小鹏汽车静态体验产品总监
任职要求
1. 本科及以上学历,交通工具、工业设计等相关专业
2. 10年以上工作经验,其中5年及以上汽车主机厂相关工作经验,负责2款及以上车型项目的内外饰设计工作…工作职责
1. 负责车型内外饰前期用户调研、竞争对比,通过有竞争力的方法论,输出明确竞争策略 2. 负责根据车型定位与竞争策略交付整车内外饰造型设计和CMF的PRD 3. 负责对内外饰和CMF趋势研究与洞察,并能够领先进行应用 4. 负责与造型团队、工程技术等团队进行共创与合作,打造符合定位与定义的产品 5. 对上市新车进行静态体验验收,追踪及解决问题 6. 对各车型颜色进行管理,匹配工厂管道开展颜色的上市/退出管理
1. 负责BG区块链相关SDL工作,包括应用安全评审、安全测试、代码审计、安全方案沉淀、安全漏洞修复跟进,验证; 2. 负责BG区块链相关安全安全运营、安全对抗; 3. 负责BG区块链安全应急响应工作,包括应急响应流程建设,应急演练,应急处理,复盘总结; 4. 熟悉数据量化分析各类信息安全数据,制定安全SLA,并优化和完善现有的安全策略,推动方案在业务侧落地。
1.你是网络大牛,热衷于专研云网络技术的奥秘;亦或是有技术热情的潜力派,希望揭开云网络的神秘面纱,那么欢迎加入腾讯云网络测试团队,我们致力于腾讯云IAAS层云网络的质量保障工作,为腾讯云提供强大、稳定的网络通讯服务,支撑云上海量业务; 2.在这里,你可以深入接触相关腾讯云网络产品,类如:私有网络、负载均衡、自定义防火墙、专线网络和NAT网关等; 3.在这里,你还可以深入运用并学习相关Overlay网络技术,类如:Vxlan、GRE、L2/L3网络协议、IPSec、NAT原理、OSPF、BGP和ISIS等; 4.在这里,你还可以深入接触Linux下前沿网络流量转发技术,类如:DPDK、OVS、智能网卡、FPGA和P4; 5.在这里,你还可以深度参与腾讯云DevOps流程建设与相关运营工作,并且可以参与设计优化自动化测试框架进行相关自动化测试工作; 6.加入我们,与业内最优秀的同事并肩,成为网络测试大牛,见证云网络技术的发展,创造业务的一个个里程碑; 7.负责腾讯云产品需求和架构分析,测试设计和测试开发工作,包括IaaS层如计算、网络和虚拟化等,包括但不限于功能测试,性能测试,可靠性测试,高可用测试,混沌测试,稳定性测试,用户体验等系统测试工作; 8.对测试方案进行有效的落地和执行,以确保项目进度和质量,形成自动化测试用例并进一步形成服务化提升效率; 9.架构并实现IaaS层如网络、虚拟化等产品自动化测试平台,提升产品测试和交付能力; 10.不断提升测试过程、方法和技术,构建质量评估标准,优化改进措施,提升产品质量和效率; 11.设计、构建并落地各产品自动化构建、测试和发布的工程基础设施和流程优化; 12.注:此岗位位腾讯集团旗下子公司编制。
公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门,致力于打造世界领先的 L4 级自动驾驶技术,通过科技让出行更安全、更高效。我们相信,将自动驾驶技术部署在共享出行车队中,将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态,我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队,推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员,你将与国内外顶尖人才一起,研究和开发自动驾驶领域的前沿算法,直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战,利用多模态传感器(LiDAR、Camera、Radar 等)设计、开发并优化感知算法,解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里,你将有机会: 与中美两地的优秀工程师和科学家合作,参与世界级的技术竞争; 深入研究并推动最前沿的学术成果在产业中的落地; 在全球最大出行平台之一的业务场景中,实现科研成果的规模化应用。 主要方向与职责: 你将在以下方向中选定一个或多个方向深入负责,并承担从研发到落地、从算法到系统的端到端职责: (一)物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型,识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性(抗遮挡、夜间、恶劣天气、长尾类别) (二)通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境(施工区域、道路损坏、落物等)中提升鲁棒性 (三)场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解,例如施工区域识别、可通行区域识别等 意图理解,例如行人动作识别、起步意图识别等 交互和事件识别,例如多方交互、交通规则冲突、非规范驾驶行为等 (四)感知大模型 /多模态 探索或应用预训练多模态大模型,将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中,提升复杂场景下的鲁棒性 (五)模型评估、验证 构建完整的评估管道,包括离线评估 + 真实道路 + 模拟环境测试,支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)