数据挖掘算法开发(J33360)

1. 01

   场景标签体系建设：设计并维护智能驾驶场景标签体系（Scene/Scenario Tagging），对海量路采数据进行多维度打标与分类。

2. 02

   长尾场景挖掘：针对自动驾驶中的 Corner Case（长尾/极端场景）和困难场景，设计挖掘策略与算法，从海量数据中高效召回高价值数据。

3. 03

   因果分析与检索：对特定交通事件或接管数据进行因果分析，开发视频/图像检索算法，支持快速定位相似场景。

4. 04

   自动标注算法开发：研发和优化自动标注（Auto-Labeling）算法，利用大模型或传统视觉算法对图像、点云数据进行预标注，降低人工标注成本。

5. 05

   数据清洗与质量控制：开发数据清洗规则与算法，剔除无效、冗余或低质量数据，确保训练数据集的纯净度与准确性。

6. 06

   多模态数据处理：处理 Camera、LiDAR、毫米波雷达等多传感器数据，进行时间同步、空间标定及数据对齐。

深度学习框架：熟练使用 PyTorch、TensorFlow 等主流深度学习框架。 基础模型：熟悉常见的机器学习与深度学习算法（如 CNN、RNN、Transformer、GBDT、RF 等），掌握目标检测、语义分割、多目标跟踪、分类、聚类、回归、异常检测等方法。 大模型技术（当前核心要求）： 熟悉多模态大模型（VLM）、大语言模型（LLM）的原理与应用。 具备大模型的预训练、微调（SFT、DPO、GRPO 等）、评测及部署经验。 了解 Agent Framework、RAG、Prompt Engineering、CoT 等前沿技术。 视频与多模态处理：具备视频理解、视频分析、视频打标签、视频检索等算法设计开发能力