Mobileye is a global pioneer in computer vision, machine learning, data analytics, localization and mapping for ADAS and autonomous driving. Mobileye China R&D Center develops REM, our core mapping & localization solution for autonomous vehicles. We
AIGC图像数据工程师 Beijing Full-time R&D - Data mining Responsibilities - 负责图像与多模态数据全生命周期建设：围绕业务目标与模型训练需求，搭建数据获取 → 清洗 → 标注/弱标注 → 评估 → 版本管理 → 回流迭代的闭环流程。- 参与端到端多模态统一模型的数据体系：图文交错序列、多轮长轨迹、理解 + 生成联合数据、跨帧一致性（角色/场景/光线/风格/世界观）数据的构造、清洗、标注与配比。- 数据采集与合规治理：推进数据来源梳理、授权/版权风险排查、敏感内容过滤与安全策略落地，建立可审计的数据资产规范。- 清洗与质量提升：实现去重（近重复/语义重复）、质量筛选（清晰度/噪声/美学/主体完整性等）、异常检测（NSFW/水印/低质/违规）与长尾数据治理。- 数据标注体系建设：设计并迭代标注 schema（caption、tag、属性、风格、构图、人物/商品信息、图文交错结构、多轮对话轨迹等），制定标注指南与质检规则，推动标注一致性与效率提升。- 难例挖掘与数据配比：围绕线上问题（如一致性、可控性、编辑失败、风格偏移、长程一致衰减等）挖掘难例与负例，构建训练集/验证集配比策略与覆盖度分析。- 数据工程化与平台化：参与数据管线工程建设（ETL/调度/缓存/存储/索引），支持大规模数据处理与高吞吐读取，提升训练数据供给效率与稳定性。- 数据评估与可观测性：建立数据质量指标与报表（分布漂移、覆盖率、噪声率、标注一致性等），支持「数据 → 训练 → 评测」的问题定位。- 跨团队协作：与算法/训练工程/产品/运营协作，将业务问题沉淀为可复用的数据策略、工具链与最佳实践文档。 Qualifications
仿真评测工程师 北京 全职 互联网 / 电子 / 网游 职位描述 1. 基于实车路测数据构建仿真场景，建设场景干预、场景泛化、长尾场景生成与评估能力；2. 面向感知、预测、规划、控制等模块，开发并持续优化以安全、舒适、效率、导航为核心的评估体系，快速识别算法变更引入的回退与异常；3. 运用仿真可靠性评估方法与工具，量化输出版本差异和不一致问题的分析结论，将复杂分析结果转化为算法、仿真、产品易于理解的指标与结论； 职位要求 1. 计算机、自动化、车辆工程、统计学等相关专业硕士及以上学历，具备自动驾驶仿真测试或相关领域经验；2. 熟练掌握 C++ 和 Python，熟悉数据处理与脚本开发（Pandas/Numpy 等），熟悉 shell、git，能在 Linux 环境下独立处理批量任务与日志；3. 深入理解 LogSim、WorldSim 仿真范式，具备实际工程落地能力；4. 理解自动驾驶评测指标体系（ADE/FDE、场景通过率、MPI 等），有评测方案从 0 到 1 落地经验；5. 了解自动驾驶端到端 / VLA 模型的基本原理，具备算法和传感器相关背景知识；6.
