基础平台研发工程师-Data Infra方向（T-Star Lab日常实习）

优缺点分析

角色解读

• 通过参与业界领先的大数据+AI工程引擎建设，积累底层架构与数据平台开发经验
• 表现优异者可获得秋招直通T-Star正式Offer，快速成长为数据基础架构领域的核心研发人才
• 参与Data+AI一体化数智平台的架构设计与优化，解决大数据与AI系统割裂问题
• 基于RAY框架打造多模态数据处理流水线，支持电商复杂AI/算法任务
• 构建数据智能体，实现自然语言交互、增强分析等前沿功能
• 精通C/C++或Java，具备扎实的编程基础与良好的编程习惯
• 熟悉网络编程、多线程编程及TCP/IP/HTTP等网络协议
• 熟悉Linux/Unix环境下的开发与调试，掌握至少一种脚本语言

申请策略

• 提前了解阿里自研的Dolphin数智平台及电商搜推广技术背景，面试时能更好地结合业务场景回答问题
• 突出C/C++或Java的底层开发经验，特别是网络编程、多线程及高并发处理相关的项目
• 展示在Linux环境下的开发调试能力，以及对数据湖、分布式计算框架（如RAY、Spark等）的了解
• 若有ACM竞赛、数学建模获奖或顶会论文发表经历，务必在简历中重点展示
• 深入学习RAY框架及分布式计算原理，了解实时湖仓架构与DataFabric概念
• 复习计算机网络、操作系统核心知识，提升C++或Java的底层编程与调优能力

面试指南

• STAR法则：针对项目经验，按照情境、任务、行动、结果的逻辑清晰阐述，突出自己的技术贡献与思考
• 底层原理+实践结合：回答技术问题时，先阐述底层原理（如TCP握手、线程调度），再结合具体代码或项目说明如何应用
• 请详细描述一个你使用C++或Java进行多线程/网络编程的项目，遇到了哪些并发问题及如何解决？
• 你对实时湖仓架构和DataFabric有什么了解？传统数据平台与新型Data+AI平台的核心区别是什么？
• 如果让你基于RAY框架设计一个多模态数据处理流水线，你会如何设计任务调度与资源分配？
• 在Linux环境下，你常用的调试工具有哪些？如何排查一个偶发的内存泄漏或死锁问题？
• 复习计算机网络、操作系统、数据结构与算法等计算机基础核心知识，准备应对底层原理拷问
• 了解大数据与AI工程领域的最新技术趋势，特别是Data+AI一体化、多模态数据处理的相关概念