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 16 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
本科
机器学习
分布式系统
数据湖
大模型
Ai-Native
Data Agent
AI 估算 · 30k–45k
字节跳动核心AI数据平台，技术前沿，要求高，薪资具有竞争力，月薪30k-45k合理。
职位详情
关于这个职位
该职位负责建设Seed大模型数据全生命周期管理平台，涵盖数据采集、加工、存储与消费，并构建AI-Native的数据平台范式
你将与基础架构团队协作，搭建稳定高效的大数据基础设施，支撑PB级数据处理
适合对大数据和大模型技术有浓厚兴趣、追求技术深度的工程师
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
加分项：
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
- 处于大模型技术前沿，参与核心数据平台建设，技术价值高
- 字节跳动平台资源丰富，团队技术氛围浓厚，成长空间大
- 薪资福利具有竞争力，项目影响力覆盖全公司业务
- 技术栈覆盖广泛，学习曲线陡峭，需要持续跟进新技术
- 业务迭代快，需要快速交付，可能面临高强度开发节奏
缺点 / 挑战
- 大模型数据量巨大，对系统稳定性和性能要求极高，工作压力较大
- 适合对大数据和大模型技术有强烈兴趣、具备扎实工程能力、愿意挑战高难度问题的技术型人才
角色解读
- 深耕大数据与AI平台领域，成为大模型数据基础设施专家或架构师
- 向AI算法训练与推理方向拓展，参与大模型核心技术优化
- 晋升技术Leader，带领团队构建下一代数据平台，推动技术演进
- 建设和管理大模型数据全生命周期平台，涵盖数据采集、加工、存储、消费和质量监控
- 设计和实现Data Agent，推动AI-Native数据平台范式，提升数据使用效率
- 与基础架构团队协作，搭建稳定高效的大数据基础设施，包括数据湖、分布式计算和调度引擎
- 主导技术选型和架构优化，基于Spark/Flink/Ray等引擎构建高吞吐、可扩展的数据处理能力
- 精通Python、Java或Go等编程语言，具备良好的编码和代码质量意识
- 深度掌握Spark/Flink/Ray等大数据处理引擎，或Hudi/Iceberg等数据湖技术
- 熟悉Doris/ClickHouse等OLAP引擎，或PyTorch/TensorFlow等机器学习框架
- 具备较强的业务理解和需求抽象能力，能够快速学习新技术并应用于工程实践
申请策略
- 在简历和面试中体现技术广度与深度，突出业务理解能力
- 提前了解字节Seed大模型相关背景，展示对AI数据平台的理解
- 突出大数据引擎的线上实践经验，特别是源码阅读或二次开发经历
- 展示数据平台或大模型数据处理相关项目，说明架构设计和优化成果
- 强调分布式系统设计能力，如高吞吐、高容错架构案例
- 如有Agent或AI Coding经验，重点呈现
- 深入学习Spark/Flink/Ray的底层原理和调优技巧
- 了解大模型训练数据流程，包括数据清洗、去重、合成等
面试指南
- 采用STAR法则：说明情境（Situation）、任务（Task）、行动（Action）、结果（Result），结合过往项目经验
- 技术对比类问题先明确核心维度（性能、一致性、生态等），然后举例实际场景
- 架构设计类问题先定位需求，再分层阐述数据流、组件选型和容错机制
- 请比较Spark、Flink和Ray三者的核心差异及适用场景
- 如何处理PB级数据的ETL任务？请设计一个架构方案
- Hudi、Iceberg和Paimon数据湖技术如何选型？各有什么优缺点？
- 如何构建一个数据血缘系统？需要考虑哪些关键点？
- 在大模型训练中，数据质量如何保证？请描述一个数据清洗流程
匹配度报告
70
综合匹配度
核心AI数据平台，前沿技术栈，薪资优厚，但工作强度大，WLB一般。
适合人群
最适合追求技术成长和高薪回报的求职者，对WLB要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活40
使命价值70
薪资福利匹配
80较高
字节跳动薪资福利在行业内有竞争力，且该岗位为核心技术岗，薪资待遇偏上，但JD未明确具体数字。
薪资信号未披露（AI估算：30K-45K/月）
成长发展匹配
90较高
职位涉及大模型数据平台前沿技术，要求快速学习新技术，成长空间大，但JD未直接提及培训或晋升制度。
技术前沿前沿/新兴技术
技术栈大模型、Data Agent、数据湖、Spark、Flink、Ray、向量数据库
业务类型profit_center
工作生活匹配
40较低
仅现场办公，未提及弹性工时或远程，字节跳动通常工作强度较大，WLB一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
大模型赛道高速增长，职位对AI发展有积极贡献，但社会影响偏中性，创新性较强。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs