AI数据工程高级专家(J13322)

职位描述

1、负责联通云大模型训练与推理全流程 AI 数据体系规划、架构设计及工程化落地，保障万亿级参数大模型预训练、微调、强化学习的数据供给与质量。

2、构建万卡集群训练场景下的高性能数据处理引擎，负责数据全链路预处理研发与数据质量评估体系建设，满足 TB~PB 级数据高吞吐、低延迟调度需求。

3、设计多源异构数据接入体系，实现文本、语音、图像、视频、多模态、行业语料等数据统一接入、格式转换、脱敏加密与合规治理。

4、主导大模型全场景高质量数据标注体系建设，制定标注方案、工具链、质检流程与众包 / 专家协同机制，支撑 SFT/RLHF、指令微调、领域及评测数据生产。

5、构建 AI 数据湖 / 数仓一体化架构，优化训练数据高吞吐读写、随机访问、分片加载与缓存能力，降低训练 IO 瓶颈。

6、搭建数据编排与自动化流水线平台，实现任务可视化、断点续跑、异常重试、弹性扩缩容与优先级调度，保障大规模训练数据供给 SLA。

7、研发领域数据构建与蒸馏能力，包括行业语料挖掘、指令 / 对话数据合成、小样本增强等，支撑垂直领域大模型快速迭代。

8、统筹数据安全合规、性能基准与成本优化，建立指标体系与优化机制；负责专利、标准、方法论沉淀，并指导团队保障 MaaS 平台规模化商用交付。

任职要求

1、本科及以上学历，计算机、人工智能、数据科学、软件工程等相关专业，5年以上大数据/AI数据工程/数据平台研发经验，3 年以上AI训练数据体系建设或技术带头人经验；

2、精通 Python/Java/Go 至少一种，熟悉分布式数据处理框架，具备大规模数据流水线开发与性能调优能力；

3、深度熟悉大模型训练数据全流程：数据采集、清洗、去重、预处理、标注、增广、存储、质量评估，理解 LLM / 多模态数据特点与工程痛点；

4、熟悉主流分布式计算引擎与大数据技术栈，具备 PB 级数据处理平台架构与优化经验；熟悉云原生架构，有数据处理任务云原生化调度与资源优化经验；熟悉高性能存储体系（对象存储、并行文件系统、缓存加速、近存计算），具备 AI 训练 IO 优化与高吞吐数据读写实践；

5、了解常见数据标注工具与流程，具备 SFT/RLHF 数据构建、指令数据集设计、数据质量治理经验者优先；

6、掌握数据质量评估、数据去重算法、文本 / 图像 / 语音基础处理方法，具备算法与工程结合落地能力；具备数据安全、隐私保护、脱敏合规相关项目经验，熟悉运营商/云服务合规要求；

7、具备优秀的系统设计能力、问题定位能力、抗压能力与跨团队协作能力，能够支撑重大项目与客户现场保障。