理想汽车尺寸大数据工程师-上海

角色 测试技师将通过团队合作，通过电池测试的方式帮助开发团队进一步了解锂离子电池的性能。他们将按照循环寿命测试计划和输出报告来评估电池性能，以探究容量衰减和阻抗增长的影响，支持工程师执行测试计划，安装夹具和实际操作测试，并输出测试报告。 具有进行所有类型的电芯认证测试的经验，包括循环寿命、性能、可靠性、机械和计量测试（不要求具有所有测试类型的经验）。 有在大尺寸方形和纽扣电芯上的实际测试经验。 实操测试经验。 测试中问题解决的经验。 具备电动汽车或动力电池领域测试的直接经验。 测试程序/协议执行经验 。 设定测试时间程序的经验（新威测试设备程序经验优先）。 根据测试时长获取的数据以及分析数据的能力：1）了解在测试监测和测试故障排除时要检查哪些数据。2）有测试实验大量数据处理能力者优先（但不是必须）。 中等水平的英语语言能力（但不是必须）。

特斯拉数据算法团队在工业智能研发中扮演关键角色。我们通过自主构建数据算法平台，赋能生产制造、供应链、销售、服务和充电网络等业务领域，将海量信息转化为高价值数据资产，从而打造更卓越的产品并提升用户体验。 作为特斯拉数据算法工程师，您将全程参与自研数据算法产品和项目的孵化、落地与迭代过程。从数据收集、清洗和预处理，到模型训练与生产部署，您将主导整个流程。理想候选人应热爱人工智能，并紧跟领域前沿动态。 本职位聚焦工业领域的计算机视觉应用，包括缺陷检测、视觉引导、尺寸测量以及视觉大模型等。 职责描述 负责对接公司内部计算机视觉项目，独立设计视觉方案、部署落地，并管理项目全生命周期。 处理计算机视觉项目的图像收集、整理、过滤和清洗；执行数据预处理、模型训练、迭代、重训练，以及准确率优化和模型搜索等任务，涵盖分类、识别和图像分割等领域。 探索多模态大模型在工业场景的应用，研究少样本检测、视频理解等方向的创新解决方案。 追踪计算机视觉技术前沿趋势，提出创新方案应对工业生产挑战。 必备条件 计算机科学、数学、统计学或相关学科的本科及以上学历。 扎实的Python和C++开发经验。 精通OpenCV等图像处理算法。 具备TensorFlow或PyTorch模型开发经验。 掌握数据科学工具，如Pandas、NumPy、Matplotlib，以及MongoDB Aggregation等。 有多模态大模型相关项目经验，并在至少一个领域（如多模态大模型、多模态表征或少样本学习）有深入研究。 优先条件 有将计算机视觉技术应用于工业制造或相关领域的实际项目经验。 熟悉机器人/PLC控制、工业相机/激光传感器/光源解决方案。 有在敏捷开发环境中的工作经验。 具备优秀的书面和口头沟通能力。 有项目管理经验，能按时节点完成开发任务。 拥有算法开发背景，例如参与过ACM竞赛。 在相关领域的学术期刊或会议上发表过论文。 加入我们 加入特斯拉，您将在充满活力和创新的环境中，与全球顶尖工程师和科学家合作，通过机器视觉技术推动工业自动化和智能制造的进步。如果您对机器学习、人工智能和计算机视觉充满热情，并渴望在这一前沿领域实现自我价值，欢迎成为我们的一员！ The Role Tesla's Data Algorithms Team plays a pivotal role in industrial intelligence research and development. We empower various business areas—including manufacturing, supply chain, sales, service, and charging networks—by building our own data algorithms platform. This transforms vast amounts of information into high-value data assets, enabling us to create superior products and deliver an enhanced user experience. As a Tesla Data Algorithms Engineer, you will be fully involved in the incubation, implementation, and iteration of our in-house data algorithms products and projects. From data collection, cleaning, and preprocessing to model training and production deployment, you will lead the entire process. The ideal candidate is passionate about artificial intelligence and stays abreast of the latest developments in the field. This position focuses on computer vision applications in the industrial sector, including defect detection, visual guidance, dimension measurement, and large vision models. Responsibilities Handle internal computer vision projects, independently design visual solutions, deploy them, and manage the full project lifecycle. Manage image collection, organization, filtering, and cleaning for computer vision projects; perform data preprocessing, model training, iteration, retraining, accuracy optimization, and model search tasks, covering areas such as classification, recognition, and image segmentation. Explore the application of multimodal large models in industrial scenarios, researching innovative solutions in directions like few-shot detection and video understanding. Track cutting-edge trends in computer vision technology and propose innovative solutions to address challenges in industrial production. Required

