岗位职责
- 实验记录系统集成：接入ELN/LIMS字段对齐自动抽取
- 数据湖仓建设：数据分层(raw/clean/feature)/分区/压缩/查询优化/血缘维护
- 训练集自动构建：按规格从平台数据自动产出训练集配合结构式双轨入库
- 数据质量监控：异常检测/缺失脏数据报告
- 单体级结构式建模(HELM+SMILES/SDF双轨入库)
- 渗透assay谱系强制标注(每条记录带assay类型/装置/SOP版本/膜脂批号)
职位要求
- 数据工程2年以上经验，能独立搭建数据管线
- 熟悉ELN/LIMS或类似结构化生物数据流
- 涉及结构式建模者须理解单体/环化拓扑语义 【核心技能】
- 数据湖仓分层与建模：各层划分/血缘留存
- 训练集防泄漏：版本/切分/样本去重
- 分布式数据栈实操(Spark/DuckDB/Delta Lake) 【加分项】
- 实验记录系统对接或生物数据ETL经验
- 会写可复现数据管线(Airflow/Dagster)
- 懂分子结构表示(HELM/SMILES)配合双轨入库
