热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

dl算法需要大量的_图森未来算法组实习生直推啦

图森未来2019暑期实习招聘已经开始了,作为图森算法组的一员,也想来为我组做一波宣传。当然算法组长期招人,不只局限于实习,期
14c4d79c40c103e1ef1d8d4ae068c334.png

图森未来2019暑期实习招聘已经开始了,作为图森算法组的一员,也想来为我组做一波宣传。当然算法组长期招人,不只局限于实习,期望找全职工作的同学也可以随时投递简历。

【个人经历】

因为我是先实习后转正的,所以在此先给大家介绍一下个人经历,给想要找实习的同学们做下参考。我本科毕业于北京航空航天大学,16年7月份来到图森实习。在来图森之前,有过一些计算机视觉的相关经历,对于深度学习也有一些了解以及实践经验。面试过程还比较顺利,基本上跟乃岩聊了一下自己的一些项目经历,就很快拿到offer了。

入职之后的一年时间,算是我成长最快的一段时间吧。刚入职时主要在做模型加速相关的一些工作,基本上是从复现paper开始,对整个领域有一些初步的了解之后,开始实现一些新的想法,并设计实验验证猜想。期间基本上有问题都能随时跟乃岩以及身边的同事讨论,各个大神也都能解决我的一些困惑与问题。实习阶段的工作后来也都转化成了一些成果,个人也满意公司的氛围以及环境,后面也是顺利转正了。

【工作内容】

因为有很多同学会问,在无人驾驶公司做算法,主要都是在做些什么?下面我和大家介绍一下组内的工作内容。

算法组基本涵盖三大模块:perception、localization以及planning,每个模块的研究重点略有不同。大家可以根据自己本身的研究方向或者兴趣来选择相应的模块。具体的JD在我们的招聘链接也有说明,这里我主要介绍一下perception方面的一些工作内容。

北京图森未来科技有限公司 - 校园招聘​app.mokahr.com
77ef39d3f7a1b2ecd8f1ef0d845f8e15.png

Perception方面的工作主要会围绕一下两个大的方向:

一个是基于sensor的感知算法:

2d/3d Object Detection,Semantic Segmentation,Object Tracking,Depth Estimation,Lidar based Object Detection以及Network Acceleration等。

另一方面则是上述这些感知算法的下游:

Multi Sensor Fusion以及Motion prediction等。

以network acceleration为例,为了让感知算法能够以满足条件的帧率运行在车上系统中,网络推理加速是必不可少的一个部分。为了能够得到更加高效的网络,我们首先会调研并复现一些常用的加速算法,例如network pruning,knowledge distill等,在公开数据集上复现基础的分类baseline。但在实际应用中,我们往往更加关注分类以外的其他任务,如detection以及segmentation等,直接将现有方法套用在这些任务上,往往不能直接奏效。例如knowledge distll,虽然经典方法在图像分类任务上能够有很大的提升,但在segmentation上其实提升并不明显。因此,在工作中,更重要也更具挑战性的部分往往是如何利用现有知识来解决实际问题。这个时候,扎实的基础知识以及优秀的实验分析能力,往往是解决这些挑战性问题的关键。

总体来说,Perception相关的实习生工作基本都会经历一下三个阶段:

(1) 选择自己比较感兴趣的方向或者问题,survey相关paper;

(2) 复现基础的baseline,在此基础上有一些new idea并进行改进;

(3) 进行成果转化,写paper/专利,并集成到车上系统。

【组内情况】

1. 组内资源

算法组由首席科学家王乃岩直接负责,实习生有机会由他直接指导。另外还有很多十分靠谱的小伙伴以及科研大神,有问题大家都会积极帮忙解决。

2. 方向与机会

组内三个大方向:perception、localization以及planning。

对于希望继续深造,或者想要获得更多的计算机视觉以及深度学习相关实践经验的同学,perception方向会是一个非常合适的选择。实习期比较长或者工作特别优秀的同学,有发paper的机会。

对于想要深入了解无人驾驶,并投身其中的同学,localization以及planning方向的工作内容能够给你提供具有挑战性的问题,以及实际场景供你测试。

总体来说,无论你是想做计算机视觉方面的research工作,还是想深入产品第一线,利用自己的能力以及知识解决自动驾驶中的实际问题,我们都能给你提供满足你需要的工作环境以及相应指导。

----------------------------------------------------------------------------------------------

【内推步骤】

废话不多说,下面就正式开始介绍内推步骤。总共分三部分——岗位、具体要求、面试流程。

一.开放岗位

目前我们开放的实习生岗(算法部)位主要有:

1. 感知算法

2. 路径规划与决策

3. 定位于高精地图

4. 深度学习框架研发

二.具体要求

其实大部分这个领域的公司,要求都大差不差的。通用的要求无非就是:

1. 有较强的工程能力,熟练使用至少一种深度学习工(Caffe,Mxnet,TensorFlow,Pytorch)等;

2. 有较强的Coding能力,有ACM-ICPC等竞赛经历;

3. 有计算机视觉,深度学习相关的研究背景,有CV相关比赛参赛经验或CV、DL相关的开源项目经验,发过paper、有深度学习推理框架的优化经历均是加分项。

三.面试流程

一般来说,面试总共是三轮,不过也有可能两轮就搞定的,为了方便同学们的面试,前面两轮都可以电话面,最后才onsite。

第一轮和第二轮:工程面试,主要考察项目经历和编程能力;

第三轮:现场面试,naiyan会根据之前的面试反馈做更深入的考察,一般投递简历后会在1周内完成筛选,同时面试结束后两个工作日内会跟进结果。不过现在是招聘旺季,也有可能稍微多两天,但是也不会差太多。

以上流程全部走完,基本一周左右就可以搞定。不过现在是招聘旺季,也有可能稍微多两天,但是也不会差太多。

Tips:(!!!这一部分很重要!!!)

这边给出一些建议,大家可以参考一下:

1. 参考我们的这篇帖子:如何进入国内CV+DL领域优秀公司实习

如何进入国内CV+DL领域优秀公司实习?​www.zhihu.com

这里面有CTO晓迪 @Filestorm 和首席 @Naiyan Wang 给出的具体面试内容和我们重点会考察的能力,虽然已经是个老帖了,但是里面的内同含金量还是很高的,如果你真的想好好准备面试,不如花10分钟消化一下;

2. 可以再看一下我们首席 @Naiyan Wang 对于如何写好一份AI简历的建议,好好准备简历,再来就是直接找熟人内推,这样的好处就是,简历可以直接到组里,反馈会更快。

Naiyan Wang:什么才是一份好的AI求职简历?​zhuanlan.zhihu.com

最后关于【内推方式】:

请将简历发至:zehao.huang@tusimple.com,邮件标题标注【实习内推+岗位名称+名字+学校】,这样方便我们快速处理你的简历。

除算法岗位之外,我们也有其他岗位有opening,具体信息可以移步我们的校招贴,之后也同样可以找我内推,要求和上面一样:

图森未来:图森未来2019年暑期实习招聘 | 上了我的车,你就是我的仔!​zhuanlan.zhihu.com
4bd222a861bc2848b12a49f5f7b69ecb.png

最最后,再给我司一个新项目宣传一下——Residency培养计划,这个项目是一个为期12个月的精英培养计划,详细可以戳一下链接:

图森未来:全球招募 | 图森未来2019Residency计划正式开启!​zhuanlan.zhihu.com
b81a04fd06986f8a4f9fc90133afdb29.png

---------------------------------------欢迎各位留言交流----------------------------------



