蚂蚁集团-非结构化数据挖掘工程师-具身智能方向

数据挖掘与核心场景挖掘：处理和分析大规模、多源的非结构化数据，重点聚焦具身智能场景下的机器人传感器轨迹数据、视频数据和深度数据；设计并实施数据清洗、过滤流程，结合数据预处理与增强手段，确保数据质量；专项负责关键帧/关键片段挖掘，精准提取数据中的核心有效信息，适配具身智能算法训练需求；开展困难样本挖掘工作，结合持续学习（Continuous Learning）理念，挖掘模型训练所需的高价值困难样本，助力具身智能模型性能迭代升级。

特征工程与向量数据库建设：针对具身智能场景下的不同模态数据，研究和应用先进的多模态数据表征方法，实现跨模态信息的对齐、融合与联合表征，构建统一的向量表征体系；负责向量数据库的设计、搭建与优化，实现跨模态统一表征的高效存储、检索与管理，支撑具身智能下游算法快速调用；运用和优化经典及前沿的聚类算法，从非结构化数据中挖掘潜在模式、群体特征及异常信息，为具身智能算法任务提供高质量特征支撑。

数据标签体系建设：主导或深度参与具身智能特定业务场景的数据标签体系设计、优化与迭代，结合具身智能算法训练、产品落地需求，定义标签标准、分类规则及标注规范，确保标签体系的科学性、实用性和可扩展性，全面支撑具身智能算法训练与产品化落地。

标准数据集建设与发布：建立标准化的数据发布管道，整合清洗过滤后的数据、提取的特征集及相关模型，实现数据集的版本化管理、安全管控与高效交付，确保高质量数据能够安全、高效地服务于内部算法团队训练、模型微调及具身智能产品化需求。

技术探索与落地：关注具身智能领域多模态数据挖掘、持续学习、大模型微调等前沿技术，结合业务场景进行技术探索与实践；配合算法团队完成具身智能相关数据的技术支持，推动技术成果落地应用，提升具身智能模型的数据适配能力。

学历与工作经验：计算机科学、人工智能、统计学或相关领域硕士及以上学历，3年以上数据挖掘相关工作经验；智驾数据挖掘相关经验者优先，有具身智能领域数据挖掘经验者优先。

核心技能：具备丰富的非结构化数据处理实操经验，熟练处理视频数据、深度数据、轨迹数据；深刻理解多模态表征学习理念，熟练使用常见聚类算法；精通数据清洗、过滤流程，具备关键帧/关键片段挖掘、困难样本挖掘相关实操经验，能适配具身智能场景数据需求。

专项能力：具备向量数据库建设经验，熟练掌握跨模态统一表征的设计与实现方法；对数据标签体系的设计、优化和数据发布流程有清晰的理解和实践经验，能够独立主导或深度参与具身智能场景下标签体系搭建。

加分项：具备大模型微调经验者优先；熟悉具身智能或智驾场景下的数据特点、业务需求及算法训练流程者优先；具备良好的问题解决能力、沟通协调能力和团队协作精神，能够高效推进具身智能相关数据挖掘项目落地。