模思智能 ee jobs (salary & requirements)

你将参与的工作
1、参与语音生成相关数据基础设施的设计、搭建与迭代，包括数据平台、数据处理链路、元数据管理、可视化与分析面板等。
2、支持训练/评测所需的基础数据集、清洗数据集与合成数据集的构建、维护与版本化管理。
3、搭建或完善从原始语音/文本/标注数据 → 清洗 → 筛选 → 质检 → 产出训练集/评测集的标准化 pipeline。
4、与算法、研究、产品团队协作，将模型研发中的数据需求沉淀为可复用工具与流程，例如：
数据抽样与切分工具
数据质量检查工具
数据分布/偏差分析工具
数据可视化与追踪面板
5、参与数据质量治理，包括但不限于：
数据覆盖度分析
偏科/偏置问题分析
标注一致性与异常样本发现
训练数据与评测数据隔离管理
6、支持合成数据与自动化数据构建任务，帮助提升模型研发中的数据供给效率与迭代速度。
7、参与建设数据资产的规范化体系，包括数据 schema、版本管理、实验关联、可追溯性与文档化。

我们希望你具备
1、本科及以上在读，计算机、人工智能、数据科学、软件工程、电子信息、数学等相关专业优先。
2、有较强的工程实现能力，能把一个“零散的数据需求”落成实际可用的工具或 pipeline。
3、熟悉 Python，具备良好的代码习惯；能使用常见数据处理库完成数据清洗、分析和自动化脚本开发。
4、具备基本的数据工程意识，理解以下至少部分内容：
数据清洗与 ETL 流程
数据质量检查
数据版本管理
数据可视化与统计分析
5、对 AI 模型研发流程有基本理解，知道数据对训练效果、评测可信度与迭代效率的重要性。
6、有较好的沟通协作能力，能够和研究同学一起把抽象需求转成结构化方案。

加分项
有以下任一经验者优先：
1、语音 / 音频 / TTS / ASR / LLM / 多模态相关项目经历
2、数据平台、任务编排、数据仓库、实验平台相关经验
3、SQL、Shell、Linux 环境使用经验
4、使用过 Spark / Ray / Airflow / Dagster / DuckDB / Parquet / Arrow 等相关工具
5、有数据可视化、分析 dashboard、标注平台或数据管理后台经验
6、做过数据偏差分析、采样策略设计、自动质检或合成数据构建
7、熟悉 Git、代码协作流程，有较好的文档撰写能力。