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
数据科学
Clip
Foundation Models
Pytorch
Vlm
多模态
自动驾驶
Active Learning
Auto Annotation
Grounded-Sam
AI 估算 · 25k–35k
博世跨国巨头，上海数据科学岗位，硕士以上学历，结合自动驾驶前沿领域，薪资在市场中等偏上。
职位详情
关于这个职位
该职位专注于自动驾驶领域的数据驱动算法研发，利用Foundation Models、VLM等前沿技术优化数据自动化流水线，包括自动标注、数据挖掘和质量检查
你将与感知、预测等团队协作，提供可扩展的数据解决方案，并有机会与全球博世团队进行技术交流
适合具备计算机视觉、深度学习背景且对自动驾驶数据方向感兴趣的求职者
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
- 接触自动驾驶最前沿的数据中心技术，如Foundation Models、VLM，技能含金量高
- 博世作为行业巨头，提供全球化协作平台和稳定职业发展环境
- 自动驾驶领域数据量大且复杂，工作强度可能较大
- -3年经验要求，竞争激烈，需要扎实的理论和工程能力
- 适合具备计算机视觉或深度学习背景，对自动驾驶数据方向有浓厚兴趣，且希望在跨国企业稳定发展的技术型人才
缺点 / 挑战
- 与多模态数据打交道，技术挑战性强，积累经验后市场竞争力强
- 对Foundation Models和少样本学习等前沿技术要求较高，需要快速学习和实践
角色解读
- 在自动驾驶数据科学领域深耕，成为数据中心算法专家
- 向感知、预测等核心算法团队横向拓展，或晋升为技术主管
- 博世全球平台提供国际交流机会，可转向技术管理或架构师方向
- 研发自动驾驶数据自动标注、挖掘和质量检查算法，处理多模态传感器数据
- 利用Foundation Models和少样本学习技术优化数据流水线效率
- 实施主动学习策略，智能选择高价值数据进行标注
- 与感知、预测等团队协作，理解数据需求并提供解决方案
- 精通Foundation Models (VLM, CLIP等)、few-shot/zero-shot learning和active learning
- 熟练掌握Python及PyTorch/TensorFlow，具备深度学习实战经验
- 熟悉自动驾驶多模态传感器数据（Camera, Lidar, Radar）
- 具有自动标注、数据挖掘和质量检查流水线的实战经验
申请策略
- 了解博世自动驾驶业务方向和全球团队结构，展现对技术转移和协作的兴趣
- 准备一个端到端的数据自动化流水线案例，体现工程与算法结合能力
- 突出在自动驾驶或AI项目中数据相关的工作经验，特别是自动标注、数据挖掘、主动学习等
- 强调对Foundation Models（如CLIP、Grounded-SAM）的实际应用经验，最好有具体项目或论文
- 展示Python和PyTorch/TensorFlow的熟练度，以及处理多模态传感器的经历
- 如有顶会一作论文，务必突出，这是重要加分项
- 深入学习VLM（如CLIP）和最新few-shot/zero-shot方法，多阅读CVPR/ICCV相关论文
- 实践active learning算法，熟悉相关库如modAL或自定义实现
面试指南
- 针对技术问题：先明确问题核心，然后介绍常用方法或论文，再结合自身经验给出具体方案
- 对于项目经验：使用STAR法则（情境、任务、行动、结果），强调技术挑战和个人贡献
- 对于开放性问题：分点论述，逻辑清晰，适当引用前沿研究，并展示可落地性
- 请介绍一个你使用Foundation Models进行自动标注或数据挖掘的项目
- 如何设计一个active learning策略来减少标注成本？
- 如何处理多模态传感器数据（camera, lidar, radar）对齐？
- 你了解哪些few-shot/zero-shot学习方法？请比较其优缺点
- 如何评估自动标注的质量？有哪些常见问题和改进方法？
职位点评
68
综合评分
跨国巨头自动驾驶数据科学岗位，技术前沿、成长空间大，但工作生活平衡信息有限。
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
最适合追求前沿技术成长、重视社会价值和稳定平台的发展型人才。如果对工作生活平衡要求较高，需考虑该职位可能以现场办公为主。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展90
工作生活40
使命价值75
薪资福利
65中等
薪资未明确披露，但博世作为巨头企业提供有竞争力的薪酬和福利，属于市场水准。稳定性高，但作为研发岗位薪资涨幅可能不如互联网初创。
薪资信号未披露（AI估算：25K-35K/月）
成长发展
90较高
职位涉及自动驾驶最前沿的数据中心技术，如Foundation Models、VLM等，技能成长空间极大。与全球团队合作，有技术转移和趋势追踪机会，晋升通道虽未明确但公司平台广阔。
技术前沿前沿/新兴技术
技术栈Foundation Models、VLM、CLIP、Grounded-SAM、few-shot learning、active learning、多模态
成长机会技术转移、趋势追踪
业务类型profit_center
工作生活
40较低
未提及远程或弹性办公，工作地点上海，可能为现场办公。未提供WLB相关描述，推测为正常工时但自动驾驶行业可能有一定加班。
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
75中等
自动驾驶技术具有显著的社会价值，提升出行安全和效率。博世致力于'改善全球生活质量'，行业处于高速增长赛道，创新性强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号improve quality of life all across the globe
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