小米大数据/AI应用方向前端实习生

1、参与智能分析方向的产品和技术的系统研发、效果调优工作； 2、后端参与Prompt工程系统的设计开发，包括Agent，Prompt，Chain等核心模块； 3、前端参与团队工程化、组件化、图表可视化等系统的设计开发； 4、跟进业界技术动态，完成AI-Agent方向的技术调研、选型与落地。

Bravo 102是由阿里国际技术全团队共同发起的技术人才孵化计划，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： 阿里国际技术专注于提供卓越的数字零售技术服务，致力于服务全球消费者，并触达全球中小企业买家。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。 我们提供涵盖商品智能、商家服务、供应链优化、跨境物流、搜索推荐引擎、用户增长、金融服务、客户体验、AI 基础设施、企业数智化、全球云及高可用架构、研发效能等技术领域，实习生可跨多个技术域实践，深度参与多场景技术攻坚，探索你想选择的职业发展方向； 在这里，你将和我们一起，采用领先的数字化及人工智能等技术持续解决商业活动中的现实问题，创造技术价值，为消费者带来更加美好的体验！欢迎加入我们！ 以下工作内容你均有可能参与： 1、参与基础软件的设计、开发和维护，如分布式文件系统、缓存系统、Key/Value 存储系统、数据库、Linux 操作系统等，探索 AI 在系统调优中的应用（如通过机器学习预测热点数据提升缓存命中率）； 2、参与国际电商系统及基础设施的核心模块开发，集成 AI 模型服务，为公司产品提供强有力的后台支持，设计并实施最强大的解决方案； 3、参与产品的开发和维护，完成从需求到设计、开发和上线等整个项目周期内的工作，能够通过 AI 工具提升开发效率； 4、参与海量数据处理和开发，使用Java/SQL/Python开发 ETL 流程，结合大模型实现数据清洗与特征工程自动化（如利用大模型生成 SQL 查询模板）； 5、参与项目为用户提供丰富而有价值的桌面或无线软件产品，能够探索 AI 在业务场景的落地应用（如大模型在供应链定价、销量计划、库存、履约等复杂场景的智能洞察和协同，基于大模型的个性化推荐系统，交互式智能导购，需求预测模型部署，异常检测算法实现等）。

ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：字节跳动Flow产品研发团队，专注研究AI智能化相关业务落地，目前落地豆包、Cici 等 APP，以及对应的Bot 开发平台等AI智能化创新产品，业务和团队均处于快速发展期，成长空间大，欢迎各位同学加入！ 1、算法应用与优化：参与质量保障方向相关算法的设计/优化，能利用LLM等机器学习算法解决测试分析、风险预测领域的具体问题； 2、模型训练与评估：负责大语言模型的训练工作，也能通过评估技术、数据分析等多种方法不断提升模型能力，确保模型在实际应用中能够稳定、高效地运行，有效保障产品线上质量； 3、前沿技术探索：关注行业最新技术动态，积极探索将新技术应用于质量保障领域的可能性，如大模型技术在测试分析、风险识别、自动测试等方面的创新应用，为质量保障体系注入新的活力； 4、工程研发：从事系统设计、代码管理、接口开发等方面工作，实现算法模型与前端交互界面、后端数据存储的有效连接，完成配套工程中服务端应用的开发，为算法的实际应用提供工程支持。

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：字节跳动搜索团队主要负责抖音、今日头条、西瓜视频等产品的搜索工程、算法创新和架构研发工作。我们的职责是用前沿的技术去打造一个用户体验佳、信息效率高的搜索引擎产品。我们的愿景是做一款用户首选的搜索引擎，我们的使命是可以充分整合内容，高效连接人与信息。 团队主要负责抖音、今日头条、西瓜视频、问答和百科等产品的业务研发和架构研发工作。 我们使用前沿的前端、客户端和服务端技术赋能于搜索业务的快速迭代，并在技术上不断创新和突破。同时专注于大流量、高并发、低延时的搜索系统的构建，在性能优化上，追求从内存、Disk等优化到业务架构和网络协议的创新探索，在迭代效能上不断探索容器化、动态化、搭建化等方案的创新，技术氛围强，充分给同学们提供自我成长的机会。 1、聚焦集团内研发提效场景，负责代码生成相关算法的设计与研发； 2、深入研究大语言模型（LLM）预训练、后训练等前沿技术，提升算法的准确性与效率； 3、在模型训练范式、模型结构、数据配比探索最佳实践方案，取得业务效果大幅提升的同时实现前沿技术突破； 4、持续跟踪LLM领域的最新技术动态，并将其应用于实际业务场景中，推动技术落地。