职位&公司对比

职位详情

• 北京
• 在校/应届
• 本科

• C++
• C
• Python
• Boost
• MFC
• STL
• 游戏后端经验
• 量化交易开发经验
• 鸿蒙系统开发经验
• 自动驾驶
• acm
• 实习

找我获取2025校招推荐方式，【2025校招】软件工程师直聘【2025校招】大数据开发工程师【2025校招】规划算法工程师【2025校招】感知算法工程师【2025校招】端到端算法工程师【2025校招】预测算法工程师【2025校招】SLAM算法工程师【2025校招】Routing算法工程师【2025校招】控制算法工程师【2025校招】仿真算法工程师【2025校招】标定算法工程师【2025校招】嵌入式软件工程师【2025校招】高性能计算工程师【2025】校园星推官 【2025校招】软件工程师 职位描述： 深度参与自动驾驶硬件、驱动、算法、数据闭环、仿真平台、智驾准出等模块的开发。推进高级别辅助驾驶落地量产业务，打造更智能、更高效、更安全的人类出行方式。 职位要求： 1. 熟练掌握C/C++、Python、Go中至少一门开发语言； 2. 有Linux平台上的开发经验，有ROS开发经验，熟练掌握Git等工具； 3. 对学习新知识充满热情；愿意学习新的编程语言、软件开发技能以及智能驾驶领域的新知识； 4. 有团队合作意识，有主人翁意识，愿意以积极主动的心态迎接工作中的挑战，与团队一起完成目标。 加分项： 1. 相关领域Master或PhD教育经历； 2. 丰富的工程项目相关的实习或工作经历； 3. 有参与开源代码库经历； 4. 有ACM获奖经历； 5. 熟悉TCP/IP、HTTPS/2.0、WebScoket通讯协议，对常见的RPC调用有一定使用经验。 【2025校招】大数据开发工程师 职位描述： 1. 构建自动驾驶数据平台； 2. 建设高吞吐、海量数据传输链路； 3. 构建海量数据ETL、数据仓库； 4. 建设高并发、高吞吐数据中台服务； 5. 关注云原生、大数据、分布式系统方向并帮助团队提高技术水平。 职位要求： 1. 本科及以上学历，计算机相关专业； 2. 编程基础扎实，熟悉Java、Go、C++中的至少一种编程语言； 3. 算法基础扎实； 4. 操作系统原理、计算机网络基础知识扎实，了解常见设计模式； 5. 良好的沟通交流能力； 6. 在学校有实际开发、运营项目经验加分； 7. 有使用K8S云原生组件经验加分； 8. 熟悉Linux开发环境加分。 【2025校招】嵌入式软件工程师 职位描述： 1. 负责Linux系统层驱动开发，应用功能开发； 2. 负责所属模块的链路、架构设计及开发编码等工作； 3. 进行软件代码维护，优化解决系统级问题。 职位要求： 1. 本科及以上学历； 2. 精通C/C++语言及调试技巧； 3. 熟悉Linux驱动开发及应用程序开发； 4. 熟悉数据结构及算法优先考虑。BOSS直聘 【2025校招】规划算法工程师 开发智能驾驶车辆的行为决策和路径规划算法。 职位要求： 1. 在相关领域的（机器人、计算机、自动化、计算数学等）BS/MS/PhD ； 2. 精通Linux 环境下C++编程，具有良好的OOP设计习惯，有在相关系统（机器人、无人机或智能车）平台上开发/实现相关算法模块的经验； 3. 熟悉常见轨迹生成及规划算法（A*、RRT*、Lattice based、MPC、Apollo EM）或者行为决策模型（POMDP等）； 4. 良好的数学基础，熟悉数值计算、数值优化相关的知识； 5. 具有控制领域经验优先； 6. 具备强化学习、模仿学习相关经验优先。 【2025校招】感知算法工程师 职位描述： 1. 负责计算机视觉关键算法研发，包括不限于2D/3D目标检测、识别、关键点检测、车道线识别、语义理解等算法研发； 2. 负责智能驾驶场景中多传感器融合感知算法开发与优化，包括Camera、Lidar与Radar直聘等，包括但不限于目标检测和目标Tracking等算法研发； 职位要求： 1. 具备扎实的编程实现能力，熟练使用C++/Python； 2. 熟练掌握计算机视觉和机器学习相关的理论知识和实践技能； 3. 有AI相关经验者优先，有使用Caffe/TensorFlow/Pytorch等平台经验者优先； 4. 有图像处理/GPU算法优化经验者优先； 5. 熟悉计算机视觉前沿算法，在CVPR，ICCV，ECCV等相关顶级学术会议期刊发表过相关论文者优先。 【2025校招】SLAM算法工程师 职位描述： 1. 研发轨迹平滑、地图构建、地图匹配等算法； 2. 研发地图后端数据处理算法，包含数据自动化标注、分类； 3. 研发组合导航、LIO、VIO等算法。 职位要求： 1. 本科及以上学历； 2. 熟悉Linux上的C++编程； 3. 熟悉传统的SLAM算法； 4. 熟悉各种滤波器算法、三维重建或街景生成经验优先；有ACM经验者优先；对有HD、SD数据工作经验者优先。 【2025校招】端到端算法工程师 职位描述： End-to-end driving system研发与落地，负责端到端模型结构设计与调优/高质量大规模训练数据集构建/闭环评测系统研发。 