哈啰出行
数据算法实习生（端到端数据挖掘方向）-【自动驾驶】
数据算法实习生（端到端数据挖掘方向）-【自动驾驶】
发布于 大约 17 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
本科
数据挖掘
自动驾驶
地理空间数据
分布式处理
ROS2
Mcap
坐标转换
难例挖掘
AI 估算 · 6k–12k
自动驾驶领域技术难度高，上海地区实习生薪资竞争力强，但实习岗位薪资通常低于全职。
职位详情
关于这个职位
作为自动驾驶数据算法实习生，你将参与RoboTaxiL4级数据闭环核心链路，处理亿级路测数据，开发驾驶场景挖掘算子（如急刹、加塞等），并维护数据管线
适合对自动驾驶和端到端数据挖掘感兴趣的计算机/车辆工程专业学生
最低要求
本科及以上学历，计算机、电子信息、自动化、软件工程、车辆工程等相关专业优先
Python基础扎实，熟练使用Python进行数据处理与算法开发
熟悉Linux操作系统、Shell命令与Git版本管理
了解ROS2/MCAP数据格式，对自动驾驶感知、决策、规划、控制有基本认知
掌握坐标系变换与基础几何运算，有Map和地理空间数据处理经验者优先
熟练使用Cursor、Claude等AI辅助编程工具，能借助AI高效完成代码编写与问题排查
具备快速学习能力，可独立拆解技术问题，责任心强，遇到问题主动沟通，有闭环意识
工作职责
参与RoboTaxi 云端数据挖掘系统研发，深度参与L4级自动驾驶数据闭环核心链路，处理亿级路测数据，为端到端自动驾驶模型训练提供高质量场景标签与数据保障
负责驾驶场景挖掘算子开发与迭代优化：
基于ROS2、MCAP数据格式，开发急刹、加塞、变道、路口转弯、横纵向博弈等驾驶行为检测算子
实现路口、环岛、分合流、盲区等典型场景分类
完成感知质量评估、障碍物风险识别、交互行为判定等难例挖掘能力建设，持续提升算子准确率与召回率
负责自动驾驶数据管线开发与维护：完成数据解析、坐标系转换（WGS84/UTM）、地理空间查询、Map数据适配等数据预处理工作，保障数据链路稳定高效
参与Ray分布式批处理框架下的数据挖掘任务开发、调试与性能优化，支撑大规模数据并行处理
开展挖掘结果误报/漏报分析，定位算法缺陷，推动算子迭代与数据闭环持续优化
协助完成数据标注方案设计、标签质量校验、评测用例沉淀等数据闭环相关工作
优先资格
有自动驾驶数据挖掘、难例场景分析、规控算法等相关经验者优先
AI 洞察
优缺点分析
- 接触L4级自动驾驶前沿技术，深度参与核心数据闭环，技术含金量高
- 处理亿级路测数据，积累海量数据挖掘和分布式计算经验
- 公司平台大（哈啰出行，C轮后），转正机会和职业发展空间较好
- 团队技术氛围浓厚，有机会学习自动驾驶全栈知识
- 实习岗位，薪资相对全职较低，且工作强度可能较大（大规模数据处理）
- 技术要求全面：需掌握自动驾驶基础、坐标变换、分布式框架等，学习曲线陡峭
- 作为实习生需快速独立拆解技术问题，沟通闭环意识要求高
- 适合计算机/车辆工程等相关专业，对自动驾驶充满热情，具备较强Python编程和快速学习能力的同学
角色解读
- 向自动驾驶数据挖掘或感知算法方向深入，成为数据闭环专家
- 积累分布式计算（Ray）和大数据处理经验，转型大数据或AI工程方向
- 在哈啰出行等大平台积累L4级实战经验，未来可晋升为高级算法工程师或技术Leader
- 参与L4级自动驾驶数据闭环核心链路，处理亿级路测数据，为模型训练提供高质量场景标签
- 开发驾驶行为检测算子（急刹、加塞等）和场景分类，提升难例挖掘准确率与召回率
- 维护数据管线，完成坐标转换、地理空间查询等预处理工作，支撑大规模数据并行处理
- 分析挖掘结果误报/漏报，定位算法缺陷并推动迭代优化
- 扎实的Python编程能力，熟悉Linux、Shell和Git
- 了解ROS2/MCAP数据格式，对自动驾驶感知、决策、规划有基本认知
- 掌握坐标系变换和几何运算，有地图/地理空间数据处理经验者优先
- 熟练使用AI辅助编程工具（Cursor、Claude），快速学习和问题解决能力
申请策略
- 在简历或求职信中表达对自动驾驶行业的热爱和对哈啰出行RoboTaxi业务的了解
- 关注哈啰出行自动驾驶公开动态，面试时展现对技术细节的了解
- 突出Python项目经验，特别是数据处理、算法开发相关
- 如有自动驾驶相关课程项目或竞赛（如KITTI、nuScenes），重点展示
- 强调Linux、Git、ROS等工具使用经历，以及AI辅助编程工具的熟练度
- 如有分布式计算（Ray、Spark）或地理空间数据处理经验，务必列出
- 提前学习ROS2和MCAP数据格式，了解自动驾驶数据闭环基本流程
- 复习坐标系转换（WGS84/UTM）和基础几何运算，实践地理空间数据处理
面试指南
- 对于技术问题，先梳理需求，再给出方案，最后评估优缺点和改进方向
- 结合项目经验具体说明，突出实际动手能力和问题解决思路
- 对于行为问题（如闭环意识），使用STAR法则（情境、任务、行动、结果）回答
- 请解释自动驾驶数据闭环的核心流程，以及你在其中扮演的角色
- 如何设计一个检测‘急刹’场景的算子？请用伪代码描述
- 你如何处理大规模路测数据的分布式处理？使用过Ray吗？请举例
- 坐标系转换中WGS84和UTM的区别是什么？如何进行转换？
- 你在以往项目中使用AI辅助编程工具（如Cursor）的经验和心得
匹配度报告
66
综合匹配度
一线自动驾驶实习，技术含金量高，发展前景好，但薪资一般且WLB未明确。
适合人群
适合技术导向、渴望学习前沿自动驾驶技术、不介意现场办公和潜在工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利50
成长发展90
工作生活45
使命价值80
薪资福利匹配
50较低
实习薪资水平在上海属于中等偏低，但公司规模大，福利齐全（JD未明确列出），薪资信号为未披露，综合补偿性动机满足一般。
薪资信号未披露 (6K-12K/月)
成长发展匹配
90较高
该实习岗位技术前沿（L4自动驾驶、分布式计算），成长机会多，但未明确提及晋升通道，发展性动机满足很高。
技术前沿前沿/新兴技术
技术栈Python、ROS2、MCAP、Ray、自动驾驶、数据挖掘
业务类型profit_center
工作生活匹配
45较低
JD未提及远程或弹性办公，工作地点在上海仅现场办公，未说明加班情况，生活化动机满足较低。
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）
使命价值匹配
80较高
自动驾驶行业高速增长，社会价值较高（提升出行安全效率），公司创新性强，意义感动机满足良好。
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