智能互联数据技术及产品部-AI数据资产架构师-杭州/北京
任职要求
1. 计算机、数学、统计、人工智能、大数据、机器人等相关专业硕士及以上学历，有数据算法相关实践经验，有非结构化数据架构能力，有数据的高敏感度和价值意识，具备多模态/跨模态数据处理实践经验优先；
2. 10年以上数据领域相关经验，其中至少2年以上AI数据资产或模型数据管理、数据平台的实践…工作职责
负责AI数据资产体系构建与AI数据资产规划（DataMap），实现AI全模态数据标准化、流程化及资产化，加速AI数据在基模和AI应用之间效能转化；负责全模态线上化、自动化的高效数据验收。 1. 制定公司级AI数据资产地图，建设各个模态下的大模型训练的各个阶段数据的分类体系； 2. 通过AI技术创新手段对EB级AI数据资产进行全生命周期管理，采集→存储→标注→质检→版本控制→交付→复用/销毁； 3. 协同各领域（数据、生态、业务）专家制定并沉淀AI数据验收标准，建了线上化的验收机制，以适应不同垂域、不同模态数据的复杂性与精细化要求（如特效类视频、多语种方言、音画同步口型一致性等）； 4. 建设AI数据资产价值评估模型，量化不同AI数据资产对模型潜在提升度，指导数据采集&采买策略； 5. 搭建并完善AI数据质量模型，确保各模态AI数据资产的质量标准统一； 6. 设计并实施高效、动态的数据资产治理架构，保障AI数据资产的可持续增长及精准消费； 7. AI模型团队、AI业务产品团队紧密合作，深刻理解模型需求与业务痛点，将AI数据资产转化为驱动模型创新与业务增长的核心引擎。
1. 负责AIData 各大平台的产品技术架构，包含数据资产管理平台、数据标注平台、数据评测平台，以及数据处理平台架构设计和开发。 2. 负责异构资源（GPU、CPU等硬件）的调度优化，实现潮汐资源、混部资源、多云资源的最优化调度。 3. 负责集群和业务服务的稳定性治理、资源利用率提升，通过系统化方式提高GPU、CPU等硬件资源的使用效率。 4. 参与设计高吞吐、低延迟的数据处理 pipeline。针对大模型数据处理场景（如LLM、多模态），优化数据清洗、预取、缓存及异步加载策略，确保数据大规模产出。 5. 领导数据处理集群优化相关团队，关注数据处理系统前沿技术，保持团队技术先进性。
1、数据资产管理平台开发与治理 构建企业级数据资产管理平台，构建数据清晰的血缘，支持高效溯源。 建立元数据管理、数据血缘追踪、质量监控与安全合规体系。 2、知识图谱构建与优化 从结构化/非结构化数据中提取实体与关系，构建行业知识图谱（如客户关系图谱）。 通过规则引擎、NLP模型持续优化图谱质量。 3、AI助理系统开发 集成大语言模型（LLM）与垂直知识库，开发智能问答、自然语言查询及自动化报表功能。 设计API/Web接口，支持业务用户通过自然语言调用数据服务（如“查询某产品的销售趋势”）。 搭建模型训练与部署框架，实现AI能力快速迭代。 4、数据安全合规与质量管理 建立数据质量指标（完整性、一致性、准确性），开发自动化检测与修复工具。 实现异常数据实时告警（如延迟、权限越权），并通过邮件/SMS/企业微信通知责任人。 5、平台性能与稳定性保障 优化Spark/Flink任务性能，提升高并发场景下的平台稳定性。 监控系统运行状态，设计容灾机制与自动化运维工具，降低故障率。
1. 负责客户服务体验领域相关数据仓库架构设计、数据开发及运维保障，建立高扩展性数据模型、高价值数据资产、高可用数据架构，满足不同用数场景的便捷性、稳定性需求； 2. 深入理解业务，挖掘业务数据，主动发现问题，并能够结合平台大数据和AI基础设施，提供数据产品/数据服务为业务运营提供高效支持； 3. 针对共性数据问题沉淀通用数据解决方案，面向业务垂直领域问题提供定制化数据解决方案。
1、深入理解客户业务需求，帮助客户选择适合其业务场景的技术路径和产品组合，利用AI技术知识、架构方法、咨询技能来影响客户技术决策 2、熟悉大模型算法工程化，与客户合作进行模型训练、推理和模型应用等POC，含展示功能、调整模型、优化模型性能、测试分析、Agent搭建、模型调用等内容 3、依据客户需求和技术研判，推动产研部门持续优化产品，助力提升产品竞争力，同时沉淀最佳实践，以及脚本、模板、参考架构等可复用的技术资产 4、持续跟踪行业动态和技术趋势，并与产品团队协作，打造创新的人工智能（大模型、智算、一体机等）解决方案 5、支持市场活动，作为领域专家参与市场洞察、行业标准、市场排名报告、白皮书撰写等活动，并在行业峰会、技术沙龙等市场活动中进行技术传播和分享