阿里巴巴数据技术及产品部-AI数据处理工程师-数据工程
任职要求
1、具备AI+数据双栈能力：精通Python，熟悉SQL及大数据处理； 2、具备一定的机器学习&深度学习算法基础，理解图像生成模型的基础原理，对该领域有强烈的兴趣； 3、数据工程基础扎实：熟悉主流大数据平台（如 Spark/Flink/MaxCompute/Had…
工作职责
1、深度参与Qwen-Image基模的数据处理、交付、评测完整链路， 助力模型成为全球最领先的图像生成/编辑模型； 2、通过agent框架，建设不同场景的数据合成链路，实现垂域高质量图片数据的规模化合成； 3、数据&模型闭环迭代：基于评测反馈的短板，设计对应的专项数据集，并在训练过程中构建可观测指标，量化数据对模型能力提升的贡献，动态更新数据集，实现数据 → 模型 → 评测 → 数据的循环优化； 4、构建海量的图片检索引擎，满足垂域数据的高质量检索需求； 5、与模型团队协作，参与训练数据构造、数据反哺、短板挖掘和评测闭环建设，通过数据驱动模型能力提升，成为AI模型训练的数据核心驱动力；
1、参与集团级AI数据引擎：负责多模态数据（文本、音频、图像、视频）的采集、清洗、处理、治理与资产化管理，打造可复用、可观测、可解释的 EB 级数据体系，支撑大模型训练与推理的高质量数据供给； 2、多模态数据智能化处理：主导音频/视频/图像等模态的自动理解、标签体系构建、语义特征抽取、质量建模与自动化治理；设计并训练分类、识别、预测等多模态模型； 3、AI Native数据Pipeline建设：使用LLM+Agent框架构建智能数据Pipeline，实现数据分渠道过滤、去重、质量诊断、调度编排和异常告警等环节的自动化，显著降低人力成本； 4、数据&模型闭环迭代：基于评测反馈的短板，设计对应的专项数据集，并在训练过程中构建可观测指标，量化数据对模型能力提升的贡献，动态更新数据集，实现数据 → 模型 → 评测 → 数据的循环优化； 5、数据资产治理：负责元数据、数据血缘、分类分级、质量评分、数据标准、价值评估等治理框架的设计与落地，推动数据资产的可视化与可运营化，让数据可管理、可复用、可增长； 6、与模型团队协作，参与训练数据构造、数据反哺、短板挖掘和评测闭环建设，通过数据驱动模型能力提升，成为AI模型训练的数据核心驱动力；
1、参与集团级AI数据引擎：负责多模态数据（文本、音频、图像、视频）的采集、清洗、处理、治理与资产化管理，打造可复用、可观测、可解释的 EB 级数据体系，支撑大模型训练与推理的高质量数据供给； 2、多模态数据智能化处理：主导音频/视频/图像等模态的自动理解、标签体系构建、语义特征抽取、质量建模与自动化治理；设计并训练分类、识别、预测等多模态模型； 3、AI Native数据Pipeline建设：使用LLM+Agent框架构建智能数据Pipeline，实现数据分渠道过滤、去重、质量诊断、调度编排和异常告警等环节的自动化，显著降低人力成本； 4、数据&模型闭环迭代：基于评测反馈的短板，设计对应的专项数据集，并在训练过程中构建可观测指标，量化数据对模型能力提升的贡献，动态更新数据集，实现数据 → 模型 → 评测 → 数据的循环优化； 5、数据资产治理：负责元数据、数据血缘、分类分级、质量评分、数据标准、价值评估等治理框架的设计与落地，推动数据资产的可视化与可运营化，让数据可管理、可复用、可增长； 6、算法与工程一体化协作：与模型团队协作，参与训练数据构造、数据反哺、短板挖掘和评测闭环建设，通过数据驱动模型能力提升，成为AI模型训练的数据核心驱动力；
1：主导 AI 数据产品线（B 端）的产品体验设计，包含模型及Agent数据分析、数据应用等产品，深度参与产品构思及迭代； 2：独立完成用户研究、流程设计、原型制作及验证，推动设计方案高质量落地，并根据数据反馈持续优化； 3：深入理解业务场景，与产品、开发等多团队紧密协作，确保设计的一致性、易用性； 4：注重细节与产品思维，能够从概念到交付全流程把控设计质量； 5：关注AI工具及设计趋势，积极探索多模态交互、生成式 UI 及 AI 场景下的体验创新和优化方案。
1、主导面向Agent的新型数据体系架构设计与落地，推动数据资产从传统报表模式向智能体可消费模式演进； 2、负责端到端数据建模设计与开发交付，实现核心业务实体模型设计； 3、负责数据质量治理与链路稳定性保障，建立监控告警、血缘追踪与异常恢复机制，确保数据SLA； 4、负责面向Agent交互场景的Skill 开发与调优，覆盖智能找表、自然语言查询、数据分析洞察等核心能力，持续提升问数准确率与响应效率。