滴滴Artificial Intelligence（2）数据工程实习生

1. 参与自动驾驶远程辅助系统后端系统研发 2. 使用 C++ 开发和优化远程辅助系统的用户交互端 3. 参与实时数据传输、音视频数据处理和渲染、系统性能调优等 4. 协助开发和维护 QT 框架下的用户界面，确保操作流畅且响应迅速 5. 与团队协作，参与系统架构设计、代码审查和问题排查 6. 编写技术文档，记录开发过程和调试经验

1. 基于风险场理论、人工势场方法、RSS数学模型等，进行自动驾驶评估算法开发和评估环境搭建； 2. 完成评估算法的接入和日常调试，完成测试数据的处理、分析，并结合相关指标完成自动驾驶算法的安全评估和问题定位； 3. Data-science应用于数据场景挖掘&生成。

1. 传统规划控制算法升级与优化：针对泊入泊出、停车场泊车等场景，参与现有基于规则/优化的规划器（如轨迹生成、速度规划、障碍物避让）的性能提升与模块重构，提升舒适性、安全性及泊入泊出成功率。 2. 数据驱动的交互模型开发：利用实际路采数据与仿真平台，参与构建泊入场景中的交通参与者交互行为模型，探索基于学习的方法提升系统在复杂交互环境中的决策能力。 3. ML Planner 集成与协同：协助团队将机器学习规划器（ML Planner）与传统规划模块进行集成，重点验证在泊入场景下的集成策略，整合传统规控方法与模型的优势，推动两者协同工作。

Job description: 1.Develop deep domain expertise in business scenarios; uncover authentic user pain points and unmet needs through user interviews, behavioral analytics, and contextual research to define the core product value proposition; 2.Lead end-to-end feature planning and interactive prototyping; craft high-quality, actionable Product Requirement Documents (PRDs) that bridge vision and execution—driving products from concept to launch; 3.Partner closely with engineering, design, operations, and other cross-functional teams to align priorities, accelerate development cycles, and ensure on-time, high-fidelity product delivery; 4.Establish and maintain a robust product metrics framework; continuously monitor performance KPIs (e.g., engagement depth, task completion rate, NPS), and combine quantitative analysis with qualitative insights to answer the critical “Why?” behind the data, fueling data-informed product improvement. 1.ビジネスシナリオの深掘り：ユーザー調査や行動分析を通じてユーザーのニーズを特定し、コアとなる製品価値を定義する。 2.製品企画およびプロトタイプ設計：高品質なPRDを作成し、コンセプトからリリースまでのプロセスをリードする。 3.クロスファンクショナルな連携：開発、デザイン、運用チームと連携し、開発進捗を管理するとともに、製品の高品質なデリバリーを担保する。 4.データ指標体系の構築：プロダクトパフォーマンスを監視し、定量的・定性的な分析を通じてデータ背後の「Why」を追求し、継続的な改善を推進する。 1、深入了解钉钉用户的使用场景，参与规划和设计面向日本市场的产品设计，挖掘用户需求痛点，提出完善的产品设计方案，推动各产品持续创新及优化； 2、掌握前沿AI技术，推动AI在业务场景和功能模块中的实际应用，提升用户体验和产品竞争力。 3、参与 行业线产品完整生命周期，负责产品规划、需求定义、开发、测试、上线及数据分析的全流程，与研发、设计团队紧密合作，确保产品高质量上线； 4、持续跟踪客户反馈与行业趋势，结合数据做效果评估，驱动产品迭代；