快手机器学习平台工程师【数据方向】

【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。

团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、参与设计并实现高可用、可扩展、分布式机器学习平台，支持语音、音乐、多模态相关算法高效迭代； 2、构建大规模数据存储、处理、分析系统，保障Pretrain/SFT/RL各个阶段的训练数据生产，持续提升数据的规模、质量、多样性； 3、与算法同学深度合作，优化数据处理依赖的基础模型，并参与大模型的训练评测，通过数据驱动模型效果提升； 4、负责数据和AI Infrastructure前瞻技术的调研和引入，持续加强提升部门关键技术竞争力。

钉钉正在全面拥抱多模态AI，正在致力于将视觉大模型、边缘智能与实时视频分析深度融合，赋能智能零售、智慧餐饮、明厨亮灶、智慧工厂、智能交通等多个行业。我们拥有强大的工程化能力和创新研发氛围，期待志同道合的技术精英加入，共同推动视觉AI落地千行百业。 我们正在寻找在视觉AI数据工程领域具备真正工程化落地经验的技术人才，你将参与视觉AI系统的数据全链路建设与优化，支撑边缘端视频AI服务的高效迭代。具体职责包括 1. 数据管理与运营 ● 数据需求分析与规划：根据算法团队的数据需求，协调整个数据闭环全流程工作（供应商对接、标注验收、测试benchmark） ○ 数据需求汇总：理解每个算法需要多少训练、测试数据，优先级分别是什么 ○ 制定数据采集、标注与质检计划，确保数据质量与交付时效 ● 数据渠道管理：外采（AIData等平台）、对接各个业务方和客户要数据 ○ 建立稳定的数据供应商合作关系，评估数据质量与成本 ○ 设计内部数据共享机制，打通业务侧真实场景数据 ● 外包工作管理：根据数据需求和优先级排工作以及工作验收 ○ 制定标注规范与验收标准，监控标注进度与质量 ○ 建立标注团队绩效评估体系 2. 数据挖掘与合成 ● 数据挖掘：根据算法需求在数据池中挖掘相关数据，或使用AIGC等手段进行数据合成 ○ 从海量视频数据中挖掘长尾场景、困难样本（如遮挡、小目标、极端光照等） ○ 设计数据筛选策略，提升训练数据的多样性与代表性 ● 数据合成与增强 ○ 利用AIGC、3D渲染、风格迁移等技术生成合成数据 ○ 设计针对边缘端场景的数据增强策略（模拟低分辨率、噪声、压缩失真等） 3. 评测开发 ● 评测体系建设：根据算法的测试需求，实现整个数据收集、脚本开发的CICD全流程 ○ 构建自动化评测平台，支持模型性能、精度、资源占用等多维度评估 ○ 实现测试数据集版本管理与可追溯性 ● 自动感知等功能的实现： ○ 开发数据质量自动检测工具（标注一致性、异常值检测） ○ 实现模型性能衰退自动告警机制 4. 数据平台&标准化工作 ● 数据平台建设：灵活应对各类数据需求 ○ 构建统一的数据管理平台，支持数据采集、标注、存储、检索、版本管理 ○ 实现数据血缘追踪，支持从原始数据到模型训练的全链路可追溯 ● 标准化规范： ○ 制定视觉AI数据标注标准与最佳实践 ○ 统一数据格式、元数据规范，降低跨项目数据复用成本 ○ 建立数据质量评估标准与SLA"

阿里巴巴智能信息事业群，聚焦AI在信息服务赛道的创新应用，从工具到服务，持续为用户提供高效、智能的AI应用。智能信息事业群核心产品为夸克、通义、UC浏览器、书旗小说、超级汇川等，以多产品矩阵，覆盖横跨各年龄段的7亿+用户人群，服务超10万+客户。 负责智能信息基础技术平台系统相关研发，包括不限于以下方向： 1、构建高效可靠的云原生容器平台、提出资源优化模型以提升业务资源效率、参与机器学习工程平台的建设和优化，以及运用技术和标准化方案确保平台服务的稳定性和可维护性。 2、负责开发和优化大模型应用开发框架，创造高效的搜索应用解决方案，并深度参与智能信息系统的基础架构与组件开发，以确保技术的高效集成与实际落地。 3、开发和优化搜索引擎，高并发检索、大数据分布式存储及流批计算等系统，深入搜索业务需求设计实现解决方案，不断提高业务性能、系统稳定性，提升系统效率和成本效益。 4、开发和优化推荐引擎、模型预测和向量检索等基础系统，深入参与信息流推荐业务以实现业务需求，同时基于业务洞察设计新平台或改进现有系统，提升系统效率和成本效益。 5、开发和优化实验平台与系统，紧跟AB测试技术前沿，为业务提供精准的实验设计和分析、优化关键指标，并应用算法提高业务参数寻优的效果和效率。 6、具备数理统计基础，在数据科学、数据分析方向有经验者优先。