智能驾驶安全感知算法实习生（有转正机会）

岗位职责
1. 参与自动化标注模型的应用与迭代，支持智能驾驶场景下感知数据的自动化标注与结果生成；

2. 协助开展多传感器数据的筛选、清洗与整理，支持训练集、验证集和评测集的构建；

3. 参与数据集制作流程，包括自动化标注结果的组织、格式转换、数据对齐与版本管理；

4. 对自动化标注结果进行质量检查与误差分析，定位漏标、误标、类别错误、框偏移、时空不一致等问题；

5. 参与模型评测流程的搭建与维护，对前融合感知模型及标注模型的效果进行离线评测、指标统计和结果分析；

6. 对模型 bad case 进行挖掘、归类与分析，支持数据迭代、标注模型优化和评测闭环建设；

7. 编写数据处理、自动化标注、评测分析相关脚本或工具，提升数据生产与评测效率；

8. 与感知算法、数据工程、标注团队协作，推进数据闭环和自动化标注体系建设。

任职要求
1. 本科及以上学历在读，计算机、人工智能、自动化、电子信息、车辆工程、数学等相关专业优先；

2. 具备良好的 Python 编程能力，能够独立完成数据处理、结果分析及脚本开发；

3. 熟悉常见数据处理和分析工具，如 NumPy、Pandas、OpenCV、Matplotlib 等；

4. 对机器学习、计算机视觉或自动驾驶感知方向有一定了解，理解模型输出、评测指标和误差分析的基本方法；

5. 具备较强的数据敏感度和细致度，能够对自动化标注结果和评测结果进行系统性检查与分析；

6. 有较好的逻辑思维和问题定位能力，能够从 bad case 中总结规律并推动问题闭环；

7. 具备良好的沟通与协作能力，能够与算法、数据、标注等相关团队高效配合；

8. 每周实习 4天及以上，可连续实习 3个月以上 者优先。

加分项

有自动驾驶、计算机视觉、多传感器融合、数据闭环或 auto-labeling 相关项目/实习经历；

熟悉常见感知任务，如 2D/3D目标检测、BEV感知、分割、跟踪 等；

了解相机、激光雷达、毫米波雷达等传感器基础，以及数据同步、标定、时空对齐等概念；

有模型评测、bad case 分析、数据集构建或自动化标注系统开发经验；

熟悉 Linux、Shell、Git，有一定工程开发习惯；

有较强的工程落地能力，能将算法结果转化为稳定的数据生产或评测流程。