Momenta数据闭环工程师 - Data Infra
任职要求
1、本科及以上学历，计算机科学、软件工程、自动化等相关专业，3 年以上数据闭环或相关领域工作经验 2、有以下工作经验之一即可： a、熟悉自动驾驶数据闭环全流程，在车端影子模式部署、高价值数据筛选方面有实际项目经验 b、具备云端自动化数据挖掘系统开发经验，熟练使用 Python、C++ 等编程语言，掌握 SQL 与数据处理工具 c、熟悉至少一种自动标注技术（如基于预训练…
工作职责
1、负责自动驾驶数据闭环核心系统的设计与开发，构建从车端数据采集到云端模型迭代的全链路自动化体系 2、优化车端影子模式（Shadow Mode）系统，设计高效的触发式数据采集策略，精准捕获有价值的 Hard Event 数据 3、开发智能数据筛选器（Filter），通过规则引擎与 AI 模型相结合的方式，从海量路测数据中高效筛选高价值训练样本 4、搭建云端自动化数据挖掘平台，实现异常场景、算法失效案例的自动发现与聚类分析 5、推动自动标注系统的迭代优化，自动化评估驾驶行为质量，自动化清洗坏行为数据，提升标注效率与质量 6、与EBM团队深度协作，将数据闭环产出转化为模型性能的持续提升 7、构建数据质量评估体系，确保训练数据的准确性、多样性与代表性
美图研发团队负责美图系列产品的全链路技术开发与中台体系建设。我们聚焦AI影像、多端协同与数据智能，用扎实的技术将创意转化为稳定优美的亿级用户产品体验。期待你加入，用代码赋能创意。 Our R&D Team drives full-stack development for Meitu's product suite and platform infrastructure. Specializing in AI imaging, multi-end collaboration, and data intelligence, we turn ideas into stable, elegant experiences for millions of users. Join us to code the future of creativity. 岗位名称：测试开发工程师 地点：厦门 职位描述 负责测试中台的自动化测试平台、框架的研发与维护，覆盖移动端、PC 端、WEB 端全链路测试需求；结合团队 AI 提效战略，主导或参与 AI Agent 工具开发与 AI 测试工作流建设，打造智能化测试基础设施，提升测试效率与质量。 岗位职责 ● 负责自动化测试平台、用例管理平台及自动化测试框架的设计、开发与迭代，支持多端（移动端、PC 端、WEB 端）测试场景的高效执行与管理 ● 主导 AI Agent 工具的开发，构建基于 AI 的测试用例生成、缺陷预测、测试报告分析等智能化能力，推动测试流程的自动化与智能化升级 ● 搭建 AI 测试工作流，整合 AI 模型与测试工具链，实现测试需求分析、用例设计、执行监控、结果反馈的闭环自动化 ● 维护基础设施，设计并优化自动化测试框架的架构，提升框架的可扩展性、稳定性与执行效率，适配复杂业务场景测试需求 ● 与测试团队、研发团队及 AI 团队协作，推动 AI 提效工具在测试场景的落地，沉淀可复用的测试工程化能力与 AI 应用方案
1.基于公司海量业务数据 构建系统性分析框架 2.运用数据挖掘技术识别问题，定位异常数据模式，输出可落地的改进建议 3.开发自动化数据分析工具与可视化系统，提升数据洞察效率 4.构建预测模型与诊断模型，支持业务决策智能化转型
1. 负责无人机、手持等产品的数据平台（Data Platform）的后端架构设计与开发，构建全生命周期管理系统，解决海量非结构化数据的高效存储与IO难题； 2. 设计并实现大规模云端调度系统，支持海量虚拟里程测试和数据包处理；负责仿真任务的并发控制、资源隔离、镜像管理及结果自动化评测（Auto-Grading）服务的开发； 3. 开发数据挖掘、自动化标注（Auto-Labeling）及人工标注平台的后端服务；设计灵活的工作流引擎（Workflow），串联“预处理-标注-质检-训练”的自动化生产管线； 4. 算法集成与接口适配：负责仿真器（Simulator）与算法栈（如Apollo/算法Docker）之间的通信中间件与接口开发，解决异构系统间的数据转化、时序同步及通信延迟问题； 5. 建设平台的可观测性体系（Monitoring/Logging/Tracing），优化数据处理链路的吞吐量，确保在大规模并发仿真或数据入库场景下的系统高可用性。
工作职责 1. 负责ADAS、城区/高速NOA场景下的感知算法研发和数据闭环，包含模型真值生成链路、数据集构建、数据分析、数据挖掘、数据质检、指标看板等； 2. 掌握数据挖掘、标注、训练、部署及badcase回归等闭环链路，并伴随业务开展持续优化；掌握通过数据闭环持续迭代模型的能力； 3. 探索使用data balance, 数据蒸馏等方法支持端侧和云上模型的可持续开发，同时针对特定场景构建特定数据集生产和算法回归评测工作； 4. 支持模型训练/回归/评测/CICD等自动化链路的开发和维护