{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "具身智能数据工程师",
        "job_level": "中级",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "上海··",
        "work_mode": "现场办公",AI生成
        "job_category": "AI数据工程师"AI生成
    },
    "company": {
        "company_name": "某人工智能公司",
        "company_industry": "人工智能",
        "company_size": "20-99人",
        "company_website": "未披露",
        "company_description": "未披露"
    },
    "compensation": {
        "salary_range": {
            "min": 50000,
            "max": 70000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "住房补贴 | 带薪年假 | 团建聚餐 | 绩效奖金 | 节日福利 | 年终奖 | 零食下午茶 | 餐补 | 五险一金 | 股票期权 | 交通补助"
    },
    "requirements": {
        "working_years": 3,
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "未披露",
        "responsibilities": "*数据管线设计与搭建:围绕具身大模型(VLM / VLA / 世界模型)的训练需求,搭建端到端数据管线(采集 → 清洗 → 标注 → 配比 → 质检 → 训练就绪),保证可扩展、可复现、高吞吐。\n*多源数据融合与治理:对接真机遥操、仿真、互联网视频、轨迹等多源异构数据,统一 schema、做格式归一化、字段对齐与去重脱敏,建立可追溯的数据资产。\n*数据配方与质量体系:配合算法团队设计数据配比(task / embodiment / scene / skill 的采样策略),建设数据质量评估与过滤机制(覆盖率、长尾、污染检测、OOD 过滤等),持续把控训练集/评测集质量。\n*评测与基准建设:构建和维护具身相关评测基准(仿真 + 真机),负责评测数据的版本管理、回灌分析与可视化,支撑算法迭代决策。\n*工程效率与稳定性:负责大规模数据的存储、索引、加速 IO(webdataset / tfrecord / mcap / parquet 等),优化数据加载链路与训练吞吐,支撑分布式训练下的数据供给。\n*跨团队协作:与算法、仿真、机器人系统团队紧密协作,把数据需求转化为可落地的工程方案,推动数据闭环持续运转。\n【职位需求】\n*本科及以上学历,计算机 / 自动化 / 机器人 / 机器学习等相关专业,2–5 年数据工程或数据相关开发经验。\n*扎实的工程能力:精通 Python,熟悉 SQL / Shell,熟练使用一种以上主流数据工程工具(Airflow / Spark / Ray / Dask / Beam 等)。\n*数据管线搭建经验(核心要求):有大规模数据管线的设计、实现与维护经验,熟悉 ETL / 数据湖 / 数据仓库基本理念,能独立 owner 一条端到端数据链路。\n- 熟悉常见数据存储与序列化格式(Parquet / TFRecord / WebDataset / HDF5 / Protobuf / ROS bag / MCAP 等),理解不同格式在训练场景下的取舍。\n- 了解主流深度学习训练框架(PyTorch / Jax)数据加载链路,能配合算法团队优化 DataLoader、采样器、sharding 策略与缓存机制。\n- 具备良好的工程素养:版本管理、监控告警、CI/CD、可观测性、文档沉淀,能在多人协作下保证管线稳定迭代。\n\n 【加分项】\n\n- 具备机器人真机或仿真数据经验(ROS / Isaac Sim / MuJoCo / 真实遥操 / 闭环采集等)。\n- 有大规模多模态数据(图像 / 视频 / 文本 / 轨迹)处理经验,理解 modality alignment 与 tokenization 流程。\n- 熟悉具身 / 机器人 / 智驾相关公开数据集(Open X-Embodiment、RT-1/RT-2、nuScenes 等),并了解其数据组织方式。\n- 有公开开源贡献(数据工具、数据集、评测榜单、复现报告等)。\n- 了解从数据采集、清洗、配比到评测的完整链路,熟悉训练-推理协同优化。\n- 对数据质量有执念,熟悉数据污染检测、分布分析、long-tail 治理等议题。\n认证资质\n人力资源服务许可证",
        "requirements_text": "*扎实的工程能力：精通 Python，熟悉 SQL / Shell，熟练使用一种以上主流数据工程工具（Airflow / Spark / Ray / Dask / Beam 等）；*数据管线搭建经验（核心要求）：有大规模数据管线的设计、实现与维护经验，熟悉 ETL / 数据湖 / 数据仓库基本理念，能独立 owner 一条端到端数据链路；熟悉常见数据存储与序列化格式（Parquet / TFRecord / WebDataset / HDF5 / Protobuf / ROS bag / MCAP 等），理解不同格式在训练场景下的取舍；具备良好的工程素养：版本管理、监控告警、CI/CD、可观测性、文档沉淀，能在多人协作下保证管线稳定迭代；具备机器人真机或仿真数据经验（ROS / Isaac Sim / MuJoCo / 真实遥操 / 闭环采集等）；熟悉具身 / 机器人 / 智驾相关公开数据集（Open X-Embodiment、RT-1/RT-2、nuScenes 等），并了解其数据组织方式；了解从数据采集、清洗、配比到评测的完整链路，熟悉训练-推理协同优化；对数据质量有执念，熟悉数据污染检测、分布分析、long-tail 治理等议题",
