AI模型数据架构师（生命科学 / 工业大数据）

职位描述

1. 数据架构搭建：设计大模型全链路数据架构，包含数据采集、清洗、脱敏、标注、分层存储、版本管理，搭建适配生命科学与智能制造的镁伽行业数据中台。

2. 行业语料库建设：统筹科研文献、实验记录、试剂数据、工艺参数、设备日志、运维工单、工业图像等多源异构数据，构建高质量、结构化、可迭代的专属行业语料库，支撑镁伽大模型训练与微调。

3. 数据治理优化：制定数据质量规范、标注标准、脱敏安全规范，解决脏数据、异构数据、低质量科研 / 工业数据问题，提升模型训练与微调的数据纯度。

4. 多模态数据体系：搭建文本、显微图像、工业视觉、传感器时序数据、设备控制指令等多模态数据关联架构，支撑多模态大模型研发。

5. 数据工具与平台优化：选型优化向量数据库、标注平台、数据存储引擎，对接 GPU 训练集群，打通数据 - 训练 - 评测 - 上线的数据流转链路；保障企业数据安全、权限管控、合规使用。

任职要求

1. 硕士及以上学历，计算机、数据科学、大数据、生物信息、自动化等相关专业，3 年以上大模型数据架构、大数据治理经验。

2. 精通大模型数据全流程技术，熟悉语料清洗、去重、过滤、脱敏、采样、质量评估，有千亿级模型训练数据搭建经验优先。

3. 熟练使用 Milvus、FAISS、Chroma 等向量数据库，精通 Hadoop、Spark、数据湖、数据仓库架构，熟练掌握 SQL、Python 数据处理。

4. 了解工业设备数据、生物实验数据特性，能够针对非标行业数据设计结构化、标准化治理方案。

5. 具备数据安全、数据合规设计经验，有 AI 训练数据平台、行业知识库搭建经验，熟悉镁伽业务数据来源者优先。