蔚来提前批-算法工程师
校招全职算法地点：上海 | 深圳 | 武汉 | 北京状态：招聘
任职要求
学历背景：统计学、数学、计算机科学、数据科学、工业工程、运筹学等相关专业，硕士及以上学历 理论基础：扎实的概率论与数理统计基础，熟悉常见的统计检验方法（假设检验、回归分析、时间序列分析等）；理解主流机器学习算法（决策树、随机森林、XGBoost、聚类等）的原理与适用场景 工程能力：熟练使用 Python 及其数据分析栈（NumPy、Pandas、Scikit-learn、Matplotlib/Seaborn）；具备 SQL 数据提取与处理能力；了解至少一种深度学习框架（PyTorch 或 TensorFl…
登录查看完整任职要求
微信扫码，1秒登录
工作职责
数据分析与洞察提取 从原始运营数据和结构化数据中提取关键洞察，回答业务提出的分析问题 构建可复用的数据分析工作流，形成标准化的分析范式 撰写分析报告，清晰呈现数据发现与业务建议 建模与算法开发 参与统计建模与机器学习算法的设计、开发与验证 方向包括但不限于：用户行为预测、时序需求预测、定价优化模型、用户画像分析、异常检测 建立模型性能评估体系，监控模型在生产环境中的表现 数据产品化 将分析方法和模型封装为可持续运行的数据产品 与仿真工程师协作，为仿真系统提供数据输入与验证基准 在资源受限的生产环境中部署轻量化数据模型 跨团队协作 与产品、运营、仿真等角色密切配合，理解业务需求并转化为数据任务 主动汇报分析目标、方法与进展，确保数据工作与业务方向对齐 参与分析方法论的讨论与评审，逐步建立独立的技术判断力
包括英文材料
学历+
数据科学+
https://roadmap.sh/ai-data-scientist
Step by step roadmap guide to becoming an AI and Data Scientist
机器学习+
https://www.youtube.com/watch?v=0oyDqO8PjIg
Learn about machine learning and AI with this comprehensive 11-hour course from @LunarTech_ai.
https://www.youtube.com/watch?v=i_LwzRVP7bg
Learn Machine Learning in a way that is accessible to absolute beginners.
https://www.youtube.com/watch?v=NWONeJKn6kc
Learn the theory and practical application of machine learning concepts in this comprehensive course for beginners.
https://www.youtube.com/watch?v=PcbuKRNtCUc
Learn about all the most important concepts and terms related to machine learning and AI.
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
XGBoost+
[英文] What is XGBoost?
https://www.ibm.com/think/topics/xgboost
XGBoost (eXtreme Gradient Boosting) is a distributed, open-source machine learning library that uses gradient boosted decision trees, a supervised learning boosting algorithm that makes use of gradient descent.
https://www.youtube.com/watch?v=BJXt-WdeJJo
takes a deep dive into one of the most powerful machine learning algorithm, eXtreme Gradient Boosting, using a Jupyter notebook with Python.
Python+
https://liaoxuefeng.com/books/python/introduction/index.html
中文，免费，零起点，完整示例，基于最新的Python 3版本。
https://www.learnpython.org/
a free interactive Python tutorial for people who want to learn Python, fast.
https://www.youtube.com/watch?v=K5KVEU3aaeQ
Master Python from scratch 🚀 No fluff—just clear, practical coding skills to kickstart your journey!
https://www.youtube.com/watch?v=rfscVS0vtbw
This course will give you a full introduction into all of the core concepts in python.
数据分析+
[英文] Data Analyst Roadmap
https://roadmap.sh/data-analyst
Step by step guide to becoming an Data Analyst in 2025
NumPy+
https://numpy.org/doc/stable/user/absolute_beginners.html
NumPy (Numerical Python) is an open source Python library that’s widely used in science and engineering.
[英文] NumPy - Learn
https://numpy.org/learn/
Below is a curated collection of educational resources, both for self-learning and teaching others, developed by NumPy contributors and vetted by the community.
https://www.kaggle.com/code/themlphdstudent/learn-numpy-numpy-50-exercises-and-solution
This kernel uses exercises of NumPy from the Machine Learning Plus webpage
https://www.youtube.com/watch?v=KHoEbRH46Zk
If you've heard of Pandas and NumPy, you may think one is simply a superset of the other.
https://www.youtube.com/watch?v=QUT1VHiLmmI
Learn the basics of the NumPy library in this tutorial for beginners.
https://www.youtube.com/watch?v=VXU4LSAQDSc
This video serves as an introduction to the NumPy Python library.
