赛力斯

1、场景数据挖掘：面向海量自动驾驶道路测试数据（轨迹、Camera、LiDAR、Radar、GNSS/IMU、车辆状态等），挖掘典型场景、异常场景、长尾场景与 Corner Case，为算法训练和测试提供数据支持。 2、场景分析与识别：建立场景特征与分类方法，围绕道路、交通参与者、天气、光照、交通流、车辆行为等维度，用规则、统计、聚类、分类、异常检测等方法实现场景的自动发现与分类。 问题数据挖掘：分析系统运行中的异常数据与 Failure Case，结合感知、预测、规划等算法输出定位潜在问题场景，对问题数据归类、去重并做特征分析，协助算法团队定位问题。 3、数据处理与分析：用 Python、SQL 处理大规模数据，完成清洗、特征提取、统计与可视化，建立数据分析指标，持续分析各场景的数据分布与覆盖情况。 4、数据闭环建设：参与「采集 → 清洗 → 场景挖掘 → 标注 → 数据集构建 → 训练/评测 → 问题发现 → 场景再挖掘」闭环，按算法与测试需求持续优化筛选与挖掘策略。 5、工具开发：参与场景检索、数据分析、统计与可视化工具开发，把分析方法沉淀为自动化挖掘能力。

基本要求 1、计算机、人工智能、数据科学、统计学、自动化、车辆工程、机器人等相关专业，本科及以上学历。 2、2027 届应届毕业生，硕士优先。 3、具备良好的数学、统计学和算法基础。 4、熟练使用 Python，掌握 SQL，能够独立完成数据处理和分析。 5、熟悉 NumPy、Pandas、Scikit-learn 等常用数据分析/机器学习工具。 6、具备较强的问题分析能力，能够从大量数据中发现规律和异常。 5、对自动驾驶、机器人、计算机视觉、点云等领域有兴趣。 加分项 具备以下任一经验者优先： 1、有自动驾驶、机器人、无人车相关项目或实习经历。 2、了解自动驾驶基本技术体系，如感知、预测、规划、控制。 了解 Camera、LiDAR、Radar、GNSS/IMU 等传感器数据。 3、有自动驾驶场景挖掘、Corner Case、Failure Case 分析经验。 有图像、点云、轨迹等数据处理经验。 4、熟悉 OpenCV、PyTorch 等工具。 有聚类、分类、异常检测、时间序列分析等项目经验。 5、有机器学习、深度学习、计算机视觉相关竞赛经历。 6、了解 ROS/ROS2、MCAP、Bag 等机器人/自动驾驶数据格式。 7、有数据标注、数据集构建或模型评测相关经验。