数据挖掘算法实习生

1.数据闭环与挖掘：设计自动驾驶数据挖掘与打标的链路，优化基于主动学习的数据挖掘策略，开发长尾场景与 Corner Case 挖掘算法，提升数据集多样性；

2.VLM 模型构建：负责云端视觉语言模型的开发与迭代，研究指令微调与领域适配方法，构建基于 VLM 的通用打标能力，降低规则打标占比；

3.数据平台建设：主导元数据管理与非结构化数据存储设计，优化向量检索与时空索引性能，基于 Spark/Flink 构建高吞吐量数据处理流水线；

4.跨团队协作：与算法团队配合，分析训练数据分布，通过主动采集等形式平衡数据整体分布，提升模型性能；

5.前沿跟踪：跟踪学术界与工业界最新进展（如 OpenScene、DriveLM 等），推动算法迭代

1. 基础条件

本科及以上在读，计算机、自动化、电子信息、数学、统计、车辆工程等相关专业

每周出勤≥3 天，能稳定实习、尽快到岗者优先

具备良好的逻辑思维、自驱力与团队协作能力，对智能驾驶领域有强烈兴趣

2. 核心技能

熟练掌握 java/Python 编程，能独立编写数据处理脚本，熟悉 Linux 基础操作与 Git 版本控制

了解智能驾驶基础概念（感知 / 预测 / 规划），熟悉常见数据格式（ROS bag、PCD、PNG、标定文件）者优先

具备基础的机器学习 / 数据挖掘知识，了解分类、聚类、异常检测等算法者优先

3. 加分项

有自动驾驶、机器人、数据挖掘相关项目 / 竞赛经历（如场景库构建、数据闭环工具开发）

熟悉点云 / 图像处理（Open3D、OpenCV）、深度学习框架（PyTorch/TensorFlow）或大模型（LLM/VLM）应用经验

会使用 SQL、Spark/Hive 等工具处理海量数据，或有 Docker 使用经验