上海数据挖掘
数据挖掘是一项涉及发现、提取和分析大量数据的过程，以寻找有意义的模式、规律和关联性。数据挖掘从不同数据源中收集大量的数据，然后使用统计学、机器学习和人工智能等技术进行分析，以识别隐藏在数据中的信息。数据挖掘的目标是发现数据中的趋势、模式和关联，提供决策支持和预测能力。数据挖掘可以应用于各个领域，如市场营销、金融、医疗、电子商务等，帮助组织优化业务流程、预测未来发展趋势、发现新的商机和降低风险。数据挖掘工程师需要具备统计学、计算机科学和数据分析方面的知识，熟练运用数据挖掘工具和技术，以及具备良好的沟通能力和问题解决能力。
薪酬概览
平均月薪
¥27900
中位数 ¥29000 ｜ 区间 ¥23600 - ¥32100
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
85.7% 人群薪酬落在 15-30k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
1月新增岗位
18
对比上月：岗位新增8
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 3-5年 | 27 | 100% |
热招职位
1、负责/参与端到端自动驾驶模型的性能迭代与突破，通过数据和模型的优化迭代，推动模型在量产产品中的效果闭环；
2、深度搭建并优化数据挖掘与数据闭环链路，基于量产场景的真实数据分布，设计高效的数据筛选、清洗、标注、回流策略，通过数据驱动的方法持续提升模型在长尾场景、极端工况下的鲁棒性与可靠性，要求具备量产项目中数据驱动性能提升的实战落地经验；
3、构建并迭代端到端模型评测体系，结合仿真测试、实车验证等多维度手段，建立科学的性能评估指标与自动化评测流程，能通过评测结果精准定位模型短板，并主导评测系统的优化升级，为模型迭代提供核心决策依据；
4、紧跟业界前沿技术动态，重点研究自动驾驶领域最先进的数据闭环方案、评测方法与端到端模型应用，推动技术预研与工程化落地，保持团队在数据驱动与评测体系上的核心竞争力。
1、硕士及以上学历，计算机、人工智能、大数据、软件工程等相关专业，有自动驾驶数据挖掘、多模态算法落地相关实习/工作经验优先；
2、熟悉python编程，代码功底扎实，了解基础算法与数据结构，能够独立完成算法策略开发、脚本迭代、数据实验复盘；
3、 性格踏实，抗压能力强，能够适配业务快速迭代节奏；以业务交付为导向，工程落地能力强，愿意直面真实业务痛点，沟通顺畅、执行力强；
4、了解基础SQL语句，能够独立完成数据查询、数据统计、报表复盘，具备基础数据分析能力；
5、了解深度学习基础，熟悉PyTorch使用。
加分项
1、有自动驾驶行业数据挖掘、脏数据治理、难例挖掘一线落地经验，熟悉智驾真实数据痛点；
2、熟悉Dagster/Airflow调度工具，有数据流水线搭建、算法工程化落地经验；
3、有规则挖掘自动化、Agent辅助编程、数据样本闭环迭代相关实战经验；
4、懂自动驾驶感知/预测/规划基础业务知识，能够快速理解车载场景与驾驶行为逻辑。
1. 负责标注平台指标体系的设计与开发，构建完善的指标计算、存储和查询体系，支撑业务数据分析和决策；
2. 负责海量数据的数据治理、资产统计和数据生命周期管理，建立数据资产目录，实现数据的规范化管理和全生命周期跟踪；
3. 负责数据闭环的运营BI看板和统一数仓建设，设计数据模型和ETL流程，构建面向业务的数据分析平台，支撑数据驱动的运营决策；
4. 负责数据漏斗和全链路SLA监控系统的建设，跟踪数据上传延迟、处理吞吐量、标注效率等核心指标，实现异常实时告警和根因定位，保障数据流转链路的高可用性和稳定性。
1、建立人事共享中心各业务条线数据指标监控和经营分析体系，对业务提供策略支持和建议；
2、优化中心数据管理，提高数据线上化管理水平、提升数据使用效率；
3、搭建数据业务看板监控业务数据及指标达成情况，负责中心日报、周报、月报的搭建和撰写，对各项数据指标进行跟踪，提供日常业务支持数据；
4、数据及关键问题总结及反馈，以及报告撰写；
5、领导交代的其他事宜
1、通过对数据的敏锐洞察以及定性和定量分析，迅速定位业务问题、发现潜在机会，独立编写分析报告，并提出可落地方案；
2、对接业务团队，处理业务人员数据需求，梳理业务逻辑，挖掘深度价值，输出业务提升策略，帮助改善业务问题、提升业务效率；
