AI 数据平台工程师【2027届校招】

作为数据闭环团队的新生力量，你将在资深工程师的全程指导下，参与构建和优化支撑海量数据流转与模型迭代的工程基础设施。你的工作将直接驱动算法团队的研究与落地效率： 云原生基础设施构建：参与基于Kubernetes、Docker等容器化技术的云原生平台开发与维护，构建高可用、易扩展、低延迟的数据闭环服务架构。 数据流水线开发：参与设计并实现从数据采集、清洗、标注到训练、评测的全链路自动化数据处理流水线，支撑PB级数据的高效流转。 AI基础设施与MLOps：参与构建面向大模型与深度学习训练的AI基础设施，包括模型存储、版本管理、训练任务调度与评测系统的开发与优化。 系统性能优化：参与大规模分布式系统的稳定性建设，优化高吞吐、高并发场景下的系统性能，完善监控与告警体系。 跨团队协作：与算法团队紧密沟通，理解模型训练与数据处理的真实痛点，用工程化的手段推动数据闭环效率的持续提升

教育背景：计算机科学、软件工程、人工智能或相关专业，本科及以上学历 计算机基础：扎实的计算机基础，包括数据结构与算法、操作系统（Linux）、计算机网络等，对底层原理有探索兴趣。 编程能力：掌握至少一种主流编程语言（Python / C++ / Go 均可），有课程项目或个人项目经验即可（Python或C++有基础者优先）。 云原生与技术热情：对云原生技术（如Docker、Kubernetes）有基本了解或浓厚兴趣，愿意深入理解分布式系统的设计与实现。 AI与深度学习兴趣：对深度学习、大模型或机器学习系统有基本了解或强烈兴趣，理解数据在模型迭代中的核心价值。 学习与解决问题：有好奇心和钻研精神，遇到不懂的问题能主动查阅文档或搜索资料寻找答案。 沟通与协作：能阅读基本的英文技术文档，有良好的团队合作意识和责任心。 加分项（满足任意一项即可，非硬性要求） 了解PyTorch、TensorFlow等深度学习框架，或有相关课程/项目经验。 了解数据处理相关技术（如Spark、Ray、Kafka等）或大数据处理的基本概念。 了解MLOps / LLMOps相关概念，如模型训练、推理、微调等。 有数据流水线、ETL或数据平台相关项目经验。 在GitHub上有自己维护的项目、课程作业或开源贡献。 了解自动驾驶数据闭环的基本理念。 我们提供的成长机会： 深度参与数据闭环从采集、处理到模型训练、评测的完整工程链路。 在云原生与AI的交汇点上建立系统化的工程经验，掌握Kubernetes、分布式系统、MLOps等前沿技术。 接触真实生产级的大规模数据处理系统与自动驾驶复杂场景。 与算法、训练、部署等多团队协作，理解AI系统落地中的真实工程问题