程、人工智能等相关专业硕士在读
熟练掌握 Python/C/C++，具备良好的编码能力
了解辅助驾驶传统算法，包括但不限于卡尔曼滤波、JPDA、A*、DBSCAN、贝塞尔曲线等算法
扎实的深度学习基础，熟悉深度学习常见算法（如CNN、Transformer、MapTR、HDMapNet等）
有PyTorch、TensorFlow、MMDetection3D等框架进行模型训练与实验的经验优先
熟悉经典辅助驾驶数据集（如KITTI、nuScenes、Waymo）
责任心强，有良好的沟通能力和团队协作意识
工作职责
参与辅助驾驶系统中感知算法的设计、验证与优化，包括但不限于目标检测、目标跟踪、车道线识别等
参与传感器（毫米波雷达、摄像头、超声波等）算法以及多传感器融合算法开发和优化
参与中高阶智能驾驶建图和规划模块的算法开发，性能验证和优化
协助构建感知算法的测试流程，包括数据预处理、模型评估、性能对比等
协助撰写技术文档，参与团队技术会议与方案讨论
优先资格
有PyTorch、TensorFlow、MMDetection3D等框架进行模型训练与实验的经验优先
AI 洞察
优缺点分析
优点
- 技术前沿且有深度，涉及深度学习、多传感器融合和自动驾驶热门领域，个人技能提升迅速
- 公司平台大，博世在汽车电子领域积累深厚，能接触工业级实际应用，简历含金量高
- 无锡生活成本相对合理，工作环境稳定，适合长期发展
- 团队协作氛围，专业培训体系完善，有导师指导和丰富的学习资源
- 算法落地涉及大量工程细节，可能需要处理数据、调试等繁琐工作，需要耐心和细致
- 适合对自动驾驶和深度学习有浓厚兴趣，具备扎实编程和算法基础，希望在技术深度上持续积累的硕士应届生
缺点 / 挑战
- 自动驾驶算法复杂度高，需要持续学习新技术，对数学、编程和逻辑思维要求较高
- 汽车行业竞争激烈，项目节奏可能较快，需要适应一定的工作压力
角色解读
- 从感知算法工程师起步，逐步成长为自动驾驶感知领域的专家，主导核心算法设计与技术决策
- 可向技术管理方向发展，带领团队完成复杂感知系统的研发与落地
- 依托博世全球平台，有机会参与国际项目，接触行业前沿技术，甚至转向更高阶的自动驾驶研发
- 负责辅助驾驶感知核心算法的设计、验证与优化，涵盖目标检测、跟踪、车道线识别等模块，确保感知系统在真实道路环境中的稳定性和准确性
- 开发并优化毫米波雷达、摄像头、超声波等传感器的算法，以及多传感器融合方案，提升环境感知的鲁棒性
- 参与中高阶智能驾驶的建图和规划模块算法开发，与感知团队协作实现完整的自动驾驶功能
- 构建和优化感知算法的测试流程，包括数据预处理、模型评估和性能对比，保障算法质量
- 扎实的编程基础，熟练掌握Python/C/C++，能高效实现和调试算法
- 深度理解深度学习模型（如CNN、Transformer），并具备使用PyTorch、TensorFlow等框架训练和调优模型的能力
- 熟悉传统感知算法（卡尔曼滤波、DBSCAN等）和经典自动驾驶数据集（如KITTI、nuScenes），能进行算法对比和验证
- 良好的沟通能力和团队协作意识，能参与技术方案讨论和文档撰写
申请策略
- 关注博世中国的技术博客和招聘宣讲会，了解团队研究方向
- 在简历中明确标注是2027届校招申请，并表达对自动驾驶行业的热情
- 突出相关项目或科研经历，尤其是目标检测、点云处理、多传感器融合等方向的实践
- 强调编程能力，列出熟悉的语言和框架，如Python、C++、PyTorch，并提供GitHub或代码库链接
- 展示对KITTI、nuScenes等数据集的使用经验和模型调优成果
- 如果有论文、竞赛或开源贡献，务必体现
- 提前巩固C++和Python编程，尤其是算法实现和数据结构的应用
- 深入学习Transformer在视觉领域的应用，如DETR系列，并熟悉mmdetection3d等工具
面试指南
- 对于项目类问题，采用STAR法则：背景、任务、行动、结果，突出具体贡献和量化成果
- 对于算法理解类问题，先阐述基本原理，再结合实例说明应用场景和优缺点，体现深度
- 对于编程题，先思考算法流程，写出伪代码，再实现，注意边界条件和复杂度
- 请介绍你在目标检测或车道线识别方面的项目经验，遇到的挑战及解决方案
- 如何理解多传感器融合？请说明常见的融合策略（如基于卡尔曼滤波或深度学习）
- 谈一谈你对Transformer在视觉感知中应用的理解，与CNN相比有何优缺点？
- 给定一个nuScenes场景，你会如何评估感知算法的性能？
- 编程题：实现一个简单的2D卡尔曼滤波追踪器
职位点评
75
综合评分
博世自动驾驶感知算法岗，技术前沿、成长空间大，薪资稳定，WLB一般。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
该职位最适合追求技术深度、渴望在自动驾驶前沿领域快速成长的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活60
使命价值80
薪资福利
70中等
博世作为知名跨国企业，薪资福利体系完善且稳定，虽然JD未披露具体数值，但整体薪酬处于市场中上水平。
薪资信号未披露（AI估算：18K-25K/月）
成长发展
85较高
该职位技术栈前沿，涉及自动驾驶感知领域核心算法，深度学习与多传感器融合等热门技术，能够提供极佳的技术成长空间。
技术前沿前沿/新兴技术
技术栈Python、C/C++、深度学习、CNN、Transformer、PyTorch、TensorFlow、MMDetection3D、卡尔曼滤波、多传感器融合
业务类型ambiguous
工作生活
60中等
工作地点在无锡，现场办公，JD未提及弹性工作或WLB安排，作为技术研发岗可能有一定强度，但整体处于行业正常水平。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
辅助驾驶技术直接改善交通安全，减少事故，具有很高的社会价值，行业处于高速增长期，创新空间大，使命感较强。
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
博世 的其他在招职位
相似职位推荐
Watch Jobs