TCLAI数据工程师(实习生)
任职要求
1、教育背景:本科及以上学历,计算机科学、数据科学、中文、语言学或相关专业优先 2、 技能要求:对人工智能及机器学习领域有基本了解,熟悉数据清洗、特征工程等…
工作职责
1、多模态数据处理与标注 根据机器人项目需求,对多种类型的数据(文本、图像、音频等)进行高质量标注与分类,确保数据的准确性与一致性;参与多模态数据(语音、图像、动作轨迹等)清洗、筛选与结构化处理,优化数据质量,为模型训练提供可靠的输入。 2、数据质量评估与优化 设计并执行数据质量评估流程,发现并解决数据中的问题;提出数据标注流程的优化建议,提升标注效率与质量。 3、模型反馈与迭代支持 与算法工程师协作,分析模型训练结果,识别数据中的潜在问题并提出改进方案;根据模型需求,参与数据集的扩充与多样化处理,支持模型性能的持续优化。 4、跨部门协作 与产品、算法及工程团队紧密合作,理解业务需求,确保数据标注与处理符合项目目标;参与团队内部的知识分享与培训,对AI及具身智能技术有更进一步的了解。
1、多模态数据处理与标注 根据机器人项目需求,对多种类型的数据(文本、图像、音频等)进行高质量标注与分类,确保数据的准确性与一致性;参与多模态数据(语音、图像、动作轨迹等)清洗、筛选与结构化处理,优化数据质量,为模型训练提供可靠的输入。 2、数据质量评估与优化 设计并执行数据质量评估流程,发现并解决数据中的问题;提出数据标注流程的优化建议,提升标注效率与质量。 3、模型反馈与迭代支持 与算法工程师协作,分析模型训练结果,识别数据中的潜在问题并提出改进方案;根据模型需求,参与数据集的扩充与多样化处理,支持模型性能的持续优化。 4、跨部门协作 与产品、算法及工程团队紧密合作,理解业务需求,确保数据标注与处理符合项目目标;参与团队内部的知识分享与培训,对AI及具身智能技术有更进一步的了解。
职位描述 - 负责小米大数据平台的研发工作,面向湖仓一体场景建设,Data + AI 数据处理能力建设,以及分布式引擎的最佳实践落地 - 支撑集团各业务团队的数据开发能力,提供一站式数据平台解决方案,支持 PB 级数据处理能力 - 持续提升数据平台的能力、易用性和质量
Bravo 102是由阿里国际技术全团队共同发起的全球顶尖技术人才孵化计划,打破传统人才选拔及培养框架,为有志于走向AI未来的技术新锐们,提供“你行你上+我要我来”的双向奔赴式的实习机会选择。 在这里,“我”将不被岗位定义,以能力选择业务战场,与全球顶尖团队并肩作战,沉浸式体验全球多元化业务战场与亿级流量高并发系统。 加入我们,成为AIDC首批102位Bravo Talent,一起掌舵AI,为我们的未来Bravo! 关于我们: 我们希望利用 AI 技术让每个人都能够轻松、便捷地享受全球优质的商品和服务,推动商业活动更加高效、可持续,为社会未来的发展带来更多可能性。 数据团队立足中国、服务全球,每天处理覆盖东南亚、欧洲、美洲等多时区的跨境数据洪流,在多语言、多文化、多法规的复杂场景中,打造“数据&AI技术驱动业务”的全球化数据中台,打造亿级跨境数仓平台,攻克多时区同步与数据合规难题;运用 AI 模型优化流量分配与智能诊断,推动决策AI化转型;沉淀算法能力为 AI 产品,直达业务价值;保障双十一级洪峰响应,为全球消费者营造流畅的购物体验; 欢迎加入我们一起构建强大的数据中台和智能决策支持系统! 职位描述: 1、驱动阿里国际数字商业板块业务增长,构建 AIDC 100多个国家数据运营资产体系; 2、建设本地化市场洞察和机会发现能力,帮助业务全方位了解行业动态,挖掘商业机会; 3、承担设计和建立产品/业务的指标体系,能够科学地跟踪和指导业务的发展; 4、参与构建海外 ToB/ToC 电商用增、供应链&物流、商品等行业的数据智能化应用解决方案,驱动业务获得增量价值; 5、参与构建企业级 Data Agent,融合 LLM 与业务数据打造智能决策大脑;

文远知行 (WeRide.ai) 正在寻找优秀的编程人才,致力于通过解决人工智能和机器人领域最具挑战性的问题来变革未来的出行方式。开发安全可靠的自动驾驶汽车,其核心在于对车辆性能有深入的、数据驱动的理解。Metrics 团队(指标团队)正在寻找一位优秀的数据工程师来构建衡量我们成功的基础系统。您将负责创建能将原始数据转化为关键洞察的基础设施,确保我们做出的每一个决策都有准确且可扩展的指标作为支持。 1. 研发自动驾驶系统安全性、舒适性等评价算法,保障系统可靠运行。 2. 理解业务需求,深入自动驾驶业务,梳理业务流程,设计数据链路与指标体系,量化自动驾驶能力。 3. 对自动驾驶测试数据进行汇总与分析,深挖数据变化原因,结合数据分析发现问题。 4. 负责数据可视化与报告自动化,让数据直观呈现,辅助决策。 5. 自动驾驶场景挖掘。从海量非结构化测试数据中,高效提取对自动驾驶提升有高价值的交通场景。 6. 自动驾驶能力评价Metrics。运用算法模型或规则,开发自动驾驶算法能力评价指标与自动化评价方法。 7. 建立自动驾驶行为评价的体系框架。