3、业务指标监控，针对异常情况协调资源进行跟踪和深入分析；
4、梳理业务常规分析体系、常用指标体系，根据日常数据监控及项目分析，输出业务意见，为决策做支持；
1，负责金融产品的风险数据分析，通过大数据管理，建立零售信贷业务风控评分模型，用于金融服务和信贷业务的发展。 2，从个人征信数据，行为数据，互联网数据等出发，构建大数据金融模型用于贷款自动化授信 3，负责数据驱动模型立项，数据清洗及衍生，开发，督促布置上线等工作，监控场景及业务变化，及时发现问题推进模型修复迭代；
1. 结合公司战略、业务发展及组织文化，负责校园招聘与雇主品牌相关项目的整体规划、推进与落地，支持公司人才吸引与品牌建设。
2. 负责校园招聘项目的策划与实施，包括但不限于目标院校运营、雇主品牌传播、校园活动策划、人才触达及候选人体验优化。
3. 围绕校招、社招及海外招聘等重点场景，协同制定雇主品牌传播策略，提升公司在目标人才群体中的认知度、吸引力与雇主品牌影响力。
4. 深入挖掘公司文化、业务发展、员工成长及全球化实践中的特色内容，形成具有传音辨识度的人才品牌表达。
5. 统筹雇主品牌内容策划与传播运营，包括但不限于图文、短视频、专题campaign、校园传播项目及雇主品牌栏目建设。
6. 联动招聘团队、业务部门、品牌、公关、设计、企业文化及海外团队紧密协同，推动校园招聘与雇主品牌项目高效协同落地。
7. 基于不同区域、不同人才群体及不同院校特征，制定更具针对性的人才吸引和品牌传播方案，支持公司国际化人才战略。
8. 关注AI及数字化工具在校园招聘、雇主品牌及招聘营销场景中的应用，推动AI提升内容生产效率、传播效果及人才沟通体验。
9. 建立校园招聘及雇主品牌项目的数据监测、复盘与评估机制，持续优化项目质量、传播效果及招聘转化。
1、负责手机Host端LPDDR/EMMC/UFS子系统的软件参数优化，提升系统性能/稳定性；
2、负责手机Host端LPDDR/EMMC/UFS子系统的软件新功能开发&验证；
3、负责手机Host端LPDDR/EMMC/UFS系统技术洞察、参与存储技术路线规划。
学历要求：硕士在读
实习地点：上海
实习时长：每周到岗（线下）≥4天，稳定实习3-6个月，可长期实习者优先
岗位职责
Agent搭建与工作流打通：依托自身软件基础，协助搭建自动驾驶场景化智能Agent，梳理智驾研发、测试、版本发布等全流程链路，打通闭环工作流，优化流程效率、降低重复工作成本。
基于agent的系统设计与需求落地：搭建agent环境，用于自动驾驶高阶智驾功能（高速NOA、城市NOA、AEB、APA等）的系统需求拆解、功能定义、架构细化及指标分解。
辅助完成数据查询、代码调试等工作
1、负责AI集群以太网组网方案设计，包括拓扑规划、交换机选型、路由策略、拥塞控制等
2、基于RoCEv2/DCB等以太网标准协议栈，进行性能调优（负载均衡、流控、ECN/PFC参数适配）
3、与AI框架团队（PyTorch/TensorFlow等）协同，优化分布式训练中的通信效率（AllReduce、All-to-All等）
4、定位并解决大规模集群网络中的丢包、拥塞、长尾延迟等问题
5、评估新交换芯片、网卡、光模块，推动方案快速验证与落地
1、负责智能驾驶相关产品（域控制器、各类传感器、底层软硬件）客户端技术支持，覆盖车身、底盘、车载通讯、底层软件、MCU驱动相关现场应用与问题攻关；
2、负责智能驾驶传感器联合标定、整车功能标定、时序同步调试工作，包含台架标定及实车道路调试，解决标定异常、感知失效、定位漂移等现场问题；
3、负责项目全周期技术支持，包含Demo实车演示、售中整车集成联调、量产阶段产线适配与电检支持，排查软硬件、通讯、标定、适配类故障；
4、负责客户各类问题接收、复现、分析与闭环管理，联动内部研发、测试、项目团队定位问题根因，输出8D分析报告，制定规避及整改方案；
5、负责沉淀现场应用标准、调试SOP、故障案例库、技术FAQ，同时为客户提供技术培训，赋能客户集成、测试、运维相关团队；
6、识别项目阶段技术风险、交付风险，提前输出风险防控措施与应急预案，保障研发测试、送样、量产各阶段项目进度与交付质量。
7、路测 / 集成中及时响应，定位硬件（传感器 / 域控 / 电源）、软件（算法 / 驱动 / 通信）、标定、场景适配问题，输出临时解决方案，保障项目进度。