智能驾驶学习路线（含泪总结的上岸经验）

背景：985本硕，25届感知算法选手，秋招拿下元戎、小鹏、Momenta offer3家offer，趁着入职之前，给大家总结一波

一、基础学习（建议3-6个月）

1. 理论根基

• 必啃教材：《深度学习》（花书）CV基础章节《计算机视觉：算法与应用》前5章《Multiple View Geometry in Computer Vision》（多视图几何，BEV必备）
• 公开课：CS231n（斯坦福CV课，重点看CNN/Transformer部分）吴恩达深度学习（快速过一遍）

2. 编程能力

• Python：熟练numpy向量化编程（面试手撕代码高频考点！）
• C++：至少掌握STL容器、智能指针、多线程（量产代码几乎全是C++）
• 框架：PyTorch动态图机制必须吃透（推荐官方Tutorial+《Deep Learning with PyTorch》）

二、核心技能

1. 感知算法四大金刚

• 目标检测：从Faster R-CNN→YOLOv5→DETR系列（重点理解Query设计）
• 分割任务：Mask R-CNN→BEVFormer（车道线分割必看Panoptic Segmentation）
• BEV感知：入门：LSS（NeurIPS 2020）→BEVDepth（CVPR 2023）进阶：Occupancy Networks（特斯拉方案）
• 数据闭环：掌握主动学习（Active Learning）和不确定性估计（可参考元戎启行在ICRA的论文）

2. 模型优化硬技能

• 量化压缩：学习QAT（量化感知训练）和TensorRT部署（推荐《AI嵌入式系统：算法优化》）
• Transformer加速：知识蒸馏（DistilBERT）、稀疏注意力（Sparse Transformer）

3. 加分项突击

• 大视觉语言模型：跑通BLIP-2或MiniGPT-4项目（JD明确提到的方向！）
• 竞赛/顶会：Kaggle赛题（如Lyft 3D Detection）或复现CVPR论文（优先Occupancy相关）

三、项目实战（简历亮点打造）

❗️切记：宁可深度不要广度！

• 入门级：KITTI数据集复现PointPillars（熟悉点云处理pipeline）
• 进阶级：在nuScenes上实现BEVFormer车道线分割（可参考元戎开源的BEV工具链）用TensorRT部署YOLOv6并测试FPS（量化到INT8）
• 杀手锏级：参与Apollo或Autoware开源项目（贡献PR可直接写进简历）在Waymo Open Dataset上做Occupancy预测（面试官最爱问细节！）

四、秋招突击

1. 代码题库：LeetCode高频100题（重点DP/DFS/图论）+《剑指Offer》
2. 面经合集：牛客搜“元戎启行 感知”有2024新鲜面经（我被考过LSS的数学推导）

最后建议：

• 26届现在立刻投暑期实习！元戎/小鹏等公司实习转正率超50%
• 27届先打比赛（如Kaggle或ACM），有金牌直接简历过筛

有问题评论区见~ 看到都会回！

 #牛客AI配图神器#