沐瞳信息化开发负责人
任职要求
岗位要求： - 10年以上全栈开发经验（Java为主），5年以上中大型团队管理经验，具备从0-1组建技术团队并成功交付复杂系统的案例； - 精通Java技术栈（SpringBoot/Cloud、MyBatis、多线程、JVM调优），熟悉React前端生态（Redux、Hooks、性能优化等），具备全链路系统架构设计能力； - 深度掌握分布式架构（服务治理、熔断限流）、数据库（MySQL/NoSQL）、中间件（Kafka/RabbitMQ、Redis）、云原…
工作职责
岗位职责： - 主导公司内部信息化系统的技术架构设计与战略规划，统筹前后端技术栈（Java+React）的选型与演进方向，推动技术体系持续升级； - 负责组建并管理技术团队，包括人才招募、梯队建设、绩效管理及技术人才培养，打造高效协作的技术团队； - 制定团队研发流程规范、质量标准和交付体系，确保项目高效落地并持续优化团队效能； - 主导企业级复杂系统的架构设计（含自研系统、外采系统二次开发及低代码平台集成），平衡技术前瞻性与落地可行性，把控技术风险； - 深入理解职能部门业务逻辑，推动技术方案与业务目标的强耦合，通过流程优化、数据集成与自动化手段提升组织效率； - 负责技术难点攻关与性能优化，主导高并发、分布式、微服务等架构设计，确保系统高可用、可扩展及安全性； - 探索新技术（如AI工程化、云原生等）在业务场景中的应用，推动技术团队创新能力、效率、质量的持续提升；
部门介绍： 业界领先的地图渲染团队，新一代智能导航的领军者。核心目标是通过导人、导车的产品形态落地，核心技术能力的升级创新，持续为导航、打车、信息、汽车的地图渲染、车道级导航、AI应用提供引擎能力支撑；还有面向未来的云渲染、数字孪生等方向的探索；团队专注地图渲染研发，技术氛围浓厚、追求产品极致，以连接真实世界，服务于广大用户的出行和生活。 部门亮点： ● 车道级导航业界领先，利用几何建模技术，最早实现了人车共导和沉浸式导航。 ● 3D视界，采用游戏化实时渲染技术，结合AI技术，创新性实现了时空互联地图。 ● 顶流产品所需要的渲染技术、图形学、几何建模等业界难题等你来挑战。 岗位职责： 1. 负责3D空间关系构建与建模算法研发； 2. 负责几何图形算法的架构设计与落地； 3. 负责道路数据的精细化渲染研发。
1、嵌入式AI系统开发： • 负责RTOS系统平台上多模态AI终端产品的研发，包括方案评估、软件架构设计、核心功能模块（如人脸/手势识别、行为分析）开发与部署； • 主导端侧AI模型轻量化、跨平台推理框架适配（TensorFlow Lite/MNN/NCNN）及NPU芯片的性能优化（如内存、功耗、实时性）； • 结合硬件特性设计轻量化模型架构，完成从算法训练到嵌入式端侧部署的全链路开发。 2、多模态算法工程化： • 优化计算机视觉算法在嵌入式设备（IoT/AR硬件/AI机器人）的落地效果，解决低算力、高延迟、多干扰场景下的工程挑战； • 开发芯片算子库适配方案，参与芯片选型、AI工具链优化及端云协同架构设计； • 探索多模态交互（视觉+语音+传感器）在智能终端的创新应用，如AI玩偶、陪伴机器人等。 3、跨团队协作与交付： • 与芯片厂商、算法团队、硬件团队协同开发，主导端侧SDK集成及性能调优，确保产品按时交付； • 支持产品量产落地，保障系统稳定性与用户体验。
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)
1.参与离线和实时数据仓库架构设计和开发，构建高效、稳定、可扩展的数据仓库系统。 2.负责数据仓库模型设计，包括星型模型、雪花模型、星座模型等，并制定数据仓库开发规范。 3.负责数据资产的运营，结合业务现状，解决数据资产生产、消费过程中的卡点，提升相关团队的用数体验 4.开发和维护 ETL/ELT 数据 pipeline，确保数据高效、准确地从源系统加载到数据仓库 5.优化数据仓库性能，解决数据查询和数据加载的性能瓶颈。