腾讯游戏-多模态大模型数据工程师/专家

优缺点分析

角色解读

• 从数据工程师逐步成长为多模态数据处理专家，深入理解大模型数据链路的核心技术
• 可向技术专家方向深耕，也可转向AI基础设施架构师或数据平台负责人等管理岗位
• 负责多模态大模型训练数据的生产与处理，包括视频、图片、音频等数据的采集、清洗和增强
• 搭建和优化数据处理Pipeline，覆盖算子开发、跨模态检索、内容理解与质量筛选等环节，提升数据迭代效率
• 构建高可用、高吞吐的数据存储和服务框架，保障多模态数据的存储与检索性能，支撑模型训练任务
• 扎实的编程基础，熟练掌握Java/C++/Python中的至少一种，具备服务端开发经验
• 熟悉多模态数据处理方法，掌握数据清洗、特征提取、数据增强等技术
• 了解分布式计算或大数据框架（如Ray、Spark、Hadoop、Flink），具备搭建数据处理系统的能力

申请策略

• 简历中可体现对腾讯游戏或AI数据业务的了解，展现对业务的热情
• 关注团队的技术博客或开源项目，提前了解团队的技术风格
• 强调数据处理或大数据相关项目经验，特别是涉及多模态数据的清洗、Pipeline构建等
• 突出服务端开发经验，如高并发、分布式系统的设计与实现
• 列出掌握的编程语言和框架（Python/Java/C++/Spark/Ray等），并附上具体应用案例
• 补充学习Ray、Spark等分布式计算框架的实践应用
• 了解多模态数据处理的最新方法，如CLIP、数据增强技术
• 熟悉TensorFlow/PyTorch等深度学习框架的基本用法

面试指南

• 先明确目标（如数据规模、质量指标），再拆解步骤，结合具体技术选型和优化策略
• 强调数据驱动的思维，用实际案例展示你对工程效率的追求
• 展示团队协作能力，说明你如何与算法、产品等角色配合
• 如何设计一个高效的多模态数据清洗Pipeline？
• 在处理海量图片/视频数据时，如何优化存储和检索性能？
• 请举例说明你如何用Spark或Ray处理过非结构化数据
• 多模态大模型训练对数据质量有哪些要求？如何评估和筛选数据？
• 准备一个完整的数据处理项目案例，详细说明技术架构、挑战和成果