特斯拉数据算法团队在工业智能研发中扮演关键角色。我们通过自主构建数据算法平台，赋能生产制造、供应链、销售、服务和充电网络等业务领域，将海量信息转化为高价值数据资产，从而打造更卓越的产品并提升用户体验。 作为特斯拉数据算法工程师，您将全程参与自研数据算法产品和项目的孵化、落地与迭代过程。从数据收集、清洗和预处理，到模型训练与生产部署，您将主导整个流程。理想候选人应热爱人工智能，并紧跟领域前沿动态。 本职位聚焦工业领域的计算机视觉应用，包括缺陷检测、视觉引导、尺寸测量以及视觉大模型等。 职责描述 负责对接公司内部计算机视觉项目，独立设计视觉方案、部署落地，并管理项目全生命周期。 处理计算机视觉项目的图像收集、整理、过滤和清洗；执行数据预处理、模型训练、迭代、重训练，以及准确率优化和模型搜索等任务，涵盖分类、识别和图像分割等领域。 探索多模态大模型在工业场景的应用，研究少样本检测、视频理解等方向的创新解决方案。 追踪计算机视觉技术前沿趋势，提出创新方案应对工业生产挑战。 必备条件 计算机科学、数学、统计学或相关学科的本科及以上学历。 扎实的Python和C++开发经验。 精通OpenCV等图像处理算法。 具备TensorFlow或PyTorch模型开发经验。 掌握数据科学工具，如Pandas、NumPy、Matplotlib，以及MongoDB Aggregation等。 有多模态大模型相关项目经验，并在至少一个领域（如多模态大模型、多模态表征或少样本学习）有深入研究。 优先条件 有将计算机视觉技术应用于工业制造或相关领域的实际项目经验。 熟悉机器人/PLC控制、工业相机/激光传感器/光源解决方案。 有在敏捷开发环境中的工作经验。 具备优秀的书面和口头沟通能力。 有项目管理经验，能按时节点完成开发任务。 拥有算法开发背景，例如参与过ACM竞赛。 在相关领域的学术期刊或会议上发表过论文。 加入我们 加入特斯拉，您将在充满活力和创新的环境中，与全球顶尖工程师和科学家合作，通过机器视觉技术推动工业自动化和智能制造的进步。如果您对机器学习、人工智能和计算机视觉充满热情，并渴望在这一前沿领域实现自我价值，欢迎成为我们的一员！ The Role Tesla's Data Algorithms Team plays a pivotal role in industrial intelligence research and development. We empower various business areas—including manufacturing, supply chain, sales, service, and charging networks—by building our own data algorithms platform. This transforms vast amounts of information into high-value data assets, enabling us to create superior products and deliver an enhanced user experience. As a Tesla Data Algorithms Engineer, you will be fully involved in the incubation, implementation, and iteration of our in-house data algorithms products and projects. From data collection, cleaning, and preprocessing to model training and production deployment, you will lead the entire process. The ideal candidate is passionate about artificial intelligence and stays abreast of the latest developments in the field. This position focuses on computer vision applications in the industrial sector, including defect detection, visual guidance, dimension measurement, and large vision models. Responsibilities Handle internal computer vision projects, independently design visual solutions, deploy them, and manage the full project lifecycle. Manage image collection, organization, filtering, and cleaning for computer vision projects; perform data preprocessing, model training, iteration, retraining, accuracy optimization, and model search tasks, covering areas such as classification, recognition, and image segmentation. Explore the application of multimodal large models in industrial scenarios, researching innovative solutions in directions like few-shot detection and video understanding. Track cutting-edge trends in computer vision technology and propose innovative solutions to address challenges in industrial production. Required

随着AI技术在公司核心业务中的深度应用，我们发现通用的提示词工程已难以满足我们对高精度、高效率的业务指标要求。与此同时，业界小尺寸基础模型的成熟为我们通过微调（Fine-tuning）打造专属、高效的AI模型提供了绝佳契机。 为抓住这一机遇，我们正在寻找一位在AI模型训练与应用开发领域均拥有丰富实战经验的复合型工程师。您不仅需要主导模型微调的技术路线与实践，利用即将到位的本地化尖端硬件资源，打造高性能的定制化模型；更需要具备将强大模型能力转化为创新应用的能力，打通从模型到产品的全链路，直接驱动业务价值的提升。 岗位职责： 1. 模型微调与训练： 负责大语言模型（LLM）或多模态模型的微调工作，包括但不限于指令微调（SFT）、基于人类反馈的强化学习（RLHF）、LoRA/QLoRA等高效微调技术的实践与优化。 2. 技术方案设计： 针对具体的业务场景，设计并实施从数据准备、模型选型、训练策略到效果评估的全流程微调方案。 3. 训练平台搭建与优化： 负责在新的本地化硬件集群（多GPU服务器）上搭建、配置和优化模型训练环境，确保训练任务的高效、稳定运行。 4. LLM应用开发与集成： o 参与或主导基于大模型的应用开发，包括但不限于构建检索增强生成（RAG）系统、开发智能体（Agent）应用。 o 将微调后的模型封装为高效稳定的API服务，并与现有业务系统进行集成。（加分项） 5. 性能评估与迭代： 建立科学的模型与应用评估体系，持续跟踪模型在精确度、响应速度、业务效果等方面的表现，并进行快速迭代优化。 6. 技术探索与创新： 紧跟AI模型训练与应用领域的前沿技术动态，研究和引入最新的框架、算法和工具，持续提升团队的技术实力。