智元机器人
AI数据开发实习生
AI数据开发实习生
发布于 2 天前实习/见习
上海市
无经验要求
实习生
仅现场办公
学历未注明
实习与临时职位
Dataworks
Etl
Finebi
Numpy
Powerbi
Sql
数据仓库
数据清洗
Kettle
AI 估算 · 4k–6k
实习岗薪资通常按日或月计，参考上海地区AI数据开发实习生市场水平，结合公司融资阶段，预计月薪4000-6000元。
职位详情
关于这个职位
这是一个面向27届学生的AI数据开发实习岗位，你将跟随导师参与业务需求调研、数仓ETL辅助开发、可视化报表制作及数据质量管控等工作
适合计算机、大数据等相关专业在校生，要求掌握SQL和Python基础，并有大数据或可视化工具使用经验
实习周期需至少3个月，全勤到岗，表现优异可长期实习至毕业入职
最低要求
计算机、大数据、统计学、数学、软件工程等相关专业，实习周期≥3个月，全勤到岗，优先可长期实习至毕业入职
专业基础：掌握数据库原理，熟练基础SQL，能独立编写多表关联、聚合查询
了解数据仓库、星型/雪花模型、ETL基础概念
技能要求：
掌握Python基础，会Pandas、Numpy进行数据处理，做过数据清洗、数据集加工项目优先
了解Hadoop/Spark大数据基础概念，用过Tableau/FineBI/PowerBI任意一款可视化工具加分
接触DataWorks、Kettle等ETL工具、有课程设计/数仓实训/数模竞赛经历优先
综合素质：做事细致、对数据敏感，逻辑思维良好，沟通协作顺畅，主动好学，愿意深耕AI+数据开发方向，能接受基础性数据核对、需求整理工作
工作职责
需求辅助工作：跟随导师参与业务需求调研、业务场景梳理，协助拆分业务逻辑、编写数据需求初稿
协助整理AI智能化落地项目资料，学习业务转数据需求思路
数仓&ETL辅助开发：协助正式工程师完成数仓基础维护、数据表梳理、ETL任务调试、数据血缘梳理
参与AI项目原始数据归集、数据清洗、特征预处理、训练数据集整理等工作
可视化报表支撑：使用FineBI/Tableau/PowerBI协助制作、校验、迭代业务报表与数据看板，核对报表数据
辅助AI智能预警、智能分析类可视化产品的数据测试与落地
数据质量管控：按规范执行数据质量巡检，记录数据异常问题，跟进问题整改跟进
协助完善AI训练数据集、推理数据的质检规范与落地校验
跨团队协作：协同业务、算法、后端团队完成日常沟通、文档归档、问题记录，支撑AI+数据数字化项目落地
技术沉淀与实践：学习大数据、AI数据开发前沿技术，在导师指导下完成小范围技术调研、小型需求落地，为27届正式入职积累项目实战经验
AI 洞察
优缺点分析
优点
- 公司为机器人领域初创，B轮融资，发展迅速，可接触AI+数据前沿技术
- 导师制培养，有系统的实战项目积累，实习含金量高
- 工作内容覆盖数据开发全链路，技能面广，成长空间大
- 实习要求全勤到岗至少3个月，可能影响学业或其他安排
- 适合计算机、大数据等相关专业大三或研二学生，对AI数据开发有浓厚兴趣，能沉下心从基础做起，愿意长期投入实习并期望转正
缺点 / 挑战
- 实习周期灵活，表现优异可提前锁定正式offer，减少秋招压力
- 初期需要接受基础性数据核对、需求整理等重复性工作，需耐心
- 需同时掌握SQL、Python、大数据、可视化等多技能，学习压力较大
角色解读
- 实习期间积累AI数据开发实战经验，转正后可成为正式数据工程师
- 深度参与AI项目的数据全流程，未来可向数据架构师或AI数据科学家方向发展
- 接触前沿的大数据和AI技术，为27届毕业入职打下坚实基础
- 协助导师进行业务需求调研和场景梳理，将业务逻辑转化为数据需求
- 参与数仓维护、ETL任务调试、数据清洗和特征预处理，为AI模型准备训练数据集
- 使用FineBI/Tableau等工具制作可视化报表和数据看板，支撑业务决策
- 执行数据质量巡检并记录异常，参与完善数据质检规范
- 扎实的SQL基础，能编写多表关联和聚合查询
- 掌握Python及Pandas/NumPy进行数据处理和清洗
- 了解大数据生态（Hadoop/Spark）和ETL工具（DataWorks/Kettle）的基本概念
- 具备良好的沟通协作能力和数据敏感度，细心且主动
申请策略
- 在投递邮件中说明实习时长和每周可到岗天数，强调长期实习意愿
- 了解智元机器人的产品和AI应用场景，面试中可结合数据开发发表见解
- 突出SQL和Python能力，附上相关课程设计或项目代码链接
- 强调数据清洗、ETL或可视化工具使用经历（如FineBI/Tableau）
- 如有数模竞赛或数仓实训经历，务必写清具体角色和成果
- 体现细心、主动性及团队协作的实例（如社团项目或小组作业）
- 熟练掌握Pandas/NumPy的数据清洗操作，可以刷Kaggle入门级数据集
- 自学Hadoop/Spark基础概念，可完成简单WordCount练习
面试指南
- SQL题：先用窗口函数或自关联，讲清逻辑后再写代码，注意边界条件
- Python数据处理：先说明思路（检查、填充/删除、合并），再演示关键代码
- 模型区别：从表结构、查询性能、冗余度等角度对比，举例说明适用场景
- 项目分享：按STAR原则（情境、任务、行动、结果）叙述，强调个人贡献与学习收获
- 请用SQL查询出用户表中连续登录3天以上的用户ID
- 用Pandas实现一个数据清洗函数：处理缺失值、去重、合并两个DataFrame
- 描述一下数据仓库的星型模型和雪花模型的区别
- 你如何保证数据质量？遇到数据异常你会怎么处理？
职位点评
64
综合评分
AI数据开发实习，导师制实战培养，技术前沿，但薪资一般，需全勤到岗。
更适合这类人
该职位最适合追求技能成长和长期职业发展的求职者，尤其是渴望进入AI数据领域但能接受现阶段较低薪资和全职现场办公的同学。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展90
工作生活50
使命价值75
薪资福利
40较低
实习薪资处于市场中等偏低水平，且未明确福利待遇，对短期经济回报有限。但实习经历可换取长期职业发展回报。
薪资信号未披露（AI估算：4K-6K/月）
成长发展
90较高
该实习岗提供导师制、全流程数据开发实战、前沿技术学习机会，技能成长路径清晰，发展性动机满足度很高。
技术前沿前沿/新兴技术
技术栈SQL、Python、Pandas、NumPy、Hadoop、Spark、FineBI、Tableau、PowerBI、DataWorks、Kettle、ETL、数据仓库
成长机会导师、技术沉淀与实践、积累项目实战经验
业务类型ambiguous
工作生活
50较低
要求全勤到岗，未提及远程或弹性工作，工作地点在上海，通勤压力视个人情况而定。WLB信号不明显。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
公司处于AI+机器人高速发展赛道，岗位直接参与AI数据开发，有较高的行业价值和技术使命感，但社会影响力层面较中性。
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
Watch Jobs