自动驾驶感知算法简历范文（校招）

这份简历范文适合正在寻找自动驾驶感知算法校招岗位的计算机、自动化、车辆工程等专业应届生，以及需要将学术项目、比赛经历转化为简历亮点的同学。

• 零实习但有多段课程项目/竞赛经历的学生，可参考项目描述的结构和用词。
• 有相关实习经历但不知道如何突出感知算法方向的同学，可对照期刊标准打磨经历。

• 简历中是否明确指向感知算法方向（如3D目标检测、多传感器融合、BEV感知）。
• 每段经历是否体现具体技术栈和量化结果（mAP、FPS、精度提升百分比）。
• 算法基础与动手能力：是否熟悉深度学习框架（PyTorch/TensorFlow）、常用网络（PointPillars、YOLO系列）、数据处理（点云/图像）。

校招感知算法简历建议按以下顺序组织：个人优势（一句话定位）→ 教育背景（重点列出GPA、核心课程）→ 实习/项目经历（按岗位相关度排序）→ 竞赛/论文（如有）→ 专业技能。

• 个人优势：写清楚目标岗位和核心能力，如“自动驾驶感知算法方向，掌握激光雷达点云目标检测，熟悉C++/Python”。
• 项目经历：每条描述包含“场景+动作+工具+结果”，例如“基于nuScenes数据集，使用PointPillars网络实现3D目标检测，mAP达到68.3%”。
• 技能模块：按类别组织，例如“编程语言（C++、Python）、深度学习框架（PyTorch）、算法能力（点云处理、目标跟踪、多传感器标定）”。

拿到这份范文后，不要只替换姓名和学校；重点修改以下部分以匹配个人真实经历。

• 将所有项目名称、数据集、优化方法替换为自己实际参与过的内容，确保面试能详细展开。
• 调整量化数据：如果实际精度低于范文数字，改为真实数据或描述相对提升而非绝对数值。
• 删除自己不会的技能词：例如没做过SLAM，就不要在技能中写SLAM，避免面试被问倒。
• 统一动词时态和度量单位（如mAP、FPS、ms），保持全篇一致。

复制这份范文前，可以先看这些常见疑问，再决定哪些内容适合保留、替换或加强。