博世
智能驾驶数据科学家_CR
智能驾驶数据科学家_CR
发布于 大约 9 小时前普通员工/个人贡献者
上海市
初级经验
全职员工
仅现场办公
硕士
自动驾驶
Active Learning
Auto Annotation
Foundation Models
Pytorch
Tensorflow
Vlm
多模态数据
数据科学
自动驾驶
AI 估算 · 30k–50k
职位详情
关于这个职位
该职位负责研发面向自动驾驶的数据中心算法，包括自动标注、自动打标、数据挖掘和自动质检，并利用Foundation Models、VLM等前沿技术优化数据自动化流水线
你将与感知、预测、规划团队及全球博世团队紧密合作，推动数据驱动自动驾驶技术的发展
适合具备计算机视觉、深度学习背景，并对自动驾驶数据领域有浓厚兴趣的硕士或博士
最低要求
计算机科学、电气工程、数据科学或相关专业的硕士或博士学位
拥有1-3年在自动驾驶或AI应用领域担任以数据为中心角色的实践经验
精通 Foundation Models (VLM, e.g., CLIP, Grounded-SAM, Grounded-DINO)、few-shot/zero-shot learning 和 active learning
具备 auto annotation、data mining 和 auto quality check 流水线的实践经验
熟练掌握 Python 及 PyTorch 或 TensorFlow 等深度学习框架
熟悉多模态传感器数据（cameras, lidar, radar）
英语流利，具备强大的沟通和团队合作能力
工作职责
研发面向自动驾驶、以数据为中心的算法，重点包括多模态数据（camera, lidar, radar）上的 auto annotation、auto tagging、data mining 和 auto quality check
利用 Foundation Models、VLM、few-shot learning 和 zero-shot learning 来开发和优化数据自动化流水线，以提高效率和可扩展性
实施 active learning 策略，进行智能数据选择和标注优先级排序
与感知、预测和规划团队协作，理解数据需求并提供可扩展的数据解决方案
与全球博世团队合作，进行技术转移、趋势追踪和方案评估
优先资格
在顶级会议（如 CVPR、ICCV、ECCV）以第一作者身份发表论文者优先
加分项：具有使用 large feed-forward models 完成 3D reconstruction、depth estimation 或预测 camera intrinsic/extrinsic matrix 等任务的经验
AI 洞察
优缺点分析
优点
- 博世作为跨国巨头，平台大，资源丰富，能接触到全球领先的自动驾驶技术
- 岗位涉及Foundation Models等前沿技术，技术含量高，有利于个人技能快速提升
- 与全球团队合作，能积累国际化经验，拓宽职业视野
- 自动驾驶领域竞争激烈，技术迭代快，需要持续学习新知识
- 数据工作可能涉及大量数据处理和流水线开发，工作强度较大
- 对算法和工程能力要求高，需要同时具备扎实的理论基础和工程实践能力
缺点 / 挑战
- 适合对自动驾驶和AI数据技术有浓厚兴趣，具备扎实算法功底，并希望在跨国平台挑战前沿技术的研究型或工程型人才
角色解读
- 在自动驾驶数据领域深耕，成为数据算法专家，主导核心数据流水线架构
- 向技术管理方向发展，带领数据团队，负责数据策略和平台建设
- 横向拓展至感知、预测等算法团队，成为全栈自动驾驶算法专家
- 研发自动驾驶数据中心算法，包括自动标注、数据挖掘和质量检查，处理相机、激光雷达、雷达等多模态数据
- 利用Foundation Models、VLM等前沿技术，开发和优化数据自动化流水线，提升数据处理效率和可扩展性
- 实施主动学习策略，智能选择数据和标注优先级，优化标注成本
- 与感知、预测、规划团队及全球博世团队协作，理解数据需求，提供数据解决方案
- 精通Python及PyTorch或TensorFlow等深度学习框架，具备扎实的编程能力
- 深入理解Foundation Models (如CLIP, Grounded-SAM)、few-shot/zero-shot learning和active learning
- 熟悉多模态传感器数据（相机、激光雷达、雷达）的处理和分析
- 具备良好的英语沟通能力和团队协作精神，能与全球团队合作
申请策略
- 了解博世在自动驾驶领域的最新布局和技术方向，在面试中展现对公司的了解
- 准备一个能体现你数据算法能力的项目案例，并详细阐述你的技术选型和优化过程
- 突出在自动驾驶或AI领域的数据中心项目经验，如自动标注、数据挖掘等
- 强调对Foundation Models、VLM等前沿技术的实际应用案例
- 展示在顶级会议（如CVPR、ICCV）的论文发表经历，这是重要加分项
- 详细描述使用Python、PyTorch等工具解决复杂数据问题的能力
- 深入学习Foundation Models（如CLIP、Grounded-SAM）的原理和应用
- 补充3D视觉、深度估计等任务的经验，尤其是使用大模型进行相关任务
面试指南
- 回答项目经验时，可采用STAR法则（情境、任务、行动、结果），突出你的具体贡献和量化成果
- 对于技术问题，先阐述基本原理，再结合项目实例说明应用和优化过程
- 对于开放性问题，展示你的思考过程，从数据、算法、工程等多个角度分析
- 请详细介绍一下你在自动驾驶数据标注或数据挖掘方面的项目经验
- 你如何利用Foundation Models或VLM来优化数据自动化流水线？请举例说明
- 在主动学习策略中，你如何选择最有价值的数据进行标注？
- 你如何处理多模态传感器数据（camera, lidar, radar）？
- 请谈谈你对自动驾驶数据质量检查的理解和实现方法
职位点评
73
综合评分
跨国巨头、前沿技术栈、成长空间大，但工作地点和办公模式灵活性有限。
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
该职位最适合追求技术前沿、渴望在自动驾驶数据领域快速成长，并愿意接受一定工作强度挑战的求职者。
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90
工作生活50
使命价值80
薪资福利
70中等
博世作为跨国巨头，薪资福利具有竞争力，但具体薪资未在JD中披露。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
该职位处于自动驾驶前沿技术领域，涉及Foundation Models等新兴技术，能提供极佳的技术成长空间。
技术前沿前沿/新兴技术
技术栈Foundation Models、VLM、few-shot learning、zero-shot learning、active learning、Python、PyTorch、TensorFlow
业务类型ambiguous
工作生活
50较低
工作地点在上海，但JD未提及远程或弹性办公，可能以现场办公为主。
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
自动驾驶技术具有显著的社会价值，博世作为行业领导者，其技术愿景能提供较强的使命感。
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
Watch Jobs