哈喽大家好!一份实习时长两年的智驾感知算法实习生日常工作总结

作为一名在读研期间共持续了1年零9个月的智驾感知算法实习生而言,在我结束最后一段感知算法实习,回学校准备毕业论文收尾工作的时候,写了一篇《自驾实习杀青!自驾算法工程师即将登场!》的笔记,不知不觉到现在已经过去将近2周的时间了(看来轻松愉快的时光总是短暂的❗)

实习期间,除了晚上回学校,一天基本都在公司度过,实话实说,早已感觉自己脱离了学生时代,成为了一名社畜打工人。回到学校之后,现在每天感受着校园里的欢快时光,完全没有各种工作消息以及业务数据指标的压力,仿佛又回到了学生时代,一时有些恍惚,就想记录一下自己在实习期间的工作日常📊

对我个人而言,我把自己的实习工作简单分成三种模式,分别是日常工作模式节点交付模式以及自我充电模式,三种模式既有工作上的交集也有各自不同的工作重心,由于篇幅有限,今天就重点聊聊感知算法实习生的日常工作模式

感知算法实习生的日常工作模式

在日常工作模式中,主要的工作内容就是根据制定的OKR包含的任务进行有序推进,大体包含的工作内容如下:

  1. 根据数据团队定期处理返回的路采数据,对组内的业务模型进行训练以及评测等相关工作,实现组内感知算法模型的迭代更新;
  2. 将迭代的算法模型在业务数据上进行评测,观察当前模型在哪些场景下或者对于哪类目标的感知性能较弱,做好记录,反馈给数据团队相关的对接负责人,实现有针对性的挖掘hard/corner case,进而对业务模型进行有针对性的训练;
  3. 分析模型在某些场景下性能不佳的原因,阅读paper/看技术报告/和mentor讨论等方式寻找灵感,在周会上分享自己发现的问题并提出解决思路,如果技术路线可行,就会安排在后续OKR中;
  4. 根据leader或者上下游团队对于组内业务模型提出的新要求或者新接口,在我自己负责的业务模型的codebase上,写代码实现相关功能,经过code review后,合到公司代码库中(git好难,学了好久才上手);
  5. 实习期间,带我的mentor有的也会涉及到一部分算法模型的部署,我也会帮mentor打打下手,做一些模型部署相关的工作;

目前,我也已经是一名正式的感知算法工程师了,回想起当初的实习时光还是很欢乐的(实习生相对于正式工来说考核压力还是少了不少哇),仅此篇记录一下之前美好的幸福时光哈哈哈哈哈

码字不易,欢迎关注我及时获取最新求职干货内容🌟

#不给转正的实习,你还去吗##我的实习日记##正在实习的碎碎念##互联网##算法#
全部评论

相关推荐

应该是在boss直聘上海投的,不过其实面试官也觉得我没有做过从传感器端开始的算法,觉得可能不是很匹配09.06一面1. 模型部署具体是哪些算子不支持,如何解决?2. 在轨迹预测 数据这一块 你参与过哪些工作3. 构建轨迹真值的时候遇到最大的问题是什么      1. GT里存在缺失的情况下的多种处理机制      2. 缺很多,缺一帧,缺很多帧4. transformer  a. 简单描述一下原生的transformer的结构  b. transformer与CNN的优势和劣势在哪里?  c. 使得DETR变得轻量的话可以用什么方法,在模型层面?  d. FFN网络的本质是什么  e. transformer网络如车辆目标检测的DETR在车辆上进行部署最大的一个问题是什么?  f.  transformer类型的模型需要部署到车辆上的话设计模型需要去注意哪些点呢?5. 目标检测做的多吗?特征提取的backbone里面,哪些你用的比较多?6. Encoder越大确实越强,但是他可能部署不上去,如何去权衡性能与推理时间?7. 手撕:  a. 二分查找,有序重复数组寻找第一个等于target的位置  b. 进阶版本:无序重复数组寻找第一个等于target的位置#你都收到了哪些公司的感谢信?##如何判断面试是否凉了##自动驾驶##深度学习#
点赞 评论 收藏
分享
2 1 评论
分享
牛客网
牛客企业服务