AI数据工程师

该职位来源于猎聘 岗位职责:

基础设施建设：负责端到端数据管道的设计与开发，覆盖从入口网关、消费侧视图到实验平台与模型训练的全链路基础设施建设，确保数据流转的高效与稳定。 2. 数据质量治理：建立全链路数据质量监控体系，针对链路完整度、字段缺失、数据延迟以及用户授权/撤回时效设定明确的 SLO，并落地自动化监控与告警机制。 3. 数据底座与运维：构建稳健的数据底座，负责特征表、对外数据视图及合规审计证据包的管理；设计冷热数据分层策略，支持高效的数据回放与重算机制。 4. 合规与安全落地：对接合规、法务及数据安全团队，将数据保留期、隐私保护要求及撤回链路转化为工程上的“可证事实”，确保数据合规可审计。

• AI 原生工程实践：践行 AI-First 工作流，将 LLM 深度融入数据工程全流程（如 SQL 辅助、异常初判、自动化脚本等）。

岗位要求;

工程经验：3-6 年数据工程经验，具备从0到1设计并上线端到端批处理数据管道的实战经验。 2. 技术栈 - 计算：精通至少一项主流大数据计算引擎，具备扎实的调优与排障能力。 3. 技术栈 - 存储与调度：熟悉至少一种主流云平台（AWS/阿里云/华为云）的存储、数仓及调度服务，并有实战经验。 4. 编程能力：能熟练编写 ETL 脚本、处理 Schema 迁移及编写契约测试。

• SQL 能力：SQL 功底扎实，精通窗口函数、CTE、复杂 Join 与去重逻辑，具备执行计划调优能力。 6. 数据质量意识：具备量化思维，能为数据链路设定 SLO 并通过技术手段落地监控体系。
• AI 工具实践：已将 LLM 纳入日常工作流，能利用 AI 提升数据开发效率与质量。 加分项： 1. 具备医疗、健康、保险或金融领域敏感数据 Pipeline 建设经验。 2. 有隐私计算（Privacy Computing）工程化落地经验。 3. 熟悉实时流处理技术栈。 4. 有数据血缘分析或元数据平台建设经验。 5. 有利用 LLM 构建 Text-to-SQL、Schema 迁移助手等内部数据工具的经验。