腾讯云大数据基础产品-Data+AI研发工程师

优缺点分析

角色解读

• 在腾讯云大数据平台深耕技术，成长为Data+AI领域的架构师或技术专家
• 横向拓展至AI Infra、数据科学计算等相邻领域，成为跨领域技术骨干
• 参与团队愿景和产品方向讨论，有机会向技术管理方向发展
• 负责大数据基础产品的数据智能方向研发，构建AI驱动的自治系统，提升平台效率
• 探索GenAI与大数据的融合场景，如自然语言查询、RAG等，推动AI在数据驱动下的产业应用
• 深度融合DataOps与MLOps，打造一体化、易用的数据智能平台
• 跟踪Data+AI技术前沿，参与数据科学计算、AI Infra等方向的创新实践
• 精通至少一门编程语言（Python/Java/Golang/Rust），具备扎实的算法和代码优化能力
• 熟悉深度学习框架（如TensorFlow/PyTorch），了解AI Infra或Data Infra相关架构
• 了解最新Data+AI技术动态，如GenAI、RAG、自然语言查询等
• 具备良好的团队协作、沟通和问题分析解决能力

申请策略

• 在面试中多强调对数据智能产品化落地的思考，而不仅仅是技术实现
• 了解腾讯云大数据产品的现有形态（如EMR、CDW等），思考如何与AI结合
• 突出相关项目经验，特别是Data Infra/AI Infra或AI for Infra方向的项目
• 展示编程语言（Python/Java/Golang/Rust）的熟练程度，以及深度学习框架的使用经验
• 提及对GenAI、RAG等技术趋势的理解和实践，体现技术敏感度
• 如果通过腾讯云认证，一定要注明，并突出优势
• 补充或强化Data+AI方向的系统知识，如学习DataOps、MLOps相关工具链
• 动手实践GenAI与数据结合的小项目，如构建简单的RAG系统或自然语言查询demo

面试指南

• STAR法则：针对项目经历问题，清晰描述情境、任务、行动和结果，突出技术选型和量化成效
• 分层思考：对于架构或方案问题，从系统层、算法层、工程层逐层分析，展示系统性思维
• 趋势洞察：对于技术趋势问题，先阐述当前主流方案，再结合自己的理解提出未来方向，体现创新性
• 请详细介绍一个你参与过的Data Infra或AI Infra项目，包括架构设计、挑战和解决方案
• 如何理解DataOps和MLOps？你认为如何在一个大数据平台上融合两者？
• 你对GenAI与大数据结合的前景怎么看？请列举几个可能的应用场景
• 在Python和Java之间，你如何选择？请比较它们在数据工程方面的优劣
• 请解释自然语言查询（NL2SQL）的技术实现路径，并说明其难点