滴滴Artificial Intelligence-算法实习生
实习兼职技术类地点：上海状态：招聘
任职要求
1.使用领先的数据挖掘和深度学习技术提升滴滴自动驾驶的规划质量和用户体验； 2.有数据挖掘，深度学习等相关基础， 熟悉基本算法； 3.熟练掌握Python/SQL语言，同时掌握C/C++语言更佳； 4.最好可以熟悉自动驾驶…
登录查看完整任职要求
微信扫码，1秒登录
工作职责
1、通过场景挖掘和深度学习技术预测自动驾驶车辆的意图以及车道粒度的规划 2、优化特别是复杂场景下自动驾驶的规划质量 3、提升自动驾驶平台用户出行体验。
包括英文材料
数据挖掘+
https://www.youtube.com/watch?v=-bSkREem8dM
Database vs Data Warehouse vs Data Lake
https://www.youtube.com/watch?v=7rs0i-9nOjo
深度学习+
https://d2l.ai/
Interactive deep learning book with code, math, and discussions.
自动驾驶+
https://www.youtube.com/watch?v=_q4WUxgwDeg&list=PL05umP7R6ij321zzKXK6XCQXAaaYjQbzr
Lecture: Self-Driving Cars (Prof. Andreas Geiger, University of Tübingen)
https://www.youtube.com/watch?v=NkI9ia2cLhc&list=PLB0Tybl0UNfYoJE7ZwsBQoDIG4YN9ptyY
You will learn to make a self-driving car simulation by implementing every component one by one. I will teach you how to implement the car driving mechanics, how to define the environment, how to simulate some sensors, how to detect collisions and how to make the car control itself using a neural network.
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
Python+
https://liaoxuefeng.com/books/python/introduction/index.html
中文，免费，零起点，完整示例，基于最新的Python 3版本。
https://www.learnpython.org/
a free interactive Python tutorial for people who want to learn Python, fast.
https://www.youtube.com/watch?v=K5KVEU3aaeQ
Master Python from scratch 🚀 No fluff—just clear, practical coding skills to kickstart your journey!
https://www.youtube.com/watch?v=rfscVS0vtbw
This course will give you a full introduction into all of the core concepts in python.
还有更多 •••
相关职位
实习算法类
1、协助搭建基于仿真的自动驾驶系统测试评估体系； 2、参与自动驾驶系统问题分析、定位，通过部分系统分析和数据分析工作为部门提供高价值研发数据 3、参与仿真引擎开发，提升仿真效率；
更新于 2025-07-25北京
实习数据类
1、基于海量的路测和仿真数据，利用统计和机器学习技术，研究并制定自动驾驶算法评估指标，量化自动驾驶系统表现； 2、基于自动驾驶系统的行为和交通场景，开发自动评价指标，并推进指标的落地应用； 3、应用评价指标，追踪自动驾驶算法性能的变化，并提供风险信息警示； 4、从路测数据中挖掘算法的异常表现； 5、在仿真测试中应用评价规则，判断仿真测试用例是否通过；
更新于 2025-07-23北京
实习技术类
随着用户对Model Pose精度要求的日益提高，需要对纵向仿真模型进行优化。优化的方向包括： 1. 扩大数据训练样本； 2. 优化数据预处理方法； 3. 增加模型输入信号； 4. 对不同批次车辆分别做训练； 5. 尝试其他模型结构；
更新于 2025-04-07北京
实习数据类
1. 参与搭建自动驾驶数据挖掘/模型评估pipeline，帮助数据驱动模型迭代 2. 参与低效驾驶典型场景特征数据挖掘，助力自动驾驶规划效率提升
更新于 2025-07-18广州