岗位职责
- 负责多模态AI数据管线的设计与开发，覆盖语音、图像、视频、3D等数据类型；
- 搭建高效的数据预处理pipeline，设计高吞吐的数据存储与索引系统，支撑大规模训练数据集生产；
- 与算法/研究员协作，实现离在线一致的数据构造与对齐流程；
- 负责管线服务的稳定性、性能优化与可观测性建设，支撑 AI数据全天高效生产；
- 探索自动化数据质量评估、数据合成、AIGC辅助数据生产等方向。
职位要求
- 本科及以上学历，计算机相关专业；
- 3年以上后台开发经验，1年大数据/数据管线相关经验以上优先；
- 熟练掌握 Python/Go/C++ 至少一门，熟悉 Linux 开发环境；
- 熟悉至少一种主流消息队列（Kafka/Pulsar/RocketMQ）、任务调度（Airflow/Celery）、存储系统（OSS/S3/HDFS）；
- 具备多模态数据处理经验优先，包括：；
- 语音：降噪、说话人识别、回声消除、VAD/ASR 等前后处理；
- 图像/视频：图像处理（OpenCV/Pillow）、视频抽帧/切片、字幕提取；
- 3D：点云/Mesh/NeRF 数据格式处理（加分项）；
- 熟悉 Ray/Spark/Flink 等分布式计算框架优先；
- 责任心强，能在快节奏环境中推进项目。
