哈啰出行
智驾数据算法工程师（数据闭环）-【自动驾驶】
智驾数据算法工程师（数据闭环）-【自动驾驶】
发布于 大约 17 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
Camera
大模型
Lidar
DDS
ROS2
AI 估算 · 35k–55k
自动驾驶数据闭环岗位技术难度高，大厂和独角兽薪资竞争力强，结合上海城市和行业水平估算。
职位详情
关于这个职位
该职位负责自动驾驶数据闭环体系建设，包括数据采集、处理、标注、挖掘等全流程Pipeline开发与优化，保障海量数据高效支持模型训练
需要精通Python/C++、传感器数据处理和自动驾驶中间件，适合有自动驾驶数据背景的技术人才
最低要求
本科及以上学历，计算机、软件工程、自动化、电子信息等理工科专业
年及以上自动驾驶数据体系相关经验，有大厂 / 独角兽企业数据工厂搭建、量产项目经验者优先
精通 Python、C++，熟悉 Linux 操作系统（常用指令、Shell 脚本），具备良好编程习惯（代码注释、Git 版本管理、CI/CD 流程）
掌握常见主流传感器数据处理：LiDAR（点云去噪 / 拼接 / 动静态补偿）、Camera（畸变校正 / 图像融合）等，精通 H264/H265/YUV/MJPEG 等编解码方式，有定制数据格式经验（如自定义传感器数据封装格式、私有标注格式）者加分
熟悉自动驾驶中间件：ROS2（节点通信、Msg/Srv 定义、参数服务器配置）、DDS（QoS 策略优化）
具备强问题解决能力，能快速定位数据处理、工具链运行中的技术故障
良好的跨团队沟通能力（能清晰对齐需求、推动协作），踏实靠谱，可承受项目紧进度压力
工作职责
数据闭环体系搭建与落地：负责自动驾驶全链路数据闭环体系设计与搭建，日均处理亿级传感器原始数据及标注数据，保障数据从采集、处理到模型训练的端到端流转，支撑感知、决策规划等端到端模型的高效训练
数据闭环工具链研发：
云端数据处理 pipeline 开发：
针对标注数据、场景数据，设计并落地数据清洗（去噪、去重、异常过滤）、解析、切片、抽帧、送标（对接标注平台）的全流程自动化 pipeline
优化 pipeline 吞吐量与延迟，目标支撑日均 10 万 + 场景数据处理，服务算法团队数据生产需求
推动工具链部署落地，解决线上运行故障（如数据阻塞、接口兼容问题），保障工具链可用性
高价值场景数据挖掘体系建设:
搭建 “规则 + 大模型” 双驱动的数据挖掘产线：针对规则挖掘，设计接入多种传感器、定位、感知、底盘、车身信号并优化规则策略
针对大模型挖掘任务，完成数据方案制定、模型微调、loss优化、模型评测等
与算法团队协作迭代挖掘策略，提升 corner case 召回率（目标≥85%）
优先资格
熟悉云原生技术（Docker/K8s），能将数据工具链容器化部署
有大模型在数据挖掘中的应用经验（如用 QwenVL2.5系列模型做场景分类）
AI 洞察
优缺点分析
- 身处自动驾驶热门赛道，技术壁垒高，积累核心数据工程经验
- 大厂背景（哈啰出行），平台资源丰富，可接触到亿级数据处理和先进工具链
- 技术栈前沿，涵盖传感器、中间件、大数据、大模型等，职业竞争力提升快
- 薪资水平在行业中上等，且有股权或奖金机会
- 工作强度较大，需应对每日亿级数据量和紧进度压力，可能面临加班
- 技术栈深度广，需要持续学习新工具（如不同传感器、大模型），学习曲线陡峭
- 跨团队协作要求高，需要与算法、工程、标注等多方沟通，推动不力可能影响进度
- 适合热爱自动驾驶技术、有较强工程能力、喜欢挑战海量数据处理难题的工程师，能适应快节奏和强协作环境
角色解读
- 技术深耕：成为自动驾驶数据闭环领域的专家，主导数据架构设计与优化
