钉钉钉钉-数据工程师-视觉AI数据方向
任职要求
"必须具备： ● 学历背景：计算机、数据科学、人工智能等相关专业本科及以上学历 ● 经验要求：3年以上AI数据工程或机器学习数据平台相关经验，至少主导过2个以上视觉AI项目的数据全流程建设，有真实边缘端视频AI项目数据支撑经验 ● 技术能力： ○ 熟练掌握Python、SQL等数据处理工具，熟悉常见数据库（MySQL、MongoDB等） ○ 熟悉计算机视觉数据标注工具与流程（如CVAT、Labelme、Label Studio等） ○ 理解常见视觉任务（目标检测、分割、跟踪、ReID等）的数据需求与评估指标 ○ 具备数据ETL、数据清洗、数据增强的实战经验 ○ 了解视觉大模型（如ViT、CLIP、SAM等）的…
工作职责
钉钉正在全面拥抱多模态AI，正在致力于将视觉大模型、边缘智能与实时视频分析深度融合，赋能智能零售、智慧餐饮、明厨亮灶、智慧工厂、智能交通等多个行业。我们拥有强大的工程化能力和创新研发氛围，期待志同道合的技术精英加入，共同推动视觉AI落地千行百业。
我们正在寻找在视觉AI数据工程领域具备真正工程化落地经验的技术人才，你将参与视觉AI系统的数据全链路建设与优化，支撑边缘端视频AI服务的高效迭代。具体职责包括
1. 数据管理与运营
● 数据需求分析与规划：根据算法团队的数据需求，协调整个数据闭环全流程工作（供应商对接、标注验收、测试benchmark）
○ 数据需求汇总：理解每个算法需要多少训练、测试数据，优先级分别是什么
○ 制定数据采集、标注与质检计划，确保数据质量与交付时效
● 数据渠道管理：外采（AIData等平台）、对接各个业务方和客户要数据
○ 建立稳定的数据供应商合作关系，评估数据质量与成本
○ 设计内部数据共享机制，打通业务侧真实场景数据
● 外包工作管理：根据数据需求和优先级排工作以及工作验收
○ 制定标注规范与验收标准，监控标注进度与质量
○ 建立标注团队绩效评估体系
2. 数据挖掘与合成
● 数据挖掘：根据算法需求在数据池中挖掘相关数据，或使用AIGC等手段进行数据合成
○ 从海量视频数据中挖掘长尾场景、困难样本（如遮挡、小目标、极端光照等）
○ 设计数据筛选策略，提升训练数据的多样性与代表性
● 数据合成与增强
○ 利用AIGC、3D渲染、风格迁移等技术生成合成数据
○ 设计针对边缘端场景的数据增强策略（模拟低分辨率、噪声、压缩失真等）
3. 评测开发
● 评测体系建设：根据算法的测试需求，实现整个数据收集、脚本开发的CICD全流程
○ 构建自动化评测平台，支持模型性能、精度、资源占用等多维度评估
○ 实现测试数据集版本管理与可追溯性
● 自动感知等功能的实现：
○ 开发数据质量自动检测工具（标注一致性、异常值检测）
○ 实现模型性能衰退自动告警机制
4. 数据平台&标准化工作
● 数据平台建设：灵活应对各类数据需求
○ 构建统一的数据管理平台，支持数据采集、标注、存储、检索、版本管理
○ 实现数据血缘追踪，支持从原始数据到模型训练的全链路可追溯
● 标准化规范：
○ 制定视觉AI数据标注标准与最佳实践
○ 统一数据格式、元数据规范，降低跨项目数据复用成本
○ 建立数据质量评估标准与SLA"
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 工作职责： 1、参与/负责研发面向大语言模型(LLM)/多模态大模型(MLLM)等类型模型的推理服务框架； 2、参与/负责KV Router、PD分离/EPD分离、KVCache管理、动态PD调整等分布式推理能力建设； 3、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，打造高效、易用、领先的AI推理框架； 4、参与/负责构建推理框架的系统容错能力，包括但不限于请求迁移、优雅退出、故障检测、自愈等能力建设； 5、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等； 6、与全公司各业务算法部门深度合作，为重点项目进行算法与系统的联合优化，支撑业务目标达成。
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地。 3、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。