自动驾驶算法工程师简历范文全文
自我评价
5年自动驾驶感知算法经验，专注BEV感知与多目标跟踪，主导量产车型高速NOA感知模块落地。熟练使用PyTorch、CUDA与TensorRT，具备从模型设计到车端部署的全链路能力。曾将BEV检测mAP提升6.2个点，车端推理时延降低35%。
工作经历
上海蔚来汽车有限公司
新能源车企自动驾驶
上海
自动驾驶感知算法工程师
BEV感知模型部署
2022年9月 - 至今
- 负责高速NOA场景BEV感知模型设计与训练，检测mAP提升6.2个点，误检率下降28%。
- 主导感知模型TensorRT量化与车端部署优化，单帧推理时延由42ms降至27ms。
- 搭建多目标跟踪评测流水线，覆盖10万+帧真实路测数据，跟踪MOTA提升至78.5%。
北京百度网讯科技有限公司
互联网大厂自动驾驶平台
北京
算法工程师（感知方向）
3D检测点云处理
2020年7月 - 2022年8月
- 参与Apollo园区低速自动驾驶感知模块开发，完成激光雷达点云3D检测模型迭代。
- 优化点云预处理与后处理流程，单帧处理耗时降低22%，支撑日均5000公里路测。
项目经验
高速NOA多摄像头BEV感知系统 - 感知算法负责人
2024年3月 - 2024年5月
- 设计基于Transformer的多摄像头BEV特征融合网络，实现车辆、行人、锥桶统一检测。
- 引入时序融合与数据增强策略，夜间与雨天场景召回率提升15%，已量产上车3款车型。
车端感知模型量化部署优化 - 算法工程师
2022年12月 - 2023年2月
- 完成FP16与INT8混合量化方案，精度损失控制在0.8个点以内。
- 基于TensorRT重构推理引擎，车端算力占用降低30%，满足Orin平台实时性要求。
专业技能
PyTorch / 深度学习
BEV感知与多目标跟踪
C++ / Python
CUDA 算子开发
TensorRT 模型部署
ROS / Apollo 框架
教育背景
上海交通大学
985211双一流
上海
控制科学与工程 硕士
2019年8月 - 2021年5月
研究方向为计算机视觉与多传感器融合，参与国家重点研发计划课题1项。
哈尔滨工业大学
985211双一流
哈尔滨
自动化 本科
2016年8月 - 2020年5月
主修课程：模式识别、线性代数、最优化方法。
工作成果
量产项目落地
主导BEV感知系统在3款量产车型上完成交付，累计装车超8万台。
性能指标突破
感知模型在内部评测集上综合指标连续两个季度排名团队第一。
团队协作
带教2名应届算法工程师，均在半年度考核中获评优秀。
荣誉奖项
中国汽车工程学会科技进步奖二等奖
上海交通大学优秀毕业生
证书与认证
深度学习工程师认证（中级） - 中国电子学会
2021年6月
证明深度学习模型设计与工程实践能力。
系统架构设计师（软考高级） - 工业和信息化部
2023年11月
证明复杂系统架构设计能力。
更多算法工程师简历范文
同一职位，不同的版式和写法。点开任意一份即可查看大图。
就从这份范文开始
免费复制到你的账户里，每一句话、每个板块和颜色都能改，改好即可下载投递。