阿里云阿里云智能-技术内容工程师(数据库方向)-杭州
任职要求
1. 5年以上技术内容写作/产品经理/技术开发/测试开发/运维经验。 2. 具备数据库开发/运维、DBA相关经验,或具备数据库内核开发、性能调优、高可用架构设计等实践经验者优先。 3. 具备云计算行业经验为加分项。 4. 熟练掌握数据库技术栈,如存储计算分离、SQL/NoSQL引擎(MySQL/PostgreSQL/MongoDB等)、云原生架构(Kubernetes托管数据库)等。 5. 精准定位用户数据应用场景的需求,结合阿里云数据库产品,从方案架构、云产品选型以及在线部署等维度,创作高质量、具备完整端到端能力的技术解决方案。 6. 具备用户数据分析、反馈提炼总结的能力,快速总结沉淀用户体验相关洞察,不断沉淀标准化分析洞察的方法、模型、流程,提高洞察效率。 7. 具备良好的团队沟通协同能力,能推动多业务、角色的大型项目顺利推进与交付。 8. 能够编写清晰、规范、专业的技术文档,使用简洁明了的语言描述技术概念和操作步骤,使用户易于理解、操作和搜索。
工作职责
1. 深入理解产品与用户需求:全面掌握云计算数据库产品(如关系型数据库、分布式数据库、云原生数据库)的核心架构、功能特性及目标客户群体,精准识别开发者在文档使用中的痛点,主导文档的设计、验证与持续优化,提升开发者自服务能力。 2. 文档体系与规范建设:作为云计算数据库产品的文档负责人,设计并落地技术内容信息架构,制定统一的文档写作规范、打造世界领先的数据库技术内容。 3. 场景化解决方案设计与交付:提炼数据库应用的典型场景,主导从方案设计、文档编写到交付的全流程支撑。 4. 产品优化与竞争力提升:分析行业共性需求及技术瓶颈,反馈并推动产品功能优化,提升产品的市场竞争力。
1、有较强的复杂业务分析能力,能全面把握产品的功能及非功能需求,设计有效的测试策略 2、提供有效功能测试设计和用例, 开发自动化测试用例脚本并执行; 3、能灵活创新开发工作中需要的测试工具; 4、能参与全站国际化、生态化、中台架构改造升级,解决可测性问题及系统稳定性保障; 5、有一定的测试平台规划和设计研发能力,提升整体测试效率和质量; 6、能参与到质量领域的AI探索方向,包括Agent研发,模型调优等。
我们的愿景是通过大数据和智能算法,实现淘天物流的智能化升级。综合使用各种算法,构建物流单量预测、时效预测、物流服务表达精准调控、消费者洞察、履约服务质量智能诊断、智能履约、物流网络优化及仓储作业优化等智能产品,同时,积极探索基于大模型的AI Agent在物流领域的研发和应用落地。面向海量的淘天订单和消费者,提升物流履约能力,降本增效,保障广大淘天消费者的购物正逆向物流服务体验。我们的工作充满了挑战、探索和乐趣。我们的具体工作内容如下: 1、基于淘天集团的大数据,负责分析和挖掘淘天端到端的物流运作优化机会,并研发和构建优化算法提升其运作效率和降低成本; 2、承担淘天物流领域的机器学习、深度学习、强化学习或运筹优化等算法的研发、设计和部署等工作; 3、负责应用机器学习、深度学习、强化学习或运筹优化等人工智能技术解决数据挖掘、图像识别、自然语言处理、视频挖掘等领域问题,打造淘天智慧物流体系; 4、承担数据化运营的数据分析和算法设计工作,通过采集业务信息以及应用海量数据,进行数据化的分析处理,为数据化运营提供决策支持; 5、负责追踪大模型、多模态、AIGC等人工智能方向的前沿算法和技术,并将相关算法应用到淘天物流业务场景中,打造淘天集团物流AI Agent,升级淘天物流智能化水平。
1、负责数据平台产品核心模块的前端架构设计与开发,确保产品具备高性能、高可用性、优秀的用户体验 2、负责建设分布式 Puppetter 集群,支持高并发获取动态页面内容,解决内容抓取性能、稳定性、调度问题 3、根据对应的产品规划,参与制定对应方向的技术规划,具备技术攻坚、负责落地多人协作的技术专项的能力 4、能深度参与到产品需求分析,从前端的视角给出对应的产品建议 5、建立完善的质量控制体系,确保产品的交付质量
1、深度参与安全/体服方向的业务作业系统构建,负责从架构设计到功能开发的全流程工作,确保系统具备高稳定性、高性能与高安全性,满足业务快速发展的需求;在在线/近线/离线数据处理系统开发中,运用前沿技术实现数据的高效采集、清洗、存储与分析,为业务决策提供有力支持;参与图&文检索与召回系统的搭建与优化,提升检索精度和召回率,保障用户能够快速获取所需信息; 2、主导RAG/Agent应用构建系统的研发工作,探索AI技术在实际业务中的创新应用,将大模型能力融入应用,实现智能化交互与服务,推动业务模式的创新发展;在AI应用落地过程中,负责技术选型、算法优化与工程实现,攻克技术难题,确保AI应用能够稳定、高效地服务于业务场景; 3、面对异构大数据处理的复杂挑战,运用先进的数据处理技术和工具,对多样化的数据进行整合、处理与分析,挖掘数据价值,为业务发展提供数据驱动的决策依据;持续优化异构大数据处理流程,提升数据处理效率和质量,降低系统成本,增强系统的可扩展性和兼容性。