职位要求： 1. 熟练使用pytorch等深度学习训练框架； 2. 计算机视觉基础扎实，熟悉主流技术路线； 3. 有运动/轨迹预测相关研究经验的优先； 4. 有LLM/MLLM/VLM研发经验的优先； 5. 有相关paper发表者优先考虑。 【2025校招】预测算法工程师 职位描述： 负责智能驾驶场景下物体（车辆/行人/自行车）的行为意图/轨迹预测相关算法研究和落地。 任职要求： 1. 对深度学习或机器学习算法有比较BOSS直聘深入的研究，理解常用的算法以及调优方法； 2. 良好的Python/C++编程基础，掌握基础的数据结构和算法； 3. 具备Pytorch/Tensorflow 等机器学习平台的使用经验； 4. 较好的团队合作精神和沟通能力，主动性强，有良好的自我驱动力。 加分项： 1. 有智能驾驶领域的经验，特别是预测相关的算法经验； 2. 有最优控制算法相关经验。 【2025校招】控制算法工程师 职位描述： 1. 负责智能驾驶控制系统的开发、调试和测试工作； 2. 负责跟进智能驾驶项目组的技术路线和要求，设计开发智能驾驶的控制算法； 3. 与智能驾驶其他各模块的工程师协同完成系统集成和调试工作。 职位要求： 1. 车辆工程、控制、计算机、机械电子等相关专业硕士及以上学历； 2. 具有良好的控制系统设计、信号处理、动态系统建模的专业知识，具备针对实际被控对象进行控制系统设计和调试的经验； 3. 熟练掌握频域、时域中控制器设计与分析方法，熟练掌握动态系统建模及参数辨识方法； 4. 熟悉Linux和ROS操作系统； 5. 对于汽车动力学模型具有一定的了解； 6. 具有较强的动手能力，善于解决实际问题； 7. 有智能车控制系统设计经验者优先。 【2025校招】Routing算法工程师 职位描述： 负责L2+下的Lane、Road的Guidance算法的研发，承接上游感知，对接下游规控。 职位要求： 1. 熟悉 Linux 上 C++ 编程； 2. 熟悉非线性优化、图论者优先； 3. 有研读paper并工程复现的能力； 4. 有深度学习背景者优先； 5. 有ACM、RoboMaster和RoboCon相关经验优先。 【2025校招】标定算法工程师 职位描述： 1. 负责智能驾驶多传感器联合标定方案设计与开发，包括Camera、Lidar、Radar、GNSS、IMU等； 2. 负责面向量产的标定方案设计与开发，包括下线标定和在线标定。 职位要求： 1. 计算机科学、数学、统计学、机器人等相关专业研究生及以上学历； 2. 熟练掌握和运用点云和图像处理相关算法，熟悉ROS、OpenCV、PCL、Ceres等常用开发工具和库； 3. 具备良好的数理基础，熟悉线性代数、多视几何、凸优化等； 4. 熟悉车载传感器工作原理，包括LiDAR、Camera、Radar、GNSS、IMU等； 5. 熟悉传感器标定算法，如相机内参、多相机外参标定、雷达外参标定、毫米波标定。 【2025校招】仿真算法工程师 职位描述： 1. 使用计算机视觉或神经渲染等方法对自动驾驶仿真场景进行重建和再渲染； 2. 基于机器学习方法的极端场景生成和搜索； 3. 利用数据驱动的机器学习、深度学习方法对交通参与者的行为进行建模； 4. 紧跟行业前沿，探索新的机器学习、强化学习算法用于仿真系统。 职位要求： 1. 国内外知名院校或科研机构毕业，本科及以上学历，计算机视觉、人工智能或相关专业； 2. 具来自BOSS直聘有NERF三维场景重建、图像视觉合成、强化学习、扩散模型、AIGC等领域的研究或工作经验； 3. 熟练掌握Tensorflow或Pytorch深度学习框架，对数据预处理、神经网络搭建、分布式训练、模型验证、模型部署等有深入全面的了解； 4. 良好的团队沟通与协作能力。 加分项： 1. 智能驾驶项目经验（科研项目或公开数据集结果提交）； 2. 发表过人工智能、机器学习、机器人等领域的会议论文（如AAAI、CVPR、ICCV、ECCV、ICML、NeurIPS等）。 【2025校招】高性能计算工程师 职位描述： 1. 开发和优化Inference框架； 2. 并行化神经网络加速的技术探索和落地。 职位要求： 1. 本科及以上学历，计算机类、电子信息类相关专业； 2. 精通C/C++，精通算法与数据结构，熟悉Python； 3. 具备较好的计算机体系结构背景和软件开发背景，熟悉GPU硬件, 熟悉GPU内核函数优化； 4. 了解深度学习基本原理，熟悉神经网络基本架构和各Layer计算方式，熟悉至少一种深度学习训练框架及其模型文件的解析，如Caffe、Tensorflow、Pytorch； 5. 了解常用图像视觉计算库及深度学习推理计算库； 6. 了解常用的卷积计算加速方法，如GEMM、Winograd算法等； 7. 了解深度学习定点化计算，熟悉支持定点化的深度学习训练框架如Ristretto，熟悉支持定点化的推理引擎计算库，如QNNPACK等； 8. 良好的沟通能力和团队协作能力。 加分项： 1. 熟悉神经网络模型压缩框架，如Pocketflow、Distiller等； 2. 设计过AI加速器软件栈。