商汤IAG-端到端模型部署工程师/专家

1. 数据采集系统牵头设计与实施 (核心)： - 牵头自动驾驶数据采集系统的整体架构设计、技术选型与方案制定，涵盖传感器（摄像头、激光雷达、毫米波雷达、GNSS/IMU、CAN总线等）数据同步、采集、压缩、加密、上传等全链路。 - 制定并维护数据采集规范与策略，包括触发条件（场景触发、问题触发、定时触发）、采集频率、数据格式、存储周期、优先级等。 - 牵头解决数据采集过程中的技术难题和性能瓶颈（如带宽限制、存储空间、同步精度、丢帧问题）。 2. 数据管理体系构建与运维 (核心)： - 牵头设计、搭建和维护大规模、多模态自动驾驶数据存储与管理平台（如基于对象存储、分布式文件系统、数据库等）。 - 建立并主导执行数据的全生命周期管理策略，包括数据接入、清洗、标注（与标注团队协作）、存储、版本控制、归档、销毁等流程。 3. 跨团队协作与需求对接： - 作为数据平台的核心接口人，主动对接感知、规划控制、仿真、测试、地图等下游团队的数据需求，理解其业务场景（如特定Corner Case收集、模型训练数据需求、问题复现数据需求），并将其转化为数据采集和管理方案。 4. 工具链开发与流程规范： - 主导或参与开发内部数据管理工具和平台功能，提升数据操作效率（如数据检索、样本提取、质量检查工具）。 - 建立、维护和推广数据采集、存储、治理、使用的流程规范、操作手册和标准。

工作职责： 端到端模型开发与优化 1、参与智能驾驶端到端模型的开发工作，包括但不限于数据处理、模型设计、训练和优化等环节，提升模型在复杂交通场景下的感知、决策和控制能力； 2、结合实际业务需求，对端到端模型进行针对性的优化和调整，确保模型能够准确、高效地处理智能驾驶中的各种任务，如目标检测、车道线识别、行为预测等； 3、参与两段式端到端业务和一端式端到端业务的探索和实践，深入了解不同业务模式的特点和需求，为团队在业务模式选择和优化方面提供有价值的见解和建议；

1.负责智能驾驶模型训练优化的研究和落地，通过数据并行，模型并行，通信优化，CUDA算子优化等，大幅提升模型的训练速度与效率。 2.深入分析训练系统，定位和解决训练系统各个层次的性能瓶颈，不断提升训练效率，推进算法的高效选代

工作职责： 1、参与智能驾驶端到端模型的开发工作，包括但不限于数据处理、模型设计、训练和优化等环节，提升模型在复杂交通场景下的感知、决策和控制能力； 2、结合实际业务需求，对端到端模型进行针对性的优化和调整，确保模型能够准确、高效地处理智能驾驶中的各种任务； 3、参与两段式端到端业务和一端式端到端业务的探索和实践，深入了解不同业务模式的特点和需求，为团队在业务模式选择和优化方面提供有价值的见解和建议；