安克创新助理感知算法工程师-雷达开发方向（北京）
校招全职地点：北京状态：招聘
任职要求
1. 学历背景：信号处理/信息工程/电子工程/计算机/人工智能及相关专业硕士及以上学习； 2. 雷达信号处理：熟悉毫米波雷达系统工作原理，掌握FMCW信号工作原理、DOA估计算法（MUSIC、ESPRIT等）、MIMO信号处理、杂波抑制技术等，了解波形设计及雷达信号去噪技术； 3. 目标检测与跟踪：掌握目标检测、数据关联、卡尔曼滤波、粒子滤波、多目标跟踪（MTT）等算法； 深度学习经验：熟悉CNN； 4. Transformer、RNN、图神经网络（GNN）等常见网络模型，有雷达点云/回波数据与深度学习结合的研究经验者优先； 5. 编程能力：精通Python、Matlab，熟悉至少一个深度学习框架（PyTorch、TensorFlow等）； 6. 数学基础扎实：具备良好的概率统计、矩阵运算、优化算法基础； 7. 实验能力：能够处理雷达原始数据，进行算法验证和仿真测试； 8. 具备良好的科研能力和英文文献阅读能力，能复现并优化前沿算法。
工作职责
1. 参与毫米波雷达技术在智能家居、医疗健康、IoT等领域的算法研发工作； 2. 研究并开发毫米波雷达信号处理算法，包括波形设计、FMCW信号处理、MIMO信号处理、新体制雷达方案设计及信号处理算法等； 3. 研究并优化目标检测、跟踪及分类算法，提高雷达对动态/静态目标的感知能力；研究并优化毫米波雷达生命体征信号测量能力，提高雷达对微动信号的测量精度； 4. 结合深度学习技术优化毫米雷达全链路算法及端到端感知能力； 5. 参与芯片方案选型、定制化工作，参与全链路算法设计及部署工作，参与毫米波雷达与产品侧联调、部署、优化等任务； 6. 关注前沿研究，阅读相关论文，推动新技术在实际应用中的落地。
包括英文材料
学历+
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/
深度学习+
https://d2l.ai/
Interactive deep learning book with code, math, and discussions.
CNN+
https://learnopencv.com/understanding-convolutional-neural-networks-cnn/
Convolutional Neural Network (CNN) forms the basis of computer vision and image processing.
[英文] CNN Explainer
https://poloclub.github.io/cnn-explainer/
Learn Convolutional Neural Network (CNN) in your browser!
https://www.deeplearningbook.org/contents/convnets.html
Convolutional networks(LeCun, 1989), also known as convolutional neuralnetworks, or CNNs, are a specialized kind of neural network for processing data.
https://www.youtube.com/watch?v=2xqkSUhmmXU
MIT Introduction to Deep Learning 6.S191: Lecture 3 Convolutional Neural Networks for Computer Vision
Transformer+
https://huggingface.co/learn/llm-course/en/chapter1/4
Breaking down how Large Language Models work, visualizing how data flows through.
https://poloclub.github.io/transformer-explainer/
An interactive visualization tool showing you how transformer models work in large language models (LLM) like GPT.
https://www.youtube.com/watch?v=wjZofJX0v4M
Breaking down how Large Language Models work, visualizing how data flows through.
RNN+
https://d2l.ai/chapter_recurrent-neural-networks/rnn.html
A neural network that uses recurrent computation for hidden states is called a recurrent neural network (RNN).
https://www.deeplearningbook.org/contents/rnn.html
Recurrent neural networks, or RNNs (Rumelhart et al., 1986a), are a family of neural networks for processing sequential data.
https://www.ibm.com/think/topics/recurrent-neural-networks
A recurrent neural network or RNN is a deep neural network trained on sequential or time series data to create a machine learning (ML) model that can make sequential predictions or conclusions based on sequential inputs.
GNN+
https://distill.pub/2021/gnn-intro/
Neural networks have been adapted to leverage the structure and properties of graphs.
https://gnn.seas.upenn.edu/
Graph Neural Networks (GNNs) are information processing architectures for signals supported on graphs.
https://www.ibm.com/think/topics/graph-neural-network
Graph neural networks (GNNs) are a deep neural network architecture that is popular both in practical applications and cutting-edge machine learning research.
