主分类：数据工程与数据平台研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "日常实习-业务技术- AI数据研发工程师（营销方向）",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "淘天集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "淘天集团",
"company_industry": "电子商务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "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",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 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；\n2. 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”；\n3. 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；\n4. 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；\n5. 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。",
"requirements_text": "1. 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；\n2. 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）；\n3. 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；\n4. 对AI前沿技术有热情和实践，了解大语言模型（LLM）基本原理，有以下任一经验者优先：\n-知识工程：熟悉知识图谱、本体论、实体链接、关系抽取等技术\n-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\n-多模态数据处理：有处理文本、图像等多模态数据的经验\n5. 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。有互联网大厂实习经验者优先。",
"skills": [AI生成
"Python",
"Spark",
"Flink",
"Elasticsearch",
"数据库",
"知识图谱",
"沟通能力",
"逻辑思维",
"大语言模型"
],
"preferred_qualifications": "4. 对AI前沿技术有热情和实践，了解大语言模型（LLM）基本原理，有以下任一经验者优先：；有互联网大厂实习经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903920016?deptCodes="
}
]
},
"posting": {
"posting_id": "199903920016",
"post_date": "2026-03-26",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903920016?deptCodes="
},
"fulltext": "日常实习-业务技术- AI数据研发工程师（营销方向）\n日常实习-业务技术- AI数据研发工程师（营销方向）\n\n基础信息\n毕业起止时间要求：2026-10-31 - 2029-12-30\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：杭州\n\n职位描述\n1. 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；\n2. 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”；\n3. 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；\n4. 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；\n5. 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。\n\n职位要求\n1. 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；\n2. 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）；\n3. 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；\n4. 对AI前沿技术有热情和实践，了解大语言模型（LLM）基本原理，有以下任一经验者优先：\n-知识工程：熟悉知识图谱、本体论、实体链接、关系抽取等技术\n-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\n-多模态数据处理：有处理文本、图像等多模态数据的经验\n5. 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。有互联网大厂实习经验者优先。\n\n在招业务\n淘天集团\n1. 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；\n2. 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”；\n3. 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；\n4. 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；\n5. 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。\n1. 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；\n2. 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）；\n3. 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；\n4. 对AI前沿技术有热情和实践，了解大语言模型（LLM）基本原理，有以下任一经验者优先：\n-知识工程：熟悉知识图谱、本体论、实体链接、关系抽取等技术\n-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\n-多模态数据处理：有处理文本、图像等多模态数据的经验\n5. 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。有互联网大厂实习经验者优先。",
"standard_classification": {
"std_category_code": "T016",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}