推荐阅读
  • 基于TensorFlow的鸢尾花数据集神经网络模型深度解析
    基于TensorFlow的鸢尾花数据集神经网络模型深度解析 ... [详细]
  • 本文对比了杜甫《喜晴》的两种英文翻译版本:a. Pleased with Sunny Weather 和 b. Rejoicing in Clearing Weather。a 版由 alexcwlin 翻译并经 Adam Lam 编辑,b 版则由哈佛大学的宇文所安教授 (Prof. Stephen Owen) 翻译。 ... [详细]
  • 在机器学习领域,深入探讨了概率论与数理统计的基础知识,特别是这些理论在数据挖掘中的应用。文章重点分析了偏差(Bias)与方差(Variance)之间的平衡问题,强调了方差反映了不同训练模型之间的差异,例如在K折交叉验证中,不同模型之间的性能差异显著。此外,还讨论了如何通过优化模型选择和参数调整来有效控制这一平衡,以提高模型的泛化能力。 ... [详细]
  • Python与R语言在功能和应用场景上各有优势。尽管R语言在统计分析和数据可视化方面具有更强的专业性,但Python作为一种通用编程语言,适用于更广泛的领域,包括Web开发、自动化脚本和机器学习等。对于初学者而言,Python的学习曲线更为平缓,上手更加容易。此外,Python拥有庞大的社区支持和丰富的第三方库,使其在实际应用中更具灵活性和扩展性。 ... [详细]
  • 在Python编程中,掌握高级技巧对于提升代码效率和可读性至关重要。本文重点探讨了生成器和迭代器的应用,这两种工具不仅能够优化内存使用,还能简化复杂数据处理流程。生成器通过按需生成数据,避免了大量数据加载对内存的占用,而迭代器则提供了一种优雅的方式来遍历集合对象。此外,文章还深入解析了这些高级特性的实际应用场景,帮助读者更好地理解和运用这些技术。 ... [详细]
  • 2019年斯坦福大学CS224n课程笔记:深度学习在自然语言处理中的应用——Word2Vec与GloVe模型解析
    本文详细解析了2019年斯坦福大学CS224n课程中关于深度学习在自然语言处理(NLP)领域的应用,重点探讨了Word2Vec和GloVe两种词嵌入模型的原理与实现方法。通过具体案例分析,深入阐述了这两种模型在提升NLP任务性能方面的优势与应用场景。 ... [详细]
  • 解决Bootstrap DataTable Ajax请求重复问题
    在最近的一个项目中,我们使用了JQuery DataTable进行数据展示,虽然使用起来非常方便,但在测试过程中发现了一个问题:当查询条件改变时,有时查询结果的数据不正确。通过FireBug调试发现,点击搜索按钮时,会发送两次Ajax请求,一次是原条件的请求,一次是新条件的请求。 ... [详细]
  • 基于OpenCV的图像拼接技术实践与示例代码解析
    图像拼接技术在全景摄影中具有广泛应用,如手机全景拍摄功能,通过将多张照片根据其关联信息合成为一张完整图像。本文详细探讨了使用Python和OpenCV库实现图像拼接的具体方法,并提供了示例代码解析,帮助读者深入理解该技术的实现过程。 ... [详细]
  • 从2019年AI顶级会议最佳论文,探索深度学习的理论根基与前沿进展 ... [详细]
  • 表面缺陷检测数据集综述及GitHub开源项目推荐
    本文综述了表面缺陷检测领域的数据集,并推荐了多个GitHub上的开源项目。通过对现有文献和数据集的系统整理,为研究人员提供了全面的资源参考,有助于推动该领域的发展和技术进步。 ... [详细]
  • 本文提供了PyTorch框架中常用的预训练模型的下载链接及详细使用指南,涵盖ResNet、Inception、DenseNet、AlexNet、VGGNet等六大分类模型。每种模型的预训练参数均经过精心调优,适用于多种计算机视觉任务。文章不仅介绍了模型的下载方式,还详细说明了如何在实际项目中高效地加载和使用这些模型,为开发者提供全面的技术支持。 ... [详细]
  • 在上一节中,我们完成了网络的前向传播实现。本节将重点探讨如何为检测输出设定目标置信度阈值,并应用非极大值抑制技术以提高检测精度。为了更好地理解和实践这些内容,建议读者已经完成本系列教程的前三部分,并具备一定的PyTorch基础知识。此外,我们将详细介绍这些技术的原理及其在实际应用中的重要性,帮助读者深入理解目标检测算法的核心机制。 ... [详细]
  • 亚马逊老板杰夫·贝佐斯
    本文主要介绍关于的知识点,对【亚马逊创始人或成地球首位万亿富豪,起底贝佐斯创业之路】和【亚马逊老板杰夫·贝佐斯】有兴趣的朋友可以看下由【CSDN资讯】投稿的技术文章,希望该技术和经验能帮到你解决你所遇 ... [详细]
  • 深度学习分位数回归实现区间预测
    深度学习分位数回归实现区间预测 ... [详细]
  • PyThon_Swift 势必取代 Python?
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了Swift势必取代Python?相关的知识,希望对你有一定的参考价值。 ... [详细]
author-avatar
廊坊0316慢摇酒吧_196
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有