- 横向拓展：向感知算法或决策规划算法方向发展，理解数据对模型的影响
- 管理晋升：积累项目经验后，可担任技术负责人或团队主管，带领数据团队
- 设计并搭建自动驾驶数据闭环系统，处理每日亿级传感器数据，确保数据高效流转至模型训练
- 开发云端数据处理Pipeline，实现数据清洗、解析、切片、抽帧和送标等自动化流程
- 搭建规则与大模型双驱动的数据挖掘产线，提升困难场景（Corner Case）的召回率
- 与算法团队协作，优化数据挖掘策略，保障工具链稳定运行并解决线上故障
- 精通Python和C++，熟悉Linux和Shell脚本，有良好的编程习惯和工程化能力
- 掌握LiDAR、Camera等传感器数据处理技术，熟悉H264/H265等编解码
- 熟练使用ROS2和DDS等自动驾驶中间件
- 具备数据Pipeline开发和大规模数据处理经验，了解Docker/K8s和大模型应用者优先
申请策略
- 在面试中展示对自动驾驶数据闭环全局的理解，而不仅仅是局部工具开发
- 了解哈啰出行在自动驾驶领域的布局（如两轮车、无人车等），体现业务认知
- 突出自动驾驶数据闭环或相关数据Pipeline项目经验，量化处理数据量级和优化效果
- 强调Python/C++编程能力，展示Git和CI/CD使用习惯
- 列出传感器数据处理、中间件（ROS2/DDS）的实际应用案例
- 若有云原生或大模型经验，务必提及，这是加分项
- 补充或加深对ROS2和DDS的理解，可动手搭建简单节点通信示例
- 掌握至少一种传感器数据处理库（如PCL、OpenCV），熟悉编解码原理
面试指南
- STAR原则：Situation-Task-Action-Result，描述具体项目背景、职责、措施和量化成果
- 技术原理+实践：先解释概念（如QoS策略），然后结合你的实际代码或配置说明
- 问题解决：先定位问题（日志、监控），再提出多个方案并权衡，最后落地并验证
- 请描述你之前参与的数据闭环Pipeline，是如何设计数据清洗和存储的？
- 如何处理LiDAR点云数据中的噪点和动态物体？
- ROS2中如何实现节点间高效通信？QoS策略如何选择？
- 大模型在数据挖掘中如何应用？举一个你优化的例子
- 当数据处理Pipeline出现阻塞时，你会如何定位和解决？
匹配度报告
69
综合匹配度
大厂自动驾驶数据闭环岗位，前沿技术栈，薪资较高，但工作强度大、WLB一般。
适合人群
该职位最适合追求技术成长和职业发展的求职者，尤其是希望在自动驾驶数据工程领域深耕的人。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活40
使命价值70
薪资福利匹配
75中等
职位薪资有竞争力，作为大型企业C轮后，福利可能包括五险一金和年终奖，但JD未明确列出福利。
薪资信号未披露 (35K-55K/月)
成长发展匹配
90较高
该职位涉及大量前沿技术（大模型、云原生、传感器处理）和自动驾驶核心领域，技能成长空间巨大，但JD未提及晋升通道。
技术前沿前沿/新兴技术
技术栈Python、C++、ROS2、DDS、LiDAR、Camera、H264、Docker、Kubernetes、大模型
业务类型profit_center
工作生活匹配
40较低
仅现场办公，未提及弹性工时或WLB，且JD有“可承受项目紧进度压力”暗示强度较高。
工作模式仅现场办公
办公地点未明确
加班情况JD含高强度暗示词
使命价值匹配
70中等
自动驾驶属于高速增长赛道，对社会交通有积极影响，但职位本身偏工程实现，社会使命感一般。
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