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.
MATLAB+
https://matlabacademy.mathworks.com/?page=1&sort=featured
Learn MATLAB and Simulink through interactive, in-product exercises
https://www.mathworks.com/help/matlab/getting-started-with-matlab.html
Millions of engineers and scientists worldwide use MATLAB® to analyze and design the systems and products transforming our world.
https://www.youtube.com/watch?v=7f50sQYjNRA
Learn the fundametnals of MATLAB in this tutorial for engineers, scientists, and students.
PyTorch+
https://datawhalechina.github.io/thorough-pytorch/
PyTorch是利用深度学习进行数据科学研究的重要工具，在灵活性、可读性和性能上都具备相当的优势，近年来已成为学术界实现深度学习算法最常用的框架。
https://www.youtube.com/watch?v=V_xro1bcAuA
Learn PyTorch for deep learning in this comprehensive course for beginners. PyTorch is a machine learning framework written in Python.
TensorFlow+
https://www.youtube.com/watch?v=tpCFfeUEGs8
Ready to learn the fundamentals of TensorFlow and deep learning with Python? Well, you’ve come to the right place.
https://www.youtube.com/watch?v=ZUKz4125WNI
This part continues right where part one left off so get that Google Colab window open and get ready to write plenty more TensorFlow code.
相关职位
社招5年以上技术
1、自动驾驶软件架构设计与优化。负责自动驾驶系统软件的整体架构设计，包括基础软件、中间件及算法框架的开发，确保架构的可靠性、可扩展性和安全性。需主导模块化设计，实现感知、规划、控制等模块的高效集成。 2、中间件与系统集成开发。设计并开发自动驾驶中间件（如ROS/ROS2、AUTOSAR等），优化模块间通信接口与数据流，解决系统软硬件的兼容性和稳定性问题，支持量产交付需求。 3、性能瓶颈分析与优化。针对嵌入式平台（如Xavier、Orin）的性能瓶颈，优化算法运行效率（如CPU、内存占用），解决实时性、延迟等问题，并通过仿真工具（如CARLA）和实车测试验证优化效果。 4、技术研究与前沿技术落地。跟踪自动驾驶领域的前沿技术（如功能安全ISO 26262、AUTOSAR CP架构），推动新技术在量产项目中的应用，例如车路协同（V2X）或高精度定位技术的融合。
更新于 2025-05-29
校招
1. 生理感知算法设计与开发:针对血压、血糖、心率、血氧、呼吸等生理指标，设计、开发并优化数据处理和预测模型。实现对健康数据的实时监控与精准分析，满足产品设计及技术竞争力要求； 2. 基于AI的算法训练体系构建:利用深度学习框架构及AI处理链路构建端到端的算法训练体系，包括数据增强、模型微调等核心技术。实现多模态生理信号(PPG/ECG/ACC等)的融合分析； 3. 传感器创新应用:探索新型传感器在生理信号检测方向的应用，提供更精准、持续的健康监测能力。
更新于 2025-08-18
校招
1. 生理感知算法设计与开发:针对血压、血糖、心率、血氧、呼吸等生理指标，设计、开发并优化数据处理和预测模型。实现对健康数据的实时监控与精准分析，满足产品设计及技术竞争力要求； 2. 基于AI的算法训练体系构建:利用深度学习框架构及AI处理链路构建端到端的算法训练体系，包括数据增强、模型微调等核心技术。实现多模态生理信号(PPG/ECG/ACC等)的融合分析； 3. 传感器创新应用:探索新型传感器在生理信号检测方向的应用，提供更精准、持续的健康监测能力。
更新于 2025-08-18
校招
1. 负责机器人领域的人工智能算法研究与开发，包括但不限于目标检测、模型量化、语义分割、深度估计等方向； 2. 参与机器人系统的整体架构设计和算法优化，提高系统的性能和稳定性； 3. 负责解决机器人在实际应用中遇到的技术难题，持续优化算法效果； 4. 跟踪最新的人工智能技术发展趋势，进行技术调研和创新，推动公司在人工智能领域的发展。
更新于 2025-08-14