崗位職責

 1.多源異構數據處理體系設計與建模 基于業(yè)務場景需求，設計多源異構數據的解析與結構化處理框架，支持跨領域數據融合； 構建多模態(tài)非結構化數據管理體系：整合不同形態(tài)數據，設計統(tǒng)一的數據表示與存儲方案，確保數據的可擴展性與互操作性。 

2.多模態(tài)非結構化數據結構化工程落地 主導多模態(tài)數據結構化技術方案設計：基于預訓練模型、自然語言處理、計算機視覺（CV）及多模態(tài)對齊技術，開發(fā)自動化解析工具鏈； 組織跨團隊實施數據結構化全流程：完成從數據清洗→ 格式統(tǒng)一→ 關鍵信息提取→ 結構化存儲→ 質量驗證的落地，保障結構化數據的準確性與完整性。

 3.數據處理自動化與性能優(yōu)化 優(yōu)化數據處理流程，提升自動化率：通過規(guī)則引擎、低代碼/無代碼工具或自定義算法，減少人工干預環(huán)節(jié)； 聚焦關鍵信息提取準確率提升：結合標注數據與模型迭代，持續(xù)優(yōu)化抽取效果； 主導數據處理性能調優(yōu)：針對大規(guī)模數據處理場景，優(yōu)化算法效率與分布式計算框架，降低處理耗時與資源成本。

 4.數據價值與業(yè)務場景賦能 深度對接業(yè)務部門，識別數據結構化需求，輸出定制化解決方案； 推動結構化數據與業(yè)務系統(tǒng)集成：通過API、微服務等方式，將解析能力嵌入業(yè)務流程，支撐決策與技術創(chuàng)新； 建立數據處理迭代機制：基于業(yè)務反饋與技術演進，持續(xù)優(yōu)化解析策略、結構化規(guī)則及工具鏈，確保數據資產的時效性與實用性。 

5.關鍵技術/課題攻堅支撐，推動落地轉化 聯合其他領域專家，帶領小組與跨組團隊協(xié)同攻克關鍵技術/課題，推動技術攻堅成果的落地轉化。

 任職要求 

1.基礎資質計算機科學、人工智能、數據科學、統(tǒng)計學等相關專業(yè)碩士及以上學歷（博士優(yōu)先）； 5年以上多源異構數據處理、非結構化數據結構化研發(fā)與工程實踐經驗，其中3年以上汽車電子/智能駕駛/AI研發(fā)領域相關項目經驗； 英語可作為工作語言（讀寫流利），能高效對接跨國技術/產品團隊。

 2.核心能力 ①數據處理技術深度： 精通常見數據形態(tài)的高效處理方式，熟悉不同形態(tài)數據的特征提取、降噪、歸一化等關鍵技術； 掌握多模態(tài)非結構化數據處理技術，能設計文本-圖像-視頻等跨模態(tài)數據的統(tǒng)一結構化方案，熟悉多模態(tài)預訓練模型（或傳統(tǒng)多模態(tài)對齊方法的應用。 ②工具與技術棧： 熟練使用數據解析工具鏈及多模態(tài)處理庫； 熟悉主流結構化存儲方案，能根據業(yè)務需求選擇適配的存儲架構； 具備自動化框架開發(fā)能力，熟悉Python/Java等編程語言，掌握Spark/Flink等分布式計算框架的性能調優(yōu)。 ③工程實踐能力： 有千萬級以上多源異構數據處理經驗，具備從需求分析→ 方案設計→ 落地實施→ 性能優(yōu)化的全流程交付能力； 熟悉關鍵信息提取的主流算法，有實際提升準確率的成功案例。 3.優(yōu)先條件 持有數據工程、自然語言處理或計算機視覺相關認證（如CDA、AWS認證），或在頂會（如KDD、ACL、CVPR）發(fā)表過數據處理/結構化相關論文； 有跨國多源數據項目管理經驗，或主導過跨部門數據中臺、數據湖等復雜項目。