地平线
【2027届校招】大模型数据挖掘工程师
【2027届校招】大模型数据挖掘工程师
发布于 大约 9 小时前普通员工/个人贡献者
北京市 / 上海市
无经验要求
全职员工
仅现场办公
硕士
机器学习工程
Pytorch
Ros
Tensorflow
强化学习
数据挖掘
模仿学习
自动驾驶
AI 估算 · 25k–35k
自动驾驶核心算法岗，校招硕士起薪较高，上市公司平台，薪资竞争力强。
职位详情
关于这个职位
你将加入地平线数据驱动部，参与端到端自动驾驶模型的数据挖掘与迭代优化，构建数据闭环链路，推动模型在量产车型上的效果提升
工作涉及数据筛选、合成数据、评测体系等，是自动驾驶核心技术岗位，适合对数据科学和算法充满热情的应届毕业生
最低要求
硕士及以上学历，计算机科学与技术、机器人工程、自动化、人工智能、控制工程等相关专业，具备扎实的理论基础
熟练掌握 C++ 与 Python 编程，深入理解 Linux 操作系统、ROS（Robot Operating System）开发环境
对模仿学习（IL）、强化学习（RL）等算法有深入研究与实践，熟悉常见的深度学习框架（TensorFlow/PyTorch）
具备优秀的问题分析与解决能力，逻辑思维清晰，善于跨团队沟通协作，能在复杂项目中高效推进任务，抗压能力强，有强烈的技术探索欲与创新精神
工作职责
负责/参与端到端自动驾驶模型的性能迭代与突破，通过数据和模型的优化迭代，推动模型在量产产品中的效果闭环
深度搭建并优化数据挖掘与数据闭环链路，基于量产场景的真实数据分布，设计高效的数据筛选、清洗、标注、回流策略，通过数据驱动的方法持续提升模型在长尾场景、极端工况下的鲁棒性与可靠性，要求具备量产项目中数据驱动性能提升的实战落地经验
负责/参与合成数据相关工作，聚焦长尾场景数据补充，通过合成数据与真实数据的协同应用，实现模型在长尾场景下的性能显著提升，要求具备合成数据落地应用的实战经验
构建并迭代端到端模型评测体系，结合仿真测试、实车验证等多维度手段，建立科学的性能评估指标与自动化评测流程，能通过评测结果精准定位模型短板，并主导评测系统的优化升级，为模型迭代提供核心决策依据
具备模型训练相关经验者优先（包括大规模数据训练、分布式训练、训练框架应用等场景经验）
传统决策规划算法领域的优秀人才优先考虑
紧跟业界前沿技术动态，重点研究自动驾驶领域最先进的数据闭环方案、评测方法与端到端模型应用，推动技术预研与工程化落地，保持团队在数据驱动与评测体系上的核心竞争力
优先资格
具备模型训练相关经验者优先（包括大规模数据训练、分布式训练、训练框架应用等场景经验）
传统决策规划算法领域的优秀人才优先考虑
AI 洞察
优缺点分析
优点
- 自动驾驶行业高速增长，数据驱动是核心技术方向，职业前景广阔
- 地平线作为上市大厂，平台稳定，资源丰富，能接触量产级项目
- 工作内容涉及前沿技术（端到端模型、合成数据），技能积累价值高
- 岗位对算法和数据功底要求高，学习曲线较陡
- 数据工作可能较繁琐，需耐心处理细节，且跨团队协作复杂度高
- 适合对自动驾驶有热情，喜欢数据挖掘和模型优化，具备较强算法功底且能承受高强度工作的应届生
缺点 / 挑战
- 自动驾驶行业竞争激烈，工作强度和压力可能较大
角色解读
- 初期深入数据闭环和模型优化，成为自动驾驶数据挖掘专家
- 可横向转型为算法工程师或数据平台架构师，拓宽技术领域
- 长期可晋升为团队负责人，主导数据驱动方向的核心技术决策
- 负责自动驾驶模型的数据挖掘与闭环优化，构建数据筛选、清洗、回流策略
- 参与端到端模型的性能迭代，通过数据驱动方法提升长尾场景鲁棒性
- 设计并优化模型评测体系，结合仿真测试和实车验证定位模型短板
- 探索合成数据技术，补充真实数据难以覆盖的长尾场景
- 扎实的编程能力，熟练掌握 C++ 和 Python，熟悉 Linux 及 ROS 环境
- 深入理解深度学习框架（PyTorch/TensorFlow），了解模仿学习、强化学习等算法
- 具备数据挖掘和分析能力，善于从数据中发现问题和改进模型
- 较强的问题解决和跨团队沟通能力，能推动复杂项目落地
申请策略
- 提前研究地平线的产品和技术方案，在面试中体现对业务的理解
- 准备数据挖掘在自动驾驶中的实际案例，展现问题解决思路
- 突出数据相关项目经验，如数据清洗、特征工程或模型调优案例
- 强调 C++/Python 编程能力和深度学习框架的使用经验
- 如有模仿学习、强化学习或自动驾驶相关项目，务必重点展示
- 体现解决长尾场景或极端工况问题的具体方法和成果
- 学习数据闭环和自动标注相关工具，如 TensorFlow Data Validation
- 了解分布式训练框架，如 Horovod、DeepSpeed，提升大规模数据处理能力
面试指南
- 采用 STAR 法则：说明背景（Situation）、任务（Task）、行动（Action）和结果（Result），突出数据和模型的闭环迭代逻辑
- 强调量化指标：用具体数据（如准确率提升、长尾场景错误率下降）支撑观点
- 展示系统思维：不仅说明做了什么，还要解释为什么这样做，以及如何验证效果
- 如何设计数据筛选策略来提升模型在长尾场景的鲁棒性？
- 谈谈你对端到端自动驾驶模型的理解和优势
- 如何利用合成数据解决真实数据不足的问题？
- 你会如何构建一个自动化评测体系来定位模型短板？
- 分享一次你通过数据驱动优化模型性能的经历
职位点评
74
综合评分
自动驾驶核心数据闭环岗，技术前沿，发展性强，但工作压力可能较大。
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
适合追求技术成长、渴望参与前沿智能驾驶项目并注重职业发展潜力的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活50
使命价值80
薪资福利
75中等
薪资未明确披露，但作为上市大厂校招核心岗，待遇通常具竞争力，整体补偿性较好。
薪资信号未披露（AI估算：25K-35K/月）
成长发展
85较高
岗位聚焦自动驾驶数据闭环和端到端模型，技术前沿，成长空间大，但晋升路径未在JD中明确。
技术前沿前沿/新兴技术
技术栈Python、C++、PyTorch、TensorFlow、IL、RL、ROS、Linux
业务类型profit_center
工作生活
50较低
未提及工作弹性或WLB信号，现场办公模式，且可能涉及高强度项目，生活化满意度一般。
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
智能驾驶行业面向未来，对交通安全和社会效能有正向价值，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
地平线 的其他在招职位
相似职位推荐
Watch Jobs