大数据平台部-全栈开发工程师

优缺点分析

角色解读

• 从大数据/后端开发专家向架构师方向发展，深入理解业务与数据中台建设
• 也可向AI工程化、大模型应用落地方向转型，成为AI+大数据的复合型人才
• 负责腾讯画像中台体系的全链路建设，涵盖海量数据的采集、处理、存储与计算
• 探索大模型、Agent等前沿AI技术在画像理解与自动化运营中的落地应用
• 开发并优化画像相关平台及工具，提升数据研发与业务接入效率
• 扎实的计算机基础与后端编码能力，精通Java/Go/Python至少一种
• 熟练掌握Spark、Flink、Hive等大数据处理框架，具备海量数据处理经验
• 具备跨团队沟通协作能力与AI技术落地探索能力

申请策略

• 了解腾讯数据中台及画像业务的整体架构，准备一些关于高并发、海量数据处理的系统设计案例
• 突出海量数据处理经验，详细列出使用Spark/Flink等框架处理的数据规模与性能优化成果
• 展示AI/大模型相关的项目经验，如大模型辅助理解、Agent开发等
• 强调跨团队项目落地经验与中台/平台工具建设成果
• 深入学习大模型微调、RAG、Agent框架等AI工程化技术
• 复习并巩固分布式系统原理与大数据组件底层源码，提升架构设计能力

面试指南

• 采用STAR法则回答项目经验，重点突出数据规模、技术选型、优化手段与最终收益
• 对于架构设计题，从业务需求出发，分层阐述数据接入、计算、存储与服务层的设计，并考虑高可用与扩展性
• 对于AI应用题，结合具体场景阐述Prompt设计、模型调用、结果校验与工程化落地的完整闭环
• 请介绍一个你主导的海量数据处理项目，遇到了什么性能瓶颈，如何解决的？
• 在画像中台建设中，如何设计全链路的数据采集、处理与存储架构？
• 你如何理解大模型或Agent在数据标签生成或自动化运营中的应用？请分享你的思路或实践
• 在跨团队协作推动中台能力升级时，遇到过什么阻力？如何解决的？
• 准备2-3个具有代表性的大数据与AI结合的项目案例，深入思考其中的技术难点与解决方案