算法实习生（智能交通方向，含机器视觉与大语言模型，27届毕业生优先）

性质：全职实习（3–6 个月，可转正）

一、实习目标

• 快速融入：参与真实交通场景算法项目（事件监测、道路病害检测、多智能体平台），完成限定任务并输出可验证成果。

• 能力提升：在导师指导下，掌握数据标注、模型训练、评估与部署的完整流程，为转正或深造打下基础。

二、核心职责

1. 数据准备

   • 编写脚本完成数据清洗、增广、标签检查；维护数据版本与元数据。

2. 模型训练 & 评估

   • 按任务需求搭建 PyTorch 训练管线，调参、记录实验、生成评测报告（mAP / F1 / PQI 等）。

3. 算法实验

   • 调研最新论文与开源方案（YOLOv9、RT-DETR、RAG 等），实现轻量级原型并进行对比实验。

4. 工具链与文档

   • 遵循 GitFlow，在 GitLab 提交 MR；撰写 README、实验日志与复现指南。

三、任职要求

必备

说明

在读学历

计算机、自动化、电子工程、数学等 研一及以上

编程基础

Python 熟练，了解 NumPy / Pandas，能独立编写实验脚本

深度学习

至少完成过 1 个 DL/CV 课程或项目；可阅读英文论文与官方文档

框架

会用 PyTorch（或 TensorFlow）进行模型搭建与调参

版本控制

熟悉 Git 基本操作，能按分支规范提交代码

时间投入

每周 ≥4 天，持续 3 个月以上

加分项

• 交通视觉（车辆/病害检测）或多模态/LLM 相关项目经历

• 科研竞赛获奖（CVPR/ICCV、Kaggle、华为云赛等）

• C++ / CUDA / ONNX / TensorRT 优化经验

• 开源项目贡献者 / 博客技术分享

四、你将获得

• 一对一导师：资深算法工程师带教，代码评审与周度反馈

• 真实场景数据：千公里道路视频、亿级图像，覆盖多源传感器

• 成长路径：优秀者可获 全职 offer；支持发表论文 / 专利

• 技术氛围：GPU 训练集群、GitLab CI/CD、n8n & MCP 智能体平台

把课堂所学跑在真实高速公路上，让模型“上路”——从这里开始。