算法工程师

1. 算法研究与开发：
深入理解汽车智能化场景（如自动驾驶、智能座舱交互、车辆控制、车联网、大数据分析等）的业务需求和技术挑战。
负责特定领域算法模型的设计、选型、原型开发与验证（例如：计算机视觉、深度学习、机器学习、强化学习、SLAM、传感器融合、路径规划、决策控制、语音识别/NLP、信号处理、优化算法、预测算法等）。
针对车载场景的特殊性（实时性、低功耗、高可靠性、复杂环境适应性）进行算法的创新性改进和定制化开发。
跟踪学术界和工业界前沿技术进展，进行技术预研和可行性评估。
2. 算法实现与优化：
将算法原型高效、稳定地工程化落地，编写高质量的C++/Python等代码。
对算法进行性能优化，包括计算效率（速度、内存占用）、精度、鲁棒性等方面，以满足车载嵌入式平台（如昇腾芯片）的严苛要求。
进行**模型压缩、量化、剪枝**等工作，以适应车规级芯片的资源限制。
开发或优化算法的**部署流程**，支持在目标硬件平台上的高效运行。
3. 数据处理与分析：
负责大规模、多模态车载数据（传感器数据：摄像头、激光雷达、毫米波雷达、超声波雷达、IMU、GPS等；车辆总线数据；用户交互数据；云端数据等）的采集、清洗、标注、管理和分析**。
设计和构建用于算法训练、验证和测试的高质量数据集。
利用数据分析手段评估算法性能，诊断问题，指导算法迭代方向。
4. 仿真与测试验证：
利用仿真工具链（如华为自有或第三方仿真平台）对算法进行大规模、高效的虚拟测试，覆盖各种复杂、极端和长尾场景。
设计并执行**实车测试方案，收集真实道路数据，分析算法在真实环境下的表现。
建立科学的**评估指标体系，对算法性能进行定量和定性分析。
分析测试结果，定位问题根因，推动算法持续改进。
5. 跨部门协作：
与硬件工程师**紧密合作，理解硬件平台特性（如AI芯片、传感器），确保算法高效部署和性能发挥。
与软件工程师/系统工程师**协作，进行模块集成，解决系统层面的问题。
与测试工程师协作，共同制定测试策略和用例。
与产品经理/系统工程师沟通，理解需求，反馈技术可行性，推动技术方案落地。
与数据团队协作，确保数据获取和处理的效率与质量。