正式开课！自动驾驶求职面试全栈教程（秋招&社招）

小塞是一名自动驾驶感知算法工程师，入职这家“独角兽”刚满一年。最近，CEO把之前说好的9-5-5变成了9-10-6，小塞和同事们也只是暗自骂骂咧咧。上午准时挤地铁转公交再骑小黄车到单位，出门买的包子都快凉了。工位上胡乱吃着包子，边吃边看飞书消息，好像实车又出bug了，规控兄弟的模块挂了，群里CTO在疯狂输出。

最近是交付关键时期，甲方给的deadline很近了，各个模块都不能出现这种“低级”错误。正在思考中，主管匆匆过来，“小塞，快看看感知模块的代码，规控那边说接收到了NaN值，所以挂了，快查查”。小塞边一头雾水，边打开vscode。这个代码工程是历史遗留的产物，几经易手，各个子模块代码庞大，早已经成了"危楼"，排查起来谈何容易。

经过排查，原来是后处理中用的数学函数接收到了上游的异常值，溢出了。不了解数学函数内部原理，没有做好保护，这锅看来小塞要背起来？小塞马上找来主管，说明此问题，但是得查查怎么修改。不得不说，还是主管脑子转得快：这个上游异常值是怎么回事，这个场景不应该触发这个边界，模型那边给的结果是不是有问题？

果然，模型输出就有问题，这个锅成功传递了出去。没想到，模型的兄弟两手一摊：这个场景没有数据，我模型优化不动了，数据团队加把劲吧。数据团队更是理直气壮：没有人，没有钱，没有采集车，我也没办法啊。

大家坐在会议室，规控吐槽感知给的结果经常不对，后处理吐槽模型给的结果就不行，模型吐槽没有数据，你让我咋搞，数据组说，你模型就只会加数据？你一言我一语，大家谁也都满肚子的委屈。转眼就过了22点，没个结果。

回去路上，小塞和曾经的大师兄harry聊起来这件事，想问明白到底谁的锅？harry梳理了下感知各个模块的问题：

1、感知后处理团队,对自己使用的很多数学函数（比如SVM、K-means、匈牙利匹配等等）,还有各种车体坐标系统及转换，并没有深入了解其原理，所以对一些异常场景没有做保护；

2、感知模型团队,很多人可能对算法的很多内部细节没有把握（各种损失函数、网络架构、Transformer为啥好），没有深入思考，方法用的也很老旧（像OCC都没有完整落地），更别谈理解大模型和端到端了。

3、数据团队,还是传统的人工标注为主，没有引入最新的自动标注，对于数据闭环理解不清晰，数据生产效率很低。

harry师兄建议小塞，要成为一名合格且高薪的自动驾驶感知算法工程师，绝对要有危机感，对自己工作中遇到的问题，一定不能放过，不会就要抓紧学习，从数学知识，到机器学习、深度学习，再到模型、后处理，以及上下游的一些需求，都要了解。只有这样，才能少背锅，怼别的模块的时候也能有理有据，绝对成为主管的心腹，裁员名单能晚上一会。不过，如果小塞公司一直这样互相推卸责任，建议辞职。

小塞听的一愣一愣的，但是这些知识太庞大了，每一个点都是一部几十上百页的书来讲，很难快速补充盲区知识点，而且这些点去找工作的时候怎么考察？一头雾水。

harry师兄劝小塞别害怕，说着缓缓拿出了自己这两年来工作中遇到的问题需要的知识点和面试中怎么考察的一个“绝世武功”秘籍的目录：

开课大额优惠！立减100

harry师兄最后告诫小塞，有了“秘籍”，只有勤加苦练才能真的灵活运用，而且工作中，不只是技术牛那么简单，如何把事情做好才是真本事。关于这份秘籍的初衷，harry师兄录了段视频给小塞，为了让小塞加速成长，也是煞费苦心：

秘籍解读

众所周知，自动驾驶虽然很有趣！但，是一门综合性学科，用到的技术非常广泛，自动驾驶各个模块中充斥着严谨的数学基础理论（微积分、概率、矩阵理论、拓扑图论等等），各种机器学习、深度学习算法（各种损失函数、网络架构、调参策略），计算机视觉核心技术（相机模型、成像原理、各种坐标系），层出不穷的创新实践（BEV、Occupancy、端到端、大模型等等），以及各种工具链的小细节（数据闭环，自动标注）和部署上车的实践经验（模型部署、量化）。

工作中，这些知识都不是孤立的，需要灵活运用，而且相互关联，有些是一通百通。而且工作的本质还是协作，与人沟通的能力很重要，这也是面试中面试官关注，但求职者忽略的地方。

今年我们也接触了很多同学，前面有校招找了近6个月才上岸的，社招也有待业半年才上岗的，如何正确突围，如何面试，不仅仅是技术实力本身，更多的是技巧。

这门课有什么价值？

自动驾驶之心一直坚持把行业最有价值的内容呈现给大家，团队和主讲harry老师反复沟通了近10次，针对工作/求职常用到的技术细节、trick大面积铺开。课程体量是目前自动驾驶之心所有课程中最为丰富的，也是目前行业唯一一门覆盖了如此多方向的课程。主讲老师更是行业资深算法专家，个人积累非常深厚，同时也是资深面试官，其成果在学术界和工业界均有较大影响力。

