快手数据挖掘工程师 —【可灵大模型团队】
任职要求
1、统计学、数学、计算机或相关专业硕士及以上学历，具备扎实的数据分析与建模基础； 2、熟练使用Python、SQL等分析工具，掌握常用数据分析与可视化工具（如Pandas、Tableau、Matplotlib等）； 3、有深度学习数据处理、特征提取经验，对数据分布分析有深入理解。熟悉机器学习、大模型训练相关基础知识，具备深度学习相关项目经验者优先； 4、具备良好的沟通能力和团队合作精神，能够独立完成分析并提出可落地的优化建议； 5、加分项：对视频生成、计算机视觉或多模态生成技术有深入理解或实际项目经验。对生成式AI领域有浓厚兴趣，关注行业最新动态并能提出创新性建议。
工作职责
1、数据pipeline建设：负责视频生成大模型的训练数据构建与管理，参与数据筛选、标注及质量评估工作。分析和挖掘现有数据资源，设计有效的数据分布策略，支持模型的持续迭代； 2、数据分布分析：对模型训练数据分布进行详细分析，识别数据偏差、不均衡及潜在问题。提供数据分布的可视化报告及改进建议，确保模型训练数据覆盖目标场景和多样性需求； 3、用户数据分析：分析用户交互数据，评估视频生成效果与用户满意度，提取用户反馈中的数据优化方向。构建用户行为分析模型，探索用户需求变化并为模型优化提供参考； 4、优化模型生成效果：构建数据飞轮。通过数据驱动的方法优化视频生成大模型效果，结合A/B测试等手段验证调整效果。与算法工程师合作，制定数据调整与扩展策略，提升模型在真实场景中的生成能力。
负责可灵AI的多源数据，线上用户反馈数据采集，挖掘和分析。通过数据挖掘、统计分析和可视化工具，完善可灵AI数据闭环链路，为可灵AI的数据侧提供战略决策和业务优化提供数据支持。 1、数据pipeline构建：负责视频生成大模型的训练数据构建与管理，参与数据筛选、标注及质量评估工作。分析和挖掘现有数据资源，设计有效的数据分布策略，支持模型的持续迭代； 2、数据分布分析：对模型训练数据分布进行详细分析，识别数据偏差、不均衡及潜在问题。提供数据分布的可视化报告及改进建议，确保模型训练数据覆盖目标场景和多样性需求； 3、用户数据分析：分析用户交互数据，评估视频生成效果与用户满意度，提取用户反馈中的数据优化方向。构建用户行为分析模型，探索用户需求变化并为模型优化提供参考； 4、优化模型生成效果：构建数据飞轮。通过数据驱动的方法优化视频生成大模型效果，结合A/B测试等手段验证调整效果。与算法工程师合作，制定数据调整与扩展策略，提升模型在真实场景中的生成能力。
1、数据特征算法方案制定与效果优化：针对不同模态、多种类目的数据，设计自动化筛选方案；对多模态数据涉及的前沿特征算法（如物体跟踪、ID 重识别、音频分离）进行场景化效果优化。与算法工程师协作，制定数据调整与扩展策略，提升模型在真实场景中的生成能力； 2、数据 pipeline 建设：负责多模态大模型训练数据的构建与管理，参与数据筛选、标注及质量评估工作。分析和挖掘现有数据资源，设计有效的数据分布策略，支持模型持续迭代； 3、数据分布分析：对模型训练数据分布进行详细分析，识别数据偏差、不均衡及潜在问题。提供可视化报告及改进建议，确保训练数据覆盖目标场景并满足多样性需求，最终通过数据驱动方法优化视频生成大模型效果。
1、负责可灵AI数据侧从模型效果出发，对各种数据源中收集、处理和分析数据，以提取有价值的信息、洞察力和趋势，以支持数据驱动的决策过程； -模型分析和评测：分析数据对模型带来的效果，通过多角度的数据分析验证数据的模型下效果； -评测能力建设和结果呈现：建设系统化的数据分析的平台和工具，完善AI模型分析的链路和机制；按时按量输出高质量的数据分析和反馈报告，支撑数据决策； -质量改进和文档管理: 参与需求评审和设计评审，提前发现潜在问题，提供质量改进建议；编写和维护分析相关文档，如分析报告、模型说明等。 2、负责可灵AI数据平台的质量保证工作，确保平台的功能、性能和稳定性达到预期标准。通过测试计划制定、执行和优化，提升平台的整体质量和用户体验； -测试计划与设计：根据AI数据平台的需求和技术文档，制定详细的测试计划和测试用例；设计功能测试、性能测试、兼容性测试等多种测试方案； -测试执行和缺陷管理：设计数据平台侧通用测试用例，设计并执行自动化的手动测试和自动化测试，确保平台功能符合预期；发现并报告平台及相关软件的缺陷，跟踪问题的修复进度； -质量改进和文档管理：参与需求评审和设计评审，提前发现潜在问题；提供质量改进建议，优化测试流程和工具；编写和维护测试相关文档，如测试计划、测试报告等。
1、数据特征算法方案制定与效果优化：针对不同模态、多种类目的数据，设计自动化筛选方案；对多模态数据涉及的前沿特征算法（如物体跟踪、ID 重识别、音频分离）进行场景化效果优化。与算法工程师协作，制定数据调整与扩展策略，提升模型在真实场景中的生成能力； 2、数据 pipeline 建设：负责多模态大模型训练数据的构建与管理，参与数据筛选、标注及质量评估工作。分析和挖掘现有数据资源，设计有效的数据分布策略，支持模型持续迭代； 3、数据分布分析：对模型训练数据分布进行详细分析，识别数据偏差、不均衡及潜在问题。提供可视化报告及改进建议，确保训练数据覆盖目标场景并满足多样性需求，最终通过数据驱动方法优化视频生成大模型效果。