自动驾驶端到端数据挖掘实习生

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；

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；

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；

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；

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；

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

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；

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；

熟悉 SQL 或者mongodb，能够完成常规数据查询、统计与分析；

熟悉 Linux 开发环境，了解 Git、Docker 等常用工具；

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

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

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

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

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

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

有标签平台、数据闭环、主动学习、Corner Case 挖掘相关项目经验；

有 ACM/Kaggle/天池等竞赛获奖，或顶会论文、专利成果