除了求职面试，这门课的面向群体还包括很多自动驾驶开发、测试以及其它行业转到自动驾驶领域的同学。课程的所有内容都是领域真正用到的，所见即所得，真正能够帮助到大家复用。

我们将会怎么做这门课程？

我们准备在vip群内直播传授，并保留录播视频，后期加密提供给vip学员反复学习。七月底正式开课！本课程适用于正在准备秋招的在校生、实习生，以及有跳槽打算的同学。如果您是其它业务方向（比如开发、测试等），想要做进一步的了解，增强业务能力，这门课同样也适合您。

第一章

第一章基础篇，主要出发点是给大家梳理自动驾驶与CV领域常用的数学基础，包括微积分、概率、矩阵理论和各类几何知识。这些部分常常出现于一面的基础部分和后面的加面部分。

第二章

第二章是面试技巧，主讲老师也是资深面试官，将会和大家分享一些真实面试场景常遇到的问题，能避开的坑不要乱踩，能用的技巧必须拉满，一起聊聊面试这件“小事”！

第三章

第三章是自动驾驶驾驶中的深度学习部分，主要为大家梳理CNN和transformer在网络设计内涵、训练技巧、损失函数、数据处理等多个模块的常考细节，让大家在面试中把基础扎实的一面展现出来。向面试官展示出，不仅真的实战过，还有自己的思考。

第四章

第四章主要针对工作中必须掌握的相机成像原理、变换矩阵、坐标系转换等常用但容易混淆的点，让大家在面试中跟上面试官的节奏，获得加分。物理几何是怎么和自动驾驶任务结合起来的，全部囊括。

第五章

第五章深入讲解现在自动驾驶感知定位中必考的BEV基础，针对BEV的优势和空间转换、特征融合、时序融合等核心和前沿的点进行详解，让大家对BEV有深入认识，不仅仅只会训练模型，还能深入了解其内部各个组成部分的原理和实现。你真的搞懂了多传感器融合和多帧融合方案了吗？

第六章

第六章针对自动驾驶中感知模块的大类进行面试辅导，对障碍物感知、静态元素感知、多模态融合和时序算法中的考点进行了梳理，让大家对现在自动驾驶感知模块的主要组成部分和核心要素有整体把握，提升大局观。不仅仅只懂算法，还要懂下游和产品应用！

第七章

第七章讲解各大厂商都在发力的数据闭环，让大家对自动标注有一个直观认识，是面试的加分项，毕竟算法的瓶颈是数据呀~~~

第八章

第八章讲解前沿的端到端模型，目前最火的方案（没有之一），也侧面考察面试者对前沿技术的关注程度。好不夸张的说，掌握端到端的求职者一定会更有优势！

第九章

第九章主要讲解工程部署方面常考的几个知识点，包括Orin、J5等芯片相关，剪枝量化等等，是偏落地的技术，是考验工程项目能力绕不开的点。

远不止这些，还有面试题目和职位共享！！！

为了打赢这场秋招，我们将会在群内共享各家自动驾驶公司（学员面过的）的题目，包括技术细节、力扣真题、薪资待遇等等，帮助大家更完善的准备，其他人踩过的坑，你不需要再踩。

除此之外，我们也会邀请国内知名自动驾驶公司的算法/研发主管加盟，也欢迎大家准备好简历砸来，直接内推到面试官。

主讲老师

Harry老师，某C9本硕，资深算法研究员。目前主要研究方向：BEV地面元素检测、BEV障碍物检测、端到端、NeRF等。曾在计算机视觉顶会（CVPR、AAAI等）发表相关论文，另有SCI 论文4篇，对数学理论及其在自动驾驶中的应用非常熟悉，精通自动驾驶领域的各种处理方法和技巧。主讲的《国内首个面向量产的车道线感知》课程，受益学员近500名。

这门课能有什么收获？

课程会覆盖自动驾驶感知、端到端、数据闭环、模型部署等多个技术子领域的细节，知其然也知其所以然。让大家在面试的时候，真正能够抓住细节与方向，工作中一定能用上，并且避免失误浪费掉面试机会。

课程将会全面梳理自动驾驶核心知识点，针对面试中高频考点进行重点解析和扩展。拒绝八股文，面向工作中实际问题进行深入讲解，以资深面试官角度全面传授面试技巧，带你真的读懂面试。涵盖最新技术方向，为自动驾驶学习指明方向。

后期更有面试指导，从面试官（老师也是资深面试官哦）的角度分析面试过程中的九九八十一个坑！

良好的圈子，一起讨论求职问题，也许你未来的同事就是你现在的同学。

面向群体

工作中需要系统提升自己的算法工程人员，2025年秋招、实习的同学，以及跳槽的社招人群。

扫码咨询

开课大额优惠！立减100

欢迎咨询小助理了解更多

版权声明

自动驾驶之心所有课程最终版权均归自动驾驶之心团队及旗下公司所属，我们强烈谴责非法盗录行为，对违法行为将第一时间寄出律师函。也欢迎同学们监督举报，对热心监督举报的同学，我们将予以重报！

投诉微信：AIDriver004(备注：盗版举报)