百度自动驾驶数据闭环高级后端工程师（J94282）

深入理解自动驾驶算法逻辑，负责数据闭环系统架构与开发，设计并实现高效可扩展的数据闭环平台，覆盖数据挖掘、数据标注、数据集管理、模型训练评估和部署全链路，以支持模型开发： 1）搭建面向自动驾驶大模型的数据生产系统，涵盖数据清洗、增强、合成与标注全流程； 2）构建数据版本管理与回溯系统，实现数据集迭代过程的可追踪性，满足模型训练合规要求； 3）负责自动化标注与数据流水线，构建与迭代自动化、半自动化标注工具链（如大模型预标注、人机协同标注），提升数据产出的效率与质量； 4）与算法工程师及AI基础架构团队紧密合作，建设相关平台工具，提升自动驾驶模型的迭代效率和效果。

职位描述： 1）设计并实现高并发、高可用的数据标注平台后端架构，支持图像、点云、视频等多模态自动驾驶数据的标注需求； 2）搭建标注数据存储与治理系统，保障大规模标注数据（PB级）的安全存储与高效检索； 3）搭建面向自动驾驶大模型的数据生产系统，涵盖数据清洗、增强、合成与标注全流程； 4）构建数据版本管理与回溯系统，实现数据集迭代过程的可追踪性，满足模型训练合规要求；

1、参与自动驾驶数据闭环相关工作，支持数据采集、清洗、筛选、标注及质量分析等流程优化。 2、协助建设数据闭环链路，参与问题数据挖掘、场景归因、样本回流与效果跟踪。 3、配合算法、数据、工程团队，推动感知/规划/控制等模块相关数据需求落地。 4、参与长尾场景、异常 case、典型问题的分析整理，沉淀数据策略和运营方法。 5、支持日常数据分析与专项项目推进，输出过程文档、分析报告和复盘总结。

1、数据闭环体系搭建与落地：负责自动驾驶全链路数据闭环体系设计与搭建，日均处理亿级传感器原始数据及标注数据，保障数据从采集、处理到模型训练的端到端流转，支撑感知、决策规划等端到端模型的高效训练； 2、数据闭环工具链研发： 2.1 云端数据处理 pipeline 开发： •针对标注数据、场景数据，设计并落地数据清洗（去噪、去重、异常过滤）、解析、切片、抽帧、送标（对接标注平台）的全流程自动化 pipeline； •优化 pipeline 吞吐量与延迟，目标支撑日均 10 万 + 场景数据处理，服务算法团队数据生产需求； •推动工具链部署落地，解决线上运行故障（如数据阻塞、接口兼容问题），保障工具链可用性。 2.2 高价值场景数据挖掘体系建设: •搭建 “规则 + 大模型” 双驱动的数据挖掘产线：针对规则挖掘，设计接入多种传感器、定位、感知、底盘、车身信号并优化规则策略；针对大模型挖掘任务，完成数据方案制定、模型微调、loss优化、模型评测等； •与算法团队协作迭代挖掘策略，提升 corner case 召回率（目标≥85%）。