OPPO高级机器学习算法工程师（融合感知方向）-博士
任职要求
1. 对机器学习、深度学习基础理论有深刻理解，数学基础扎实； 2. 熟练掌握Python/Java/Matlab/c/c++至少一种开发语言； 3. 有CCF A、B会议、期刊，JCR或中科院分区 Q1、Q2期刊发表，署名前二以内，或通讯作者优先； 4. 具备IMU Sensors, Audio Sensors, Camera等传感信号分析处理和感知算法研究基础优先。
工作职责
1. 研究基于手机等智能终端的IMU Sensors, Audio Sensors, Camera等传感器的多模态融合感知算法，实现对用户行为和环境状态的感知与识别。 2. 跟踪感知算法最新理论和技术发展，提出创新型的解决方案，以实现关键技术突破。 3.研究基于智能感知结果的用户意图理解和认知决策。
我们是滴滴网约车的安全技术团队，致力于打造世界顶尖的智能出行平台。我们不断探索机器学习等前沿技术，基于海量的出行数据和丰富的业务场景，进行出行生态算法优化与体系搭建。我们强调数据驱动和业务价值，真正在解决人们出行过程中的真实问题，保障司乘的出行体验与安全，引领出行行业变革与发展。 工作职责具体包括： 1.负责出行生态安全场景的算法优化与体系搭建，包括但不限于司乘行程人身安全，司机线上线下的安全群体事件等； 2.运用机器学习、统计学、大模型等专业知识，不断优化海量订单的风险识别策略； 3.基于深刻的业务理解和case分析，不断挖掘和提升多模态的底层元能力； 4.构建高效的策略系统和评估体系，解决实际问题的同时沉淀高效的智能决策系统。 技术挑战/吸引点： 1.有技术挑战：极小样本的问题，每天需要从海量订单中排查出极少的风险订单，需要成体系的策略和模型建设。 2.有技术宽度：技术比较宽，有视频、音频、文本、轨迹，也有订单和司乘画像等结构化信息，既是天然的多模态感知和融合的场景，也需要传统的机器学习、深度学习、策略设计，技术宽度非常宽，技术抓手比较丰富。 3.有技术深度：有丰富的多模态数据，是天然适合大模型的应用场景，在通过大模型建设基础能力和端到端的识别能力上有深度的探索。
1. 负责研发面向云台智能运镜场景的NN算法，实现感知、路径规划与云台控制的深度融合； 2. 负责构建云台数据集，设计数据标注策略以及仿真训练系统，优化提升云台系统的性能； 3. 负责网络资源小型化，并部署应用在终端产品； 4. 持续关注跟踪泛机器人以及端到端领域的前沿技术进展，进行技术对标以及原型验证工作。
1、负责具身智能相关算法的设计、开发与优化，包括但不限于机器人运动规划、感知与决策融合算法等。 2、参与具身智能系统的架构设计与搭建，确保系统的高效性、稳定性和可扩展性。 3、与硬件团队紧密合作，实现算法在实际机器人硬件平台上的部署与验证。 4、跟踪具身智能领域的最新研究成果，将前沿技术融入到产品研发中。 5、指导初级工程师开展工作，推动团队整体技术能力提升。
负责感知算法相关研究、开发与产品化，包括但不限于： 1. 负责承接多模态感知算法，包括但不限于视觉、激光雷达、亳米波雷达的深度、检测、分割、occ、动态等感知任务，并落地产品； 2. 结合自研平台硬件设计，选择高效的backbone和网络结构，并对网络进行压缩部署，实现高效端侧部署； 3. 负责研究视觉相机、结构光、激光雷达等传感器的特性，开发相关的传感器算法并落地产品； 4. 跟进调研最新的网络算法，并且导入新网络改善感知能力。