        "skills": [AI生成
            "Linux/DevOps/CI-CD",
            "SQL与数据探查",
            "产品迭代管理",
            "企业服务/SaaS知识",
            "分布式/微服务系统设计",
            "多模态AI应用",
            "数据工程与数据管道",
            "数据库/缓存/向量库",
            "数据资产治理",
            "模型/Agent评测体系",
            "模型训练与算法优化",
            "结果导向与Ownership",
            "编程与代码实现",
            "训练数据/标注/合成",
            "跨部门/跨团队协作",
            "项目推动与执行闭环"
        ],
        "preferred_qualifications": " 【加分项】",
        "job_highlights": "3-5年 | 本科"
    },
    "contact": {
        "recruiter_name": "彦阳",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/72654b0377f840d70nN-2ti4FlBS.html"
            }
        ]
    },
    "posting": {
        "posting_id": "72654b0377f840d70nN-2ti4FlBS",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260915",
        "job_url": "https://www.zhipin.com/job_detail/72654b0377f840d70nN-2ti4FlBS.html"
    },
    "fulltext": "分布式技术\n【岗位职责】\n*数据管线设计与搭建：围绕具身大模型（VLM / VLA / 世界模型）的训练需求，搭建端到端数据管线（采集 → 清洗 → 标注 → 配比 → 质检 → 训练就绪），保证可扩展、可复现、⾼吞吐。\n*多源数据融合与治理：对接真机遥操、仿真、互联⽹视频、轨迹等多源异构数据，统⼀ schema、做格式归一化、字段对齐与去重脱敏，建立可追溯的数据资产。\n*数据配⽅与质量体系：配合算法团队设计数据配比（task / embodiment / scene / skill 的采样策略），建设数据质量评估与过滤机制（覆盖率、长尾、污染检测、OOD 过滤等），持续把控训练集/评测集质量。\n*评测与基准建设：构建和维护具身相关评测基准（仿真 + 真机），负责评测数据的版本管理、回灌分析与可视化，支撑算法迭代决策。\n*工程效率与稳定性：负责大规模数据的存储、索引、加速 IO（webdataset / tfrecord / mcap / parquet 等），优化数据加载链路与训练吞吐，支撑分布式训练下的数据供给。\n*跨团队协作：与算法、仿真、机器人系统团队紧密协作，把数据需求转化为可落地的工程方案，推动数据闭环持续运转。\n【职位需求】\n*本科及以上学历，计算机 / 自动化 / 机器人 / 机器学习等相关专业，2–5 年数据工程或数据相关开发经验。\n*扎实的工程能力：精通 Python，熟悉 SQL / Shell，熟练使用一种以上主流数据工程工具（Airflow / Spark / Ray / Dask / Beam 等）。\n*数据管线搭建经验（核心要求）：有大规模数据管线的设计、实现与维护经验，熟悉 ETL / 数据湖 / 数据仓库基本理念，能独立 owner 一条端到端数据链路。\n- 熟悉常见数据存储与序列化格式（Parquet / TFRecord / WebDataset / HDF5 / Protobuf / ROS bag / MCAP 等），理解不同格式在训练场景下的取舍。\n- 了解主流深度学习训练框架（PyTorch / Jax）数据加载链路，能配合算法团队优化 DataLoader、采样器、sharding 策略与缓存机制。\n- 具备良好的工程素养：版本管理、监控告警、CI/CD、可观测性、文档沉淀，能在多人协作下保证管线稳定迭代。\n\n 【加分项】\n\n- 具备机器人真机或仿真数据经验（ROS / Isaac Sim / MuJoCo / 真实遥操 / 闭环采集等）。\n- 有大规模多模态数据（图像 / 视频 / 文本 / 轨迹）处理经验，理解 modality alignment 与 tokenization 流程。\n- 熟悉具身 / 机器人 / 智驾相关公开数据集（Open X-Embodiment、RT-1/RT-2、nuScenes 等），并了解其数据组织方式。\n- 有公开开源贡献（数据工具、数据集、评测榜单、复现报告等）。\n- 了解从数据采集、清洗、配比到评测的完整链路，熟悉训练-推理协同优化。\n- 对数据质量有执念，熟悉数据污染检测、分布分析、long-tail 治理等议题。\n认证资质\n人力资源服务许可证"
}