联想
AI & Synthetic Data Engineer
AI & Synthetic Data Engineer
发布于 大约 16 小时前普通员工/个人贡献者
北京市
无经验要求
全职员工
仅现场办公
本科
机器学习工程
Ai辅助开发
Numpy
Scikit-Learn
Scipy
合成数据
机器学习
深度学习
生成式Ai
AI 估算 · 15k–25k
北京AI工程师校招岗位，联想薪资中等偏上，合成数据方向有技术含量，应届生起薪约15-25K。
职位详情
关于这个职位
该职位负责研究和设计合成数据生成与评估方案，应用于多种业务场景
你将使用Python和AI辅助开发工具处理和分析数据，评价合成数据的质量、隐私和实用性
适合对数据科学和生成式AI有浓厚兴趣的应届生
最低要求
本科及以上学历，毕业时间在2026年9月至2027年8月之间
具有较强的逻辑和计算思维，能够将复杂问题分解为结构化且可执行的解决方案
具备基本编程技能，并有AI辅助开发或"vibe coding"经验，包括有效使用AI编码工具构建、测试、调试和迭代原型
强烈优先掌握Python
扎实的数学基础，特别是概率、统计、线性代数、优化或数值方法
理解合成数据的概念、方法论、使用场景和评估方法
具有使用Pandas、NumPy、SciPy、Polars和scikit-learn等数据处理和科学计算库的实践经验
能够独立开展技术研究、实验和概念验证开发，具备较强的分析和解决问题的能力
工作职责
针对不同业务和技术场景，研究、设计和实现合成数据生成与评估解决方案
处理和清洗、转换、分析结构化和非结构化数据集
使用适当的统计和机器学习方法评估合成数据的质量、代表性、隐私性和实用性
使用Python和现代AI辅助编码工具开发原型和概念验证解决方案
在适当的情况下应用机器学习、深度学习、统计分析或强化学习技术
与技术及业务利益相关者合作，将需求转化为实际的数据和AI解决方案
记录技术方法、实验结果、假设和建议
紧跟合成数据、生成式AI、隐私保护技术和数据科学领域的新兴技术和最佳实践
优先资格
在机器学习、统计建模与分析、深度学习、强化学习、生成式AI或数据隐私与隐私保护计算等一个或多个领域有实践经验者优先
有PyTorch、TensorFlow或JAX等深度学习框架经验者优先
熟悉合成数据生成方法，包括统计模拟、生成模型、GAN、VAE、扩散模型或大语言模型者优先
有在统计保真度、下游效用、偏差、隐私风险和合规性等方面评估合成数据经验者优先
有处理大规模数据集、数据管道或基于云的开发环境经验者优先
具备较强的沟通能力，能够向非技术利益相关者解释复杂的技术概念
AI 洞察
优缺点分析
优点
- 合成数据是AI前沿方向，技术含量高，人才稀缺
- 联想作为跨国企业，平台稳定，资源丰富，有国际化协作机会
- 岗位涉及多种AI技术，个人技能成长空间大
- 面向应届生，门槛相对友好，适合作为职业生涯起点
- 合成数据领域尚在早期，方法论不成熟，需要较强的研究能力和自学能力
- 作为校招岗位，竞争激烈，且需要准备英文简历，面试可能包含英文环节
缺点 / 挑战
- 岗位要求技能覆盖面广，数学、编程、AI都要有一定基础，学习压力较大
- 适合对数据科学和生成式AI有强烈兴趣，数学基础扎实，喜欢研究新技术并愿意接受挑战的应届生
角色解读
- 从合成数据工程师向数据科学家或AI研究员方向发展，深耕生成式AI领域
- 可转向隐私计算、数据工程或AI产品方向，拓展技术广度
- 在联想这样的大平台积累项目经验，未来可晋升为技术专家或团队负责人
- 研究和设计合成数据生成方案，解决业务中的隐私和稀缺数据问题
- 使用Python和AI工具处理、清洗和分析结构化与非结构化数据
- 评估合成数据的质量、隐私和实用性，确保满足业务需求
- 与技术和业务团队协作，将需求转化为原型和解决方案
- 扎实的数学基础，包括概率、统计、线性代数和优化
- 熟练使用Python及Pandas、NumPy、SciPy、scikit-learn等库
- 理解机器学习、深度学习或生成式AI的基本原理和应用
- 熟悉AI辅助开发工具，能够高效构建和迭代原型
申请策略
- 注意JD中的特殊提醒，务必附上英文简历
- 在面试中展示对合成数据应用场景的理解，可以结合隐私保护或数据增强案例
- 突出数学和编程基础，尤其是Python和相关库的使用经验
- 强调任何AI项目经历，包括课程设计、竞赛或开源贡献，特别是涉及生成模型的
- 展示使用AI编程工具（如Copilot）开发原型的经验，体现对AI辅助开发的熟练度
- 如果有英文简历，确保专业术语准确，并突出英文能力
- 提前学习合成数据技术，如GAN、VAE、扩散模型的基本原理
- 熟悉常用数据处理和机器学习库，实践Kaggle等数据科学项目
面试指南
- 对于技术问题，先阐述基本概念，再结合项目经验说明具体应用，最后总结优缺点
- 对于开放性问题，使用STAR法则（情境、任务、行动、结果）结构化回答
- 对于隐私相关问题，可以从差分隐私、k-匿名等经典方法入手，再延伸至生成模型的隐私风险
- 你如何评估合成数据的质量？
- 解释一下GAN的工作原理及其在合成数据生成中的应用
- 你使用过哪些AI辅助开发工具？它们如何提高你的效率？
- 请描述一个你处理过的不平衡数据集，并说明解决方案
- 如何确保合成数据不泄露原始数据的隐私信息？
职位点评
72
综合评分
联想AI合成数据工程师，前沿技术方向，薪资未披露，现场办公，成长性高。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
适合追求技术成长、对生成式AI和合成数据方向充满热情的应届生，能够接受现场办公和一定的工作压力。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活60
使命价值70
薪资福利
65中等
薪资未明确披露，但联想作为上市跨国企业提供稳定的薪酬和福利，校招岗位通常有完善待遇。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
合成数据属于前沿技术领域，岗位涉及多种AI技术，技能成长空间大，同时联想提供国际化平台，发展机会多。
技术前沿前沿/新兴技术
技术栈Python、Pandas、NumPy、SciPy、scikit-learn、PyTorch、TensorFlow、JAX、GANs、VAEs、diffusion models、LLM
业务类型ambiguous
工作生活
60中等
工作地点北京，现场办公，未提及弹性或远程安排，工作强度未知，生活平衡一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
合成数据有助于隐私保护和数据共享，具有积极社会意义，但JD未强调使命，行业前景向好。
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
联想 的其他在招职位
相似职位推荐
Watch Jobs