得物大数据开发工程师-95分
任职要求
1. 本科及以上学历，计算机相关专业，3年以上大数据开发相关工作经验。 2.精通sql开发及性能调优。熟悉数仓建设方法论，熟悉数仓领域知识和技能，包括但不限于元数据管理、数据质量、性能调优等。 3. 精通Java/Scala/Python等至少一种编程语言，熟悉大数据处理框架，如Flink、Spark、Hadoop等。 4. 具备良好的沟通能力和团队合作精神，能够与各团队紧密合作，理解业务需求，能够清晰表达自己的想法，与团队成员有效沟通，协作解决问题。 5. 对数据质量和系统稳定性有较高的要求，有故障排除和监控经验者优先。 6. 具备扎实的编程基础和良好的解决问题能力，能够独立完成复杂的数据处理任务。 7. 具备较强的学习能力和问题解决能力，能够不断学习和适应新的技术和工作需求。
工作职责
1. 负责离线/实时数据仓库的模型建设。 2. 支撑搜索、用户画像、圈人圈品等业务的数据需求，确保输出时效性和准确性。 3. 深入参与数据产品建设，为公司内外提供完善的数据解决方案。 4. 与数据分析团队合作，理解业务需求，提供合适的数据处理方案。 5. 参与数据治理工作，提升数据易用性及数据质量。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：字节跳动国际化短视频的数据科学团队负责运用专业的统计学知识和技能、出色的商业思维为数亿用户提供更优质的使用体验，期待有志同道合的新伙伴加入！ 1、智能标注支持与优化：使用AIGC/LLM/多模态模型为商业化数据标注项目提供高质量的智能标注解决方案，包括利用Promt Engineering、RAG搭建LLM agent、多模态模型训练支持数据的自动标注与辅助标注；设计和实施数据增强策略，分析模型输出数据，识别潜在问题并提出改进建议； 2、模型评估与调优：开发评估指标和测试框架，评估AIGC/LLM或深度模型在不同应用场景中的表现；基于数据分析结果，提出模型调优方案，并落地实施； 3、数据驱动决策：通过数据分析和挖掘，为产品团队提供数据驱动的决策支持；跟踪行业最新趋势，探索AIGC/LLM领域的新数据源和应用场景； 4、跨团队协作：与算法工程师、产品经理、业务团队紧密合作，确保数据支持与业务需求对齐；参与项目需求讨论，提供数据科学角度的专业建议； 5、英语沟通：支持纯英文环境下，跨多团队，多国家地区的项目沟通与协调。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：字节跳动国际化短视频的数据科学团队负责运用专业的统计学知识和技能、出色的商业思维为数亿用户提供更优质的使用体验，期待有志同道合的新伙伴加入！ 1、数据支持与优化：为AIGC/LLM模型提供高质量的数据支持，包括数据收集、清洗、标注和预处理；设计和实施数据增强策略，提升模型的泛化能力和鲁棒性；分析模型输出数据，识别潜在问题并提出改进建议； 2、模型评估与调优：开发评估指标和测试框架，评估AIGC/LLM模型在不同应用场景中的表现；基于数据分析结果，提出模型调优方案，并与算法团队合作实施； 3、数据驱动决策：通过数据分析和挖掘，为产品团队提供数据驱动的决策支持；跟踪行业最新趋势，探索AIGC/LLM领域的新数据源和应用场景； 4、跨团队协作：与算法工程师、产品经理、业务团队紧密合作，确保数据支持与业务需求对齐；参与项目需求讨论，提供数据科学角度的专业建议； 5、英语沟通：支持纯英文环境下，跨多团队，多国家地区的项目沟通与协调。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：字节跳动国际化短视频的数据科学团队负责运用专业的统计学知识和技能、出色的商业思维为数亿用户提供更优质的使用体验，期待有志同道合的新伙伴加入！ 1、数据支持与优化：为AIGC/LLM模型提供高质量的数据支持，包括数据收集、清洗、标注和预处理；设计和实施数据增强策略，提升模型的泛化能力和鲁棒性；分析模型输出数据，识别潜在问题并提出改进建议； 2、模型评估与调优：开发评估指标和测试框架，评估AIGC/LLM模型在不同应用场景中的表现；基于数据分析结果，提出模型调优方案，并与算法团队合作实施； 3、数据驱动决策：通过数据分析和挖掘，为产品团队提供数据驱动的决策支持；跟踪行业最新趋势，探索AIGC/LLM领域的新数据源和应用场景； 4、跨团队协作：与算法工程师、产品经理、业务团队紧密合作，确保数据支持与业务需求对齐；参与项目需求讨论，提供数据科学角度的专业建议； 5、英语沟通能力：英语作为工作语言，跨多团队，多国家地区的项目沟通与协调。
1. 新产品试产与量产交付：开发阶段：制定试产计划（NPI），跟进代工厂首件确认、良率达标（≥95%启动量产）。量产阶段：输出月/周/日排产指令，协调代工厂资源（如SMT线体分配、工人排班）； 2. 工厂物料与进销存管理：监控代工厂客供料库存（WIP、成品），实施JIT进料（按生产节拍进料）。定期盘点代工厂物料，审核超耗索赔（如PCB板损耗率超XX%由代工厂承担）； 3. 应急交付与逆向管理：处理紧急需求（如电商大促缺货），协调延长工时及工作日加班满足。管理退换货返修流程（如售后不良品返厂），协调代工厂重工资源； 4. 物料协同：跟进物料交付，确保原材料与零部件及时入库； 5. 执行监控：跟踪生产进度，处理异常（如设备故障、质量偏差）； 6. 效率优化：平衡产线负荷，减少换型时间，提升资源利用率； 7. 委外厂数据管理：保证委外厂账务及时处理，账实一致