风险模型岗-国际信贷业务 北京 风险管理 - 风险决策 硕士及以上 职位描述 1、模型开发：参与海外墨西哥现金贷业务风险模型的开发与迭代，在导师指导下学习构建贯穿用户生命周期的反欺诈、申请评分卡（A卡）、行为评分卡（B卡）等模型；2、数据挖掘：面对目标市场传统征信数据缺失或稀疏的挑战，学习并应用另类数据（如设备信息、APP行为、社交网络、运营商数据等）进行特征工程和建模实践；3、模型本地化与部署：结合目标市场的风险模式和用户画像，协助对模型进行本地化适配与调优，与技术团队协作推动模型部署上线；4、前沿算法学习：了解并学习机器学习/深度学习前沿算法（如GNN、Transformer等）在海外业务中的应用场景，包括团伙欺诈识别、小样本学习等方向；5、模型性能监控：协助建立跨国家、跨产品的模型监控体系，学习追踪模型表现（PSI、KS、Gini等指标），及时发现性能衰退并参与优化方案的制定。 职位要求 1、硕士及以上学历，2027届应届毕业生，统计学、计算机、数学、物理学等理工科专业；2、具备扎实的机器学习理论基础，熟练使用Python/R，了解Pandas、Scikit-learn、XGBoost/LightGBM等数据科学和机器学习框架；3、熟练掌握SQL，了解Hive/Spark等大数据环境下的数据处理方式；4、对金融科技及海外信贷风控有浓厚兴趣，具备强烈的学习意愿和自驱力；5、逻辑严谨，数据驱动思维，具备良好的沟通表达能力与团队协作意识；6、英语读写流畅，能胜任日常业务沟通，具备跨文化协作意识；7、有风控建模、数据科学相关实习经历，或在Kaggle等数据竞赛中有参赛经历者优先。 职位信息 部门： 支付、财富管理、国际信贷业务体系 投递温馨提示：投递顺序代表志愿顺序，请同学谨慎选择 投递...
具身数据策略与质控工程师 北京 全职 互联网 / 电子 / 网游 职位描述 1、制定具身数据采集、切片、清洗、打标、质检等环节的质量验收标准，覆盖图像/视频、多相机视角、关节状态、动作轨迹、末端位姿、力控数据、仿真交互数据等多模态数据；2、建立具身数据质量分级体系，定义任务成功率、动作合规性、轨迹完整性、时序对齐、场景覆盖度、视角有效性、异常数据识别等核心判定标准；3、设计抽样质检方案、试采试标验收流程和 benchmark，培训并校准下游质检、标注、采集人员的判断标准，提升数据审核一致性；4、与算法、数据工程、采集、标注团队协作，基于模型训练效果和错误 case，持续优化数据采集方案、标注规范、清洗规则和返修机制；5、参与不同训练环节的数据策略制定，协助算法团队决策预训练、后训练、评测、真机调试等阶段的数据配比、数据优先级和数据补采方向。 职位要求 1、具备具身智能、机器人、自动驾驶、多模态数据、视频/图像数据或传感器数据相关经验，对数据质量有较强判断力；有机器人操作数据、遥操作数据、机械臂/灵巧手/人形机器人数据经验优先；2、能够将“动作是否合理、任务是否成功、轨迹是否干净、视角是否可用、数据是否可训练”等判断，拆解为可描述、可考核、可培训的质量标准；3、结构化思维强，能够将复杂的数据质量问题归类，定义清晰的判定边界、分级规则、抽检方法和返修标准；4、具备较强的数据 sense 和问题抽象能力，能够从大量异常样本、失败任务和模型反馈中识别系统性问题，推动采集、标注和清洗策略迭代；5、具备良好的跨团队沟通和文档能力，能够独立编写采集规范、质检标准、标注说明、培训材料、案例库和质量复盘报告。加分项1、了解 VLA/VLM、World Action Models、机器人操作策略、模仿学习、Diffusion Policy、强化学习或具身基座模型的数据需求；2、熟悉 ROS/ROS2、Isaac Sim、Sapien、Gazebo、机器人仿真环境或常见具身数据集格式；3、具备 Python、Pandas/Numpy/OpenCV、FFmpeg 或 vibe coding 能力，能够开发质检、可视化、抽样、统计分析等自动化工具；4、有多模态数据平台、标注平台、质检平台、数据闭环系统建设经验；5、有自动驾驶数据质检、机器人数据采集质检、视频/图像审核、传感器数据分析或算法评测集建设经验。 投递...