返回岗位列表

数据研究科学家

查看原岗位

地点：美国薪资：薪资未公开日期：2026-07-20

岗位摘要

负责大规模数据管道的架构设计和实现，支持文本、图像、音频和视频数据集的模型训练和研究工作流；与研究及工程团队合作，策展、清洗和管理多样化的多模态数据集，用于模型的预训练和中期训练；开发可扩展的数据摄取、标注、过滤、增强和存储策略及工具

岗位职责

负责大规模数据管道的架构设计和实现，支持文本、图像、音频和视频数据集的模型训练和研究工作流
与研究及工程团队合作，策展、清洗和管理多样化的多模态数据集，用于模型的预训练和中期训练
开发可扩展的数据摄取、标注、过滤、增强和存储策略及工具
确保数据质量、可靠性和合规性，包括管理数据生命周期中的隐私和伦理问题
优化大规模分布式训练管道的数据处理、转换和交付
原型化和生产化新的数据集创建、管理和持续改进方法，以响应研究人员需求
推动研究驱动的数据进步集成到生产级系统中
关注数据工程和ML数据管理的最新发展，将最佳实践引入系统

任职要求

5年以上在机器学习应用中构建和扩展数据管道的经验，担任过资深或首席工程师，最好在研究或模型训练环境中
在LLM、VLM或其他大规模多模态模型的数据工程和ML数据策展方面有深厚背景
精通分布式数据系统（如Spark、Hadoop、Ray等）和高效的大规模数据集处理/ETL工作流
具备构建稳健、可扩展、生产级ML管道数据基础设施的能力
有开发数据标注、过滤、去重、质量保证和数据集管理工具的经验
强大的编程技能（Python、SQL、PySpark等）和熟悉云数据平台（AWS、GCP、Azure）
了解数据收集和管理中的隐私、合规、伦理及最佳实践
出色的跨职能协作、问题解决和沟通能力
热衷于通过数据卓越推动前沿生成式AI和创意技术

福利待遇

有竞争力的薪资和高速增长初创公司的大量股权
全面的健康福利、401k匹配等
协作、使命驱动的团队环境，拥有重大成长机会
灵活的现场/远程混合工作模式（总部位于加州帕洛阿尔托）