Pandas+
[英文] 10 minutes to pandas
https://pandas.pydata.org/docs/user_guide/10min.html
This is a short introduction to pandas, geared mainly for new users.
[英文] Cookbook - pandas
https://pandas.pydata.org/docs/user_guide/cookbook.html#cookbook
This is a repository for short and sweet examples and links for useful pandas recipes.
https://www.kaggle.com/learn/pandas
Solve short hands-on challenges to perfect your data manipulation skills.
https://www.youtube.com/watch?v=2uvysYbKdjM
I'm super excited for this one. We're doing another complete Python Pandas tutorial walkthrough.
https://www.youtube.com/watch?v=Mdq1WWSdUtw
Filtering, Joins, Indexing, Data Cleaning, Visualizations
Scikit-learn+
https://www.ibm.com/think/topics/scikit-learn
Scikit-learn, or sklearn, is an open source project and one of the most used machine learning (ML) libraries today.
https://www.youtube.com/watch?v=SIEaLBXr0rk
Today we to a crash course on Scikit-Learn, the go-to library in Python when it comes to traditional machine learning algorithms (i.e., not deep learning).
Matplotlib+
https://matplotlib.org/stable/tutorials/index.html
This page contains a few tutorials for using Matplotlib.
https://www.youtube.com/watch?v=c9vhHUGdav0
This video serves as an introduction to the Matplotlib Python library.
https://www.youtube.com/watch?v=OZOOLe2imFo
In this video we do a complete Matplotlib crash course in Python.
还有更多 •••
相关职位
校招程序&技术类
1. 负责语音多模态训推框架的系统设计、适配与极致优化，深入定制开发主流分布式强化学习框架（如 vLLM, VERL 等） 2. 针对音频/多模态场景特征，确保系统的高可扩展性与稳定性。 3. 协同研究团队，进行算法与系统的联合优化，深度参与超大规模训练方案的调研和落地
上海|北京
校招程序&技术类
1. 参与研究最前沿的AIGC技术，探索其在游戏研发管线中的应用，把技术转化为优化游戏生产和升级玩家体验的实际解决方案。 2. 基于高质量数据集，参与图像编辑、图像生成后训练、贴图生成、视频生成等相关研发，优化游戏美术生产流程的品质表现和生产效率。 3. 参与VLM多模态算法研发，包括图像/视频/3D内容理解与质量评价的多模态模型训练与优化，提高AIGC Agent的基座模型能力，探索AI在数据管理、资产验收和游戏测试中的实际应用。 4. 参与音频驱动动作生成、动作补间、视频动捕等模型的训练，探索AI在游戏演出中的生产应用。 5. 参与AIGC Agent和游戏生产工具研发，将模型能力接入实际工作流程，帮助美术、TA、程序、策划等团队更高效地完成内容制作、检查和迭代。
上海
校招程序&技术类
1、面向代码智能体能力构建评测体系，覆盖代码库理解、Issue 修复、跨文件修改、测试生成、调试定位、命令执行、工具调用和多步任务完成等场景。 2、设计 Repo-level 和 Agent-level 评测集，评估模型在真实软件工程任务中的任务完成率、测试通过率、修改质量、鲁棒性和执行效率。 3、分析 Code Agent 在复杂任务中的失败模式，包括错误定位失败、上下文遗漏、工具调用错误、无效修改、测试误判、循环修复等问题。 4、建立从评测结果到训练数据和 Post-training 策略的反馈闭环，通过 Bad Case 分析指导数据构造、奖励设计和训练策略优化。 5、参与内部 Benchmark、模型能力看板和回归评测系统建设，支持 Code Agent 能力持续迭代。
北京
校招程序&技术类
1、负责面向代码智能体的 Post-training 算法研究与落地，提升模型在真实软件工程任务中的代码理解、任务规划、工具调用、调试修复和多步执行能力。 2、探索 SFT、RLHF、GRPO、OPD 等训练方法，优化模型在代码生成、代码修改、Bug 修复、测试生成、PR Review 等场景中的表现。 3、构建 Code Agentic 训练闭环，包括任务分解、代码库检索、文件编辑、命令执行、测试反馈、错误诊断、反思修复等多轮轨迹数据的建模与优化。 4、负责高质量代码智能体数据建设，包括真实 Issue / PR 数据、Repo-level 任务、Agent 交互轨迹、失败案例、合成任务、执行反馈数据和偏好数据的治理与混合策略。 5、研究面向代码仓库的长上下文与记忆机制，提升模型在大型代码库中的定位、检索、依赖理解、跨文件修改和长期任务保持能力。
北京