自动驾驶端到端数据挖掘实习生

岗位职责

1.负责或参与自动驾驶标签计算与标签体系落地，计算场景标签、行为标签、目标属性标签、风险标签、统计标签等，支持数据筛选、模型评测与数据闭环；

2.参与标签质量校验、标签版本管理、标签血缘与数据资产建设，保障标签一致性与可复用性；

3.基于真实路测数据，构建场景挖掘、Corner Case 发现、长尾场景检索、数据聚类与异常检测 Pipeline；

4.支持数据闭环建设，与感知、端到端、规控、评测、标注等团队协作，定位模型薄弱场景，推动数据回灌、再标注与模型迭代；

5.开发数据统计、可视化、自动化脚本与报表工具，提升数据分析和挖掘效率；

6.跟踪数据挖掘、多模态学习、主动学习、半监督/自监督等前沿方向，并探索在实际业务中落地。

任职要求

1.本科及以上在读，计算机、自动化、车辆工程、人工智能、统计学、数学等相关专业；

2.熟悉 Python，熟练使用 NumPy、Scikit-learn 等工具，具备数据清洗、特征工程、标签计算经验；

3.熟悉 SQL 或者mongodb，能够完成常规数据查询、统计与分析；

4.熟悉 Linux 开发环境，了解 Git、Docker 等常用工具；

5.对自动驾驶数据闭环有浓厚兴趣，具备较强的学习能力、沟通能力和责任心，能保证稳定实习3个月以上。

加分项

1.熟悉 nuScenes、Waymo Open Dataset、Argoverse、KITTI 等自动驾驶数据集；

2.有点云处理经验，了解 PCL、Open3D、MMDetection3D、OpenPCDet 等；

3.熟悉向量数据库或检索工具，如 FAISS、Milvus、Elasticsearch；

4.熟悉大数据处理工具，如 Spark、Flink、ClickHouse、Hive；

5.有数据可视化经验，如 Matplotlib、Plotly、Streamlit、Dash；

6.有标签平台、数据闭环、主动学习、Corner Case 挖掘相关项目经验；

7.有 ACM/Kaggle/天池等竞赛获奖，或顶会论文、专利成果。