百度千帆大模型数据策略工程师（J83077）
社招全职ACG地点：北京 | 上海状态：招聘
任职要求
-熟练掌握 Python/GO 中至少一种编程语言，具备良好的编码习惯和常用设计模式的理解 -具备大规模的预训练/指令/偏好数据的收集、清洗、构建经验，有大模型数据合成、图文多模态数据处理经验者优先 -熟悉大模型评测方式和各类评估指标，对如何准确、高效地评估大模型各类能力有实践经验 -熟悉大模型调优，有开源大模型的Pretrain/SFT等训练经验，有多模态训练/调优经验的优先 -熟练使用Docker、Kubernetes相关生态和工具，熟悉Spark等大规模数据处理框架者优先 -具备良好的沟通以及团队合作能力，拥有较强的学习意愿和能力，能够快速掌握工作所需的知识和技能
工作职责
-负责大模型数据合成相关工作，包括技术调研、数据生成与处理、模型训练及效果评估 -负责大规模文本、多模态数据的处理与清洗工作，优化数据质量 -支持大模型在实际业务场景中的应用落地，负责平台客户的场景建模任务，将模型算法落地到客户的业务场景中 -与其他角色和团队合作，共同完成相关项目需求
包括英文材料
Python+
https://liaoxuefeng.com/books/python/introduction/index.html
中文，免费，零起点，完整示例，基于最新的Python 3版本。
https://www.learnpython.org/
a free interactive Python tutorial for people who want to learn Python, fast.
https://www.youtube.com/watch?v=K5KVEU3aaeQ
Master Python from scratch 🚀 No fluff—just clear, practical coding skills to kickstart your journey!
https://www.youtube.com/watch?v=rfscVS0vtbw
This course will give you a full introduction into all of the core concepts in python.
Go+
https://www.youtube.com/watch?v=8uiZC0l4Ajw
学习Golang的完整教程！从开始到结束不到一个小时，包括如何在Go中构建API的完整演示。没有多余的内容，只有你需要知道的知识。
编程规范+
[英文] Google Style Guides
https://google.github.io/styleguide/
Every major open-source project has its own style guide: a set of conventions (sometimes arbitrary) about how to write code for that project. It is much easier to understand a large codebase when all the code in it is in a consistent style.
设计模式+
https://liaoxuefeng.com/books/java/design-patterns/index.html
设计模式，即Design Patterns，是指在软件设计中，被反复使用的一种代码设计经验。使用设计模式的目的是为了可重用代码，提高代码的可扩展性和可维护性。
[英文] Design Patterns
https://refactoring.guru/design-patterns
Design patterns are typical solutions to common problems in software design. Each pattern is like a blueprint that you can customize to solve a particular design problem in your code.
https://www.youtube.com/watch?v=NU_1StN5Tkk
Design Patterns tutorial explained in simple words using real-world examples.
大模型+
https://www.youtube.com/watch?v=xZDB1naRUlk
You will build projects with LLMs that will enable you to create dynamic interfaces, interact with vast amounts of text data, and even empower LLMs with the capability to browse the internet for research papers.
https://www.youtube.com/watch?v=zjkBMFhNj_g
SFT+
https://cameronrwolfe.substack.com/p/understanding-and-using-supervised
Understanding how SFT works from the idea to a working implementation...
Docker+
https://www.youtube.com/watch?v=GFgJkfScVNU
Master Docker in one course; learn about images and containers on Docker Hub, running multiple containers with Docker Compose, automating workflows with Docker Compose Watch, and much more. 🐳
https://www.youtube.com/watch?v=kTp5xUtcalw
Learn how to use Docker and Kubernetes in this complete hand-on course for beginners.
Kubernetes+
https://kubernetes.io/docs/tutorials/kubernetes-basics/
This tutorial provides a walkthrough of the basics of the Kubernetes cluster orchestration system.
https://kubernetes.io/zh-cn/docs/tutorials/kubernetes-basics/
本教程介绍 Kubernetes 集群编排系统的基础知识。每个模块包含关于 Kubernetes 主要特性和概念的一些背景信息，还包括一个在线教程供你学习。
https://www.youtube.com/watch?v=s_o8dwzRlu4
Hands-On Kubernetes Tutorial | Learn Kubernetes in 1 Hour - Kubernetes Course for Beginners
https://www.youtube.com/watch?v=X48VuDVv0do
Full Kubernetes Tutorial | Kubernetes Course | Hands-on course with a lot of demos
Spark+
[英文] Learning Spark Book
https://pages.databricks.com/rs/094-YMS-629/images/LearningSpark2.0.pdf
This new edition has been updated to reflect Apache Spark’s evolution through Spark 2.x and Spark 3.0, including its expanded ecosystem of built-in and external data sources, machine learning, and streaming technologies with which Spark is tightly integrated.
相关职位
实习ACG
-参与Qianfan-VL多模态模型训练工作，负责图像、视频与文本模态的对齐和指令微调数据构造与清洗，模型实验 -构建优质代码数据语料库，通过检索生成结合执行环境自动验证的方式构造合成数据，通过持续预训练、强化学习等方式训练精专代码大模型 -跟进并探索前沿的模型范式，研究样本质量/数量对模型效果的影响，摸索更高效、低成本的蒸馏方案，研究RL在特定需求场景下的适用性 -深刻理解模型训练、推理的性能瓶颈，通过底层优化提升训练、推理性能 -研究方向（新增数据策略方向）： 多模态大模型预训练/后训练数据清洗与合成 多模态推理场景强化 多模态教育、解题场景增强 复杂指令遵循 Agent场景数据构建 复杂场景下的代码提升
更新于 2025-08-21
社招ACG
-协助进行大模型开发平台的需求分析、竞品调研、需求文档撰写，并跟进开发、测试及上线 -参与产研、运营多方紧密协同，推进各事项的稳步执行 -编写千帆大模型平台相关产品介绍、实践文档等材料 -跟进平台用户咨询及使用问题，并协调周围角色进行解决
更新于 2025-07-10
实习ACG
-协助进行大模型开发平台的需求分析、竞品调研、需求文档撰写，并跟进开发、测试及上线 -参与产研、运营多方紧密协同，推进各事项的稳步执行 -编写千帆大模型平台相关产品介绍、实践文档等材料 -跟进平台用户咨询及使用问题，并协调周围角色进行解决
更新于 2025-07-10
实习ACG
-关注大模型在应用中的模型效果问题，能深入分析提炼评价体系，并与算法策略团队推进模型效果迭代 -调研并分析大模型落地应用情况，根据客户输入及数据分析提炼效果优化点，主动发现并抽象问题 -辅助建设并持续完善大模型在具体场景的效果评估体系，支持高质量数据集建设，推进大模型效果持续提升 -参与设计大模型在常见行业领域的应用范式，总结最佳实践，帮助客户快速提升大模型效果
更新于 2025-07-01