阿里巴巴
日常实习-业务技术- AI数据研发工程师（营销方向）
日常实习-业务技术- AI数据研发工程师（营销方向）
发布于 大约 4 小时前实习/见习
杭州市
无经验要求
实习生
仅现场办公
硕士
数据工程
Llm
Rag
向量数据库
多模态
数据处理
知识图谱
AI 估算 · 5k–8k
阿里AI数据研发实习，技术含量高，薪资高于一般实习，但实习期较短。
职位详情
关于这个职位
作为阿里巴巴日常实习生，你将参与构建淘天全域营销知识AI基础设施，负责营销知识的结构化与向量化处理，并探索RAG架构，为AI模型提供高质量数据
适合对AI数据工程、知识图谱、大模型技术有浓厚兴趣的硕士/博士在读生
最低要求
计算机科学、人工智能、数据科学、信息管理或相关专业在读硕士/博士研究生，对AI驱动的数据智能有浓厚兴趣
扎实的编程基础，熟练掌握Python，并熟悉至少一种主流大数据处理框架（如Spark, Flink）或数据湖仓技术（如Data Lake, Iceberg, Hudi）
具备优秀的数据处理与工程能力，能独立完成从原始数据到可用知识资产的端到端 pipeline 开发，对数据质量有极致追求
对AI前沿技术有热情和实践，了解大语言模型（LLM）基本原理
具备优秀的逻辑思维、沟通能力和自驱力，能够快速学习新知识并解决复杂问题
工作职责
参与构建淘天全域营销知识AI基础设施，负责将海量、多源的营销业务知识（如商品信息、权益规则、活动策略、用户行为等）进行结构化、体系化的组织与沉淀
设计并开发高效、鲁棒的知识处理工作流，包括但不限于：多模态（文本、图像、结构化数据）营销数据的清洗、融合、加工与向量化，为上层AI应用提供高质量的“燃料”
探索并实践知识检索增强（RAG）架构，参与设计面向营销场景的语义检索、混合检索方案，提升AI模型在复杂营销问答、策略生成等任务中的准确性与可解释性
参与营销领域本体（Ontology）的构建与迭代，将业务专家的经验和逻辑转化为机器可理解的知识图谱，推动营销知识的标准化和智能化应用
紧密协同算法、产品及业务团队，深入理解营销业务痛点，将业务需求转化为可落地的数据与AI解决方案
优先资格
有以下任一经验者优先：
知识工程：熟悉知识图谱、本体论、实体链接、关系抽取等技术
向量数据库与检索：了解或使用过如 Milvus, Pinecone, Elasticsearch 等向量/混合检索系统
多模态数据处理：有处理文本、图像等多模态数据的经验
有互联网大厂实习经验者优先
AI 洞察
优缺点分析
优点
- 参与电商核心业务营销知识AI建设，业务价值高，数据规模大
- 接触RAG、知识图谱、大模型等前沿技术，技术成长快
- 阿里平台提供完善的导师制和丰富的学习资源
- 实习薪资优厚，并有机会获得转正offer
- 工作涉及多源异构数据处理，工程复杂度高，需要较强的数据处理能力
- 新技术迭代快，需持续学习并快速应用于实际场景
- 适合对AI数据工程、知识图谱、RAG等方向有浓厚兴趣，具备扎实编程和数据处理能力的硕士/博士在读生
缺点 / 挑战
- 作为实习岗位，可能面临较高的工作压力和挑战
角色解读
- 实习表现优秀可转正，正式加入阿里淘天技术团队，深入AI数据领域
- 在AI数据研发方向积累知识图谱、RAG等前沿技术经验，成为该领域专家
- 可向算法工程师或数据架构师方向进阶，或转向AI产品/技术管理岗位
- 负责营销业务知识的结构化与沉淀，构建知识AI基础设施，处理商品、权益、活动等多源数据
- 开发多模态数据处理流程，包括清洗、融合、向量化，为上层AI应用提供数据支撑
- 参与RAG架构设计与落地，优化语义检索与混合检索，提升AI问答与策略生成的准确性
- 与算法、产品、业务团队协作，将业务需求转化为数据/AI解决方案
- 扎实的Python编程能力，熟悉大数据框架如Spark/Flink或数据湖仓技术
- 理解LLM基本原理，有知识图谱、向量数据库或RAG实践经验者更佳
- 具备端到端数据处理pipeline开发能力，注重数据质量
- 良好的逻辑思维与沟通协作能力，能够快速学习
申请策略
- 申请时突出对营销领域数据的理解，可展示相关课程或项目
- 面试前了解阿里淘天业务和AI数据中台的相关信息
- 突出Python编程和数据处理项目经验，尤其是大数据处理框架（Spark/Flink）的使用
- 如果有知识图谱、RAG或向量数据库相关项目，务必重点展示
- 强调独立完成的端到端pipeline开发案例，体现工程能力
- 如有互联网大厂实习经历，需详细描述职责和成果
- 快速学习并实践RAG架构，了解LangChain等框架
- 熟悉向量数据库（如Milvus）的基本用法和检索原理
面试指南
- 面试回答可采用STAR法则（情境-任务-行动-结果）结合具体项目案例
- 对于技术问题，从原理到实践逐步展开
- 请介绍一个你处理过的大规模数据项目，如何保证数据质量？
- 你对RAG的理解？在设计检索增强时需要考虑哪些因素？
- 了解哪些向量数据库？如何选择？
- 如何将非结构化文本转换为可用于AI的知识？
- 在团队协作中遇到分歧如何解决？
- 准备1-2个与数据处理或知识工程相关的项目详细描述
职位点评
66
综合评分
大厂核心AI数据研发实习，技术前沿，薪资不错，但工作强度或WLB一般。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
更适合这类人
该职位最适合追求技术成长、对AI数据前沿技术有热情的求职者。
表现最好
成长发展
相对薄弱
使命价值
薪资福利65
成长发展80
工作生活55
使命价值50
薪资福利
65中等
作为互联网大厂实习岗位，日薪相对较高，但实习期福利有限，薪资处于市场中等偏上水平。
薪资信号未披露（AI估算：5K-8K/月）
成长发展
80较高
岗位涉及LLM、RAG、知识图谱等前沿技术，且有大厂导师指导，技术成长空间大。但实习期较短，深度可能受限。
技术前沿前沿/新兴技术
技术栈Python、Spark、Flink、LLM、RAG、知识图谱、向量数据库、Milvus、多模态
业务类型ambiguous
工作生活
55较低
未明确工作模式，但大厂技术实习通常为现场办公，工作节奏较快，WLB一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
50较低
岗位通过AI技术提升营销效率，有业务价值，但社会影响力有限。
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
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs