字节跳动
智能模型数据平台工程师-AI Data
智能模型数据平台工程师-AI Data
发布于 大约 14 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
PyTorch
GO
TensorFlow
数据湖
向量数据库
大模型
ClickHouse
数据血缘
Ai-Native
Hudi
AI 估算 · 25k–40k
字节跳动AI数据核心岗位，技术栈前沿且难度高，北京地区高级工程师薪资竞争力强，年终奖丰厚。
职位详情
关于这个职位
该职位是字节跳动AI数据平台团队的核心岗位，负责构建和管理Seed大模型海量数据的统一平台，覆盖数据生产、管理、消费和质量全生命周期
你将主导技术选型和架构优化，使用Spark/Flink/Ray等大数据引擎，搭建高吞吐、高容错的数据基础设施，支撑日PB级数据处理
同时需要构建AI-Native的数据Agent，探索新一代数据平台范式
最低要求
本科及以上学历，计算机相关专业
精通Python、Java、Go等至少一种编程语言，有服务端开发经验，具备良好的编码能力和代码质量意识
至少精通以下引擎/架构之一：Spark/Flink/Ray等大数据处理引擎，Hudi/Iceberg/Paimon等数据湖，及Doris/ClickHouse等OLAP引擎，PyTorch/TensorFlow等机器学习框架，索引与搜索架构
在线上有实践经验，有源码阅读经验，有引擎二次开发经验优先
对业务敏感，能快速理解业务背景，具备优秀的技术与业务结合能力，有较好的需求抽象能力和架构能力
学习能力强，能够快速学习完全没有涉猎过的新技术，并快速应用于工程实践
工作职责
围绕Seed大模型数据全生命周期，建设Seed大模型海量数据的管理/生产/消费/质量的统一平台，提升大模型数据全生命周期的使用效率与质量，赋能算法预训练、SFT/RLHF等场景
构建大模型领域的Data Agent，重构AI-Native的数据平台范式
协同基础架构/云平台团队，搭建稳定高效的底层数据基础设施（数据湖、对象存储、分布式计算、大规模数据检索、数据血缘系统，调度引擎，算力平台等）
主导技术选型与架构优化，基于Spark/Flink/Ray、湖仓一体、向量数据库，调度引擎等技术栈，构建高吞吐、高容错、可扩展的处理存储能力，支撑日PB级数据处理
优先资格
大数据平台生产与管理开发经验
大模型数据抓取、加工，合成应用于预训练、SFT/RLHF的实践经验
Agent项目开发经验，了解当前Agent架构实践
良好的AI Coding实践者，有将Harness Engineering应用于实际开发工作经验
AI 洞察
优缺点分析
优点
- 深度参与大模型核心数据平台建设，技术栈前沿，如Spark/Flink/Ray、数据湖、向量数据库等，技能积累价值高
- 团队技术氛围浓厚，有机会接触开源社区，提升开源影响力
- 技术复杂度高，需要掌握多种大数据和AI组件，学习曲线陡峭
- 业务节奏快，需要快速响应算法团队的需求，工作强度可能较大
缺点 / 挑战
- 字节跳动大平台，数据量巨大（日PB级），挑战和成长空间大
- 对系统稳定性和性能要求极高，处理海量数据时容错和优化挑战多
- 适合技术功底扎实、热爱大数据和AI基础设施、乐于挑战高难度问题、有较强自驱力和学习能力的工程师
角色解读
- 从数据平台工程师成长为AI数据架构师，主导大模型数据基础设施的整体设计
- 深入大模型领域，成为数据与算法结合的专家，推动AI-Native数据平台创新
- 向技术管理方向发展，带领团队构建更高效的数据体系
- 负责Seed大模型数据全生命周期的统一平台建设，包括数据管理、生产、消费和质量监控
- 构建AI-Native的数据Agent，实现数据处理的自动化和智能化
- 与基础架构团队协同，搭建稳定高效的底层数据基础设施，如数据湖、分布式计算、调度引擎等
- 进行技术选型和架构优化，确保平台具备高吞吐、高容错、可扩展的能力，支撑日PB级数据处理
- 精通Python、Java、Go等至少一种编程语言，具备扎实的编码和工程能力
- 深入掌握大数据处理引擎如Spark/Flink/Ray，或数据湖技术如Hudi/Iceberg/Paimon，或OLAP引擎如Doris/ClickHouse
- 有线上大规模数据处理系统的实践经验，具备源码阅读和二次开发能力优先
- 对业务敏感，能快速理解并抽象需求，具备优秀的架构设计能力
申请策略
- 字节跳动非常看重技术深度和业务理解，面试前可以了解Seed大模型的基本背景和数据需求
- 准备一个你主导的复杂系统设计案例，突出架构决策和性能优化
- 突出大数据引擎（Spark/Flink/Ray）或数据湖（Hudi/Iceberg）的深度使用和优化经验，最好有线上大规模案例
- 展示编程能力，如参与过开源项目或贡献过源码
- 如果有大模型数据相关项目（如预训练数据处理、SFT数据构建），务必强调
- 体现架构设计能力，如主导过数据平台或数据管道的设计
- 如果对数据湖或OLAP引擎不熟悉，可以快速学习Hudi/Iceberg/Paimon或Doris/ClickHouse的架构和使用
- 了解大模型数据全生命周期，包括预训练数据清洗、SFT数据标注、RLHF数据反馈等流程
面试指南
- 对于系统设计题，先明确需求和约束（规模、一致性、延迟），然后分模块（存储、计算、调度、元数据）阐述设计，最后总结权衡
- 对于技术原理题，先说明基础概念，再结合实际经验谈优化手段，引用源码更佳
- 对于开放性问题，结合AIAgent和实际业务场景，展示对业务的理解和创新思路
- 请设计一个支持PB级数据的数据湖平台，包括存储、计算、元数据管理
- Spark Shuffle的原理是什么？如何优化Spark作业性能？
- 你如何理解大模型数据全生命周期？数据如何影响模型效果？
- 描述一次你解决线上大数据系统故障的经历
- 说说你对AI-Native数据平台的理解，与传统平台有何不同？
匹配度报告
72
综合匹配度
字节AI数据核心岗，前沿技术栈，薪资优厚，成长快但工作强度大。
适合人群
最适合发展性动机强的求职者，追求技术前沿和快速成长，愿意接受高强度工作。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活40
使命价值75
薪资福利匹配
85较高
字节跳动薪资水平领先，该岗位属核心AI数据团队，薪资偏高，福利优厚（五险一金、年终奖、补充医疗等），补偿性动机满足度高。
薪资信号偏高 (25K-40K/月)
成长发展匹配
90较高
岗位涉及前沿AI数据技术栈，如大模型数据、Data Agent、湖仓一体等，成长空间极大；团队技术氛围浓厚，有导师制和内部技术分享。
技术前沿前沿/新兴技术
技术栈Python、Java、Go、Spark、Flink、Ray、Hudi、Iceberg、Paimon、Doris、ClickHouse、PyTorch、TensorFlow、数据湖、向量数据库、Data Agent、AI-Native
业务类型profit_center
工作生活匹配
40较低
北京现场办公，字节跳动工作节奏较快，加班较常见，JD未明确提及WLB，办公地点位于市区，但工作强度可能影响生活。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
75中等
参与大模型关键基础设施，推动AI技术发展，具有较高社会影响力；AI行业高速增长，岗位创新性强。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs