岗位职责:
1、负责AI训练数据的全流程管理：清洗、标注、增强、版本控制及质量评估；
2、负责多模态训练数据（文本、图像、语音、视频等）的采集、清洗与结构化处理，制定数据质量标准，确保数据集的多样性、代表性和合规性；
3、开发自动化工具或脚本（如Python/Pandas）处理大规模数据，解决噪声过滤、重复数据删除、格式统一等问题；
4、设计数据标注规则与流程，确保标注结果的一致性与准确性（如实体识别、语义分割、意图分类等任务）；
5、通过应用数据增强技术（如文本扩写、图像变换、对抗生成）提升数据量级与多样性，优化模型泛化能力；
6、设计数据标注规则与SOP，搭建自动化数据处理Pipeline；
7、开发数据合成工具（如基于Diffusion模型生成图像数据）；
8、保障数据安全合规，制定隐私脱敏与版权管理策略。
任职要求:
1、计算机/统计学相关专业本科以上学历，2年以上数据工程经验；
2、精通Python/SQL，熟练使用数据处理库（如Pandas、NumPy）及分布式计算工具（Spark、Dask）。
3、熟悉主流标注工具（Label Studio/CVAT）及数据湖架构；
4、了解数据标注行业生态，熟悉GDPR/《个人信息保护法》等数据合规要求；
5、参与过大模型预训练数据建设（如RedPajama/The Pile）；
6、熟悉房地产业务场景的数据特点与标注规范者优先。