小米区域财经资金运营实习岗

1. 经营预测与分析：参与预算编制、滚动预测、差异分析等日常财务分析工作，协助整理和优化各类财务报表、管理报表及数据可视化展示，确保数据准确性，提升经营分析与预测的效率与质量。 2. 渠道财经：参与渠道返利Offer 发放、额度核对与返利审核，支持交易方的返利结算与对账工作，保障结算口径与单据化条款一致，推动结算流程规范透明、返利发放合规可控。 3. 资金运营：支持区域资金运营及信用管理，涵盖交易对手的资金状态监控、履约分析、客户信用评估与风险预警，支持信用策略落地，提升资金周转效率并优化现金流指标。 4. 费用管理：协助多类型费用管理，协助费用审核与流程优化，参与费用项目的底稿准备及量化分析，为业务活动的财务投入效果提供数据支持与洞察。

1. 经营预测与分析：参与预算编制、滚动预测、差异分析等日常财务分析工作，协助整理和优化各类财务报表、管理报表及数据可视化展示，确保数据准确性，提升经营分析与预测的效率与质量。 2. 渠道财经：参与渠道返利Offer 发放、额度核对与返利审核，支持交易方的返利结算与对账工作，保障结算口径与单据化条款一致，推动结算流程规范透明、返利发放合规可控。 3. 资金运营：支持区域资金运营及信用管理，涵盖交易对手的资金状态监控、履约分析、客户信用评估与风险预警，支持信用策略落地，提升资金周转效率并优化现金流指标。 4. 费用管理：协助多类型费用管理，协助费用审核与流程优化，参与费用项目的底稿准备及量化分析，为业务活动的财务投入效果提供数据支持与洞察。

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)

高级/资深算法工程师（国际支付风控方向），base上海/南京 1.支付风险识别与防控 ●负责跨境电商业务中支付风险的全面识别与防控，重点治理欺诈（盗卡、盗账户 友好欺诈）等方面风险，确保支付全链路安全可靠。 ●利用数据分析和机器学习技术，精确识别支付风险，建立有效的风控模型体系。 2.风控模型全链路管理 ●主导支付风控模型的全链路开发与上线工作，包括需求调研、风险探索、方案设计、模型开发、系统集成、部署上线、效果评估、持续优化和监控预警。 ●与产品、工程、业务团队紧密合作，确保风控模型精准全面覆盖业务场景，并能够及时应对市场变化。 3.前沿技术应用与创新 ●深入探索全球各大市场的新型支付作弊行为，利用多模态大数据进行风险评估与预测。 ●应用异常检测、集成学习、强化学习、序列模型、图模型、大规模预训练模型等前沿技术，提升风险识别的准确率和召回率。