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

• 可以从数据工程师成长为多模态数据方向的技术专家，深入理解大模型数据链路和底层框架
• 有机会接触前沿AI技术，向机器学习平台开发或模型训练优化方向拓展
• 在腾讯大平台积累大规模数据处理经验，未来可向技术管理或架构师方向发展
• 负责对接视频、图片、音频等多模态模型的数据生产需求，设计并实现数据生产引擎，支撑模型训练
• 搭建Data-Centric的数据处理流水线，包括算子开发、跨模态检索、内容理解与质量筛选
• 构建高可用、高吞吐的分布式数据存储和服务框架，优化数据的存储与检索效率
• 熟练掌握Java/C++/Python中至少一种语言，具备扎实的计算机基础和分布式系统开发经验
• 熟悉文本、图像、音视频等非结构化数据的处理方法，了解清洗、特征提取、增强等数据技术
• 熟悉Ray、Spark、Hadoop、Flink等分布式计算或大数据处理框架

申请策略

• 了解腾讯游戏的多模态大模型业务方向，在面试中展示对数据生产工具链的思考
• 表明自己对数据质量方法的理解，例如数据去重、样本均衡、难例挖掘等
• 突出服务端系统开发经验，尤其是高并发、高吞吐系统的设计案例
• 强调处理过非结构化数据（图像、音视频、文本等）的项目经历，包括清洗、特征提取等
• 展示对分布式计算框架（Spark、Ray等）的实际使用或项目应用
• 如果有大模型数据生产或数据Pipeline建设的项目，务必详细描述
• 如果对Ray不熟悉，可以提前学习并做个小项目实践
• 补充多模态数据处理相关知识，如图像/视频的特征提取、向量检索等

面试指南

• 使用STAR法则描述项目：情景、任务、行动、结果，突出数据量和性能指标
• 设计系统时，从需求出发，考虑扩展性、可用性和成本，给出权衡
• 对于数据质量问题，从工具和流程两方面回答，结合具体实例
• 请介绍一个你参与过的数据处理Pipeline项目，遇到过哪些挑战？
• 如何设计一个高吞吐的多模态数据存储系统？
• 处理大规模图片/视频数据时，你会采用哪些方法保证数据质量？
• 对Spark和Ray的理解？它们在数据生产场景中如何选型？
• 谈谈你对Data-Centric AI的看法