职位&公司对比

职位详情

• 北京
• 3-5年
• 本科

• Java
• PostgreSQL原理/源码
• 要求数据开发经验
• Spark原理/源码
• 大数据引擎开发经验
• Flink原理/源码
• 数据建模经验
• Kafka
• MySQL/SQL Server
• 非外包类
• 实时数仓开发经验
• 计算机相关专业
• 数据平台开发经验
• Flink
• 数据治理经验
• SQL
• 数据库内核开发经验
• MySQL原理/源码
• Elasticsearch
• Spark
• 数据仓库开发经验
• Python
• 数学/统计相关专业

1. 职位描述： 数据全流程管理 ：负责大模型（LLM）相关数据的采集、清洗、预处理及标注流程设计与优化，确保数据质量与可用性，为模型训练提供坚实基础。 数据服务接口开发 ：设计与开发数据服务接口（RESTful/gRPC），实现与上下游系统（标注平台、训练集群、业务应用等）的高效对接，保障数据流转顺畅。 数据处理流水线构建 ：构建高效、可扩展的数据处理流水线，支持多源异构数据（APIBOSS直聘/日志/数据库）的实时 / 批量同步，满足模型对大规模数据的需求。 数据存储架构优化 ：优化数据存储架构，设计基于向量数据库（如 Milvus/Pinecone/FAISS）的检索与缓存策略，提升数据检索效率与性能。 自动化工具开发 ：开发自动化工具，提升数据标注、质量校验和版本管理的效率，降低人力成本，提高工作精准度。 模型服务化支持 ：参与模型服务化落地，支持特征工程与BOSS直聘向量化数据的高效生产与交付，助力模型快速部署与应用。 数据质量评估与改进 ：参与数据质量评估体系设计，制定数据标注规范与标准；与算法团队合作，分析模型性能瓶颈并提出数据层面的改进方案，持续提升模型效果。 多模态数据探索 ：探索多模态数据（文本、图像、视频等）的处理与融合技术，拓展数据应用场景，提升模型的综合性能。 数据增强与合成 ：研究数据增强、合成数据生成等技术，优化数据多样性及规模，缓解数据稀缺问题，增强模型的泛化能力。 2. 任职要求 教育背景 ：计算机科学、人工智能、数据工程或相关专业本科及以上学历。 编程能力 ：精通 Python 编程，熟悉 Go/Java 至少一种后端语言，具备扎实的数据结构与算法基础，能够高效处理复杂数据问题。 数据接口开发 ：掌握分布式数据接口开发技术（如 FastAPI/Flask/gRPC），熟悉消息队列（Kafka/RabbitMQ），保障数据服务的高并发与稳定性。 向量数据库技术 ：熟悉向量数据库原理及优化技巧（索引构建、相似性检索、分布式部署），能够根据业务需求选择合适的向量数据库并进行性能调优。 数据中台经验 ：具备数据中台开发经验，了解 ETL 工具（Airflow/Luigi）及数据血缘管理，能够构建完善的数据管理体系。 深度学习框架 ：熟悉主流深度学习框架（PyTorch/TensorFlow）及大模型技术原理，了解 Transfor来自BOSS直聘mer 架构及训练流程，与算法团队紧密协作。 云原生技术 ：了解云原生数据服务（AWS S3/Redis/ElasticSearch），掌握 Docker/K8s 部署能力，能够灵活运用云资源进行数据处理与模型部署。 数据工程工具链 ：掌握数据工程工具链（如 Hadoop/Spark/Dask/Pandas），具备 TB 级数据处理经验，熟练应对大规模数据挑战。 数据标注与版本管理 ：熟悉数据标注工具（Label Studio/Prodigy 等）及数据版本管理（DVC/Git），确保数据标注的准确性和可追溯性。 数据隐私与合规 ：了解数据隐私与合规要求（如 GDPR），熟悉数据脱敏与安全处理技术，保障数据的合法合规使用。 3. 任职资格 数据工程经验 ：5 年以上数据工程经验，具备数据管道（Data Pipeline）全链路开发案例，能够独立完成复杂数据项目的实施。 大模型项目经验 ：2年以上大模型项目经验，有完整参与 LLM 数据全流程建设（从原始数据到训练就绪数据）的案例，熟悉大模型的数据需求与特点。 向量数据库项目经验 ：实际参与过向量数据库选型、性能调优或高并发数据服务接口开发项目，能够根据业务场景做出合理的技术决策。 图数据库与知识图谱 ：熟悉图数据库（Neo4j/JanusGraph）与知识图谱数据构建，能够拓展数据的应用维度。 数据服务性能优化 ：具备大模型数据服务 API 性能优化经验（如响应延迟 <100ms）直聘，为业务应用提供高效的数据支持。 MLOps 系统对接 ：主导过数据平台与 MLOps 系统的技术对接（如集成 W&B/MLflow），促进数据与模型开发的协同。