DataHub 招聘专题 · 数据更新至 2026-10-20
AI数据工程师招聘
AI 数据工程师岗位连接数据采集、清洗、标注、治理、训练样本构建和评测数据体系，是大模型落地中的关键基础岗位。本专题聚合相关招聘信息，帮助候选人判断能力要求和公司需求。
专题说明
AI数据工程师招聘：DataHub整理136个相关岗位，覆盖24家公司，数据更新至2026-10-20。 页面会随招聘数据重建自动更新，适合用于观察岗位供给、公司分布和城市变化。
Agent算法后训练数据基础设施岗
负责Agent训练与推理全链路框架的开发、优化与稳定性保障，支撑大规模模型训练实验的高效运转；设计并维护Agent执行沙箱，保障代码执行、工具调用等复杂场景下的安全性、隔离性与可靠性
Code Agent数据工程师（机械设计方向）
围绕设计需求理解、参数化零件建模及装配设计，构建模型生成与修改、装配约束设置、干涉检查等Agent任务，准备工程文件、参考操作过程及验收标准，沉淀训练数据和评测用例；围绕机械零部件及机构的结构强度、刚度、运动或热性能，构建分析模型搭建、仿真工具调用及结果分析等Agent任务，明确工况、材料、边界条…
Code Agent 数据工程师 - 多岗位方向
定义质量标准：评审模型在后端任务上的多个候选实现，从实现正确性、架构设计、并发与性能、对语言和框架特性的利用等方面判定优劣，给出可复核的依据，沉淀出“什么是优秀的后端实现”的标准；建设评测体系：在后端方向设计有区分度的评测任务，制定清晰的验收标准与评分细则，定位模型短板，为模型迭代提供可解释的依据
数据工程师 - 机械设计
围绕设计需求理解、参数化零件建模及装配设计，构建模型生成与修改、装配约束设置、干涉检查等Agent任务，准备工程文件、参考操作过程及验收标准，沉淀训练数据和评测用例；围绕机械零部件及机构的结构强度、刚度、运动或热性能，构建分析模型搭建、仿真工具调用及结果分析等Agent任务，明确工况、材料、边界条…
Code Agent 数据工程师 - 游戏开发方向
定义质量标准：评审模型在游戏开发任务上的多个候选实现，从实现正确性、玩法逻辑、性能预算、对引擎特性的利用等方面判定优劣，给出可复核的依据，沉淀出“什么是优秀的游戏实现”的标准；建设评测体系：在游戏方向设计有区分度的评测任务，制定清晰的验收标准与评分细则，定位模型短板，为模型迭代提供可解释的依据
多模态训练数据工程师
参与多模态模型训练相关的数据建设工作，支持图文合训、视觉训练等方向的数据处理、筛选、构造与质量分析；根据模型训练目标，协助完成图文、视觉类数据的清洗、整理、分类、去重、过滤及结构化处理
多模态训练数据工程师
参与多模态模型训练相关的数据建设工作，支持图文合训、视觉训练等方向的数据处理、数据筛选、数据构造与质量分析；根据模型训练目标，协助完成图文、视觉类数据的清洗、整理、分类、去重、过滤及结构化处理
具身数据工程师
面向VLA/World Model等具身大模型训练需求，搭建覆盖数据采集、处理、管理、质量控制、训练服务的数据闭环体系；构建高效的多模态数据处理流水线，支持图像、视频、机器人轨迹、动作原语、语言指令、传感器等数据的解析、清洗、转换、对齐与标准化
数据基础设施工程经理
领导、发展和指导数据仓库与流式基础设施团队，培养所有权、协作、工程卓越和快速执行的文化；端到端负责 Anthropic 的数据仓库、流式和处理能力，包括用户体验、运维、可靠性、安全性、治理、成本和长期战略愿景
数据工程师，产品
理解并尽可能预测合作团队的数据需求，将其转化为数据模型、报告和技术要求；定义、构建和管理关键的dbt管道，将原始日志转化为规范数据集；制定数据完整性标准和SLA，确保数据按时准确交付；构建可靠的仪表板以跟踪核心指标，并在公司内分享见解
数据工程师，计费与支付
与计费工程、财务和会计合作，理解其数据和报告需求，并转化为技术需求；使用dbt设计、构建和维护数据模型和管道，将原始计费、使用和支付数据转化为规范数据集；负责收入数据的准确性和对账，确保计费、使用和收入数据在系统间一致
多模态大模型数据工程实习生
基于Spark、Ray、Hive等分布式计算框架，开发和优化海量图文数据处理Pipeline；参与多模态训练数据的采集、解析、清洗、去重、过滤、标注等核心环节建设；持续优化数据链路性能、稳定性及资源利用效率
AI数据开发工程师
搭建和完善数据仓库，设计数据模型与分层架构，沉淀公司数据资产，为算法训练和业务分析提供可靠的数据基座；建设和维护数据平台产品（数据分析平台、数据集管理平台、DataAgent等），推动数据治理，提升数据使用效率
语音大模型数据工程师
设计、搭建并持续迭代语音大模型数据处理与生产管线，覆盖数据采集、清洗、标注、质检与版本管理，持续产出高质量训练数据；构建并维护大规模语音数据的自动化处理与质量控制流程，保障数据的稳定性、一致性和可追溯性
预训练数据工程师
设计开发全网数据选取策略，包括链接质量预估、属性聚合、站点抓取配额、数据优先级等，保证数据多样性和最大化覆盖；负责全网数据采集环路的设计与开发，包括下载、任务调度、流式数据处理、DNS、连通性等核心组件，构建高吞吐、可容错的分布式采集系统
Code Agent 数据工程师（前/后/移动端）
构建强化学习环境：将真实的代码工程、网络安全或科研场景转化为可训练的RL环境，设计合理的奖励信号，与研究员紧密合作探索不同环境设计对模型Agent能力的影响；评估模型的Agent能力：在个人擅长的方向上设计高质量评测任务，量化模型在复杂真实场景中的表现
预训练数据管道工程师
设计并实现预训练数据管道，覆盖数据解析、清洗、过滤、去重、质量评估、分类采样等核心环节；基于Spark构建大规模分布式数据处理任务，优化任务调度、资源使用、吞吐和稳定性；参与文本、音频、视频及多模态预训练数据处理，开发数据处理、合成、筛选和优化算子
Staff+ 软件工程师（数据基础设施）
设计并实施稳健的访问控制系统，确保只有授权用户才能访问敏感数据，并构建权限管理、审计日志与合规基础设施，制定可扩展至数千用户和系统的 IAM 策略、ACL 与安全控制；构建和维护支撑关键业务报表的数据管道与数据仓库，确保复杂财务系统的数据完整性、准确性和可用性，包括第三方收入接入管道，并按需管理外…
招聘分析数据工程师
重构并优化现有BigQuery表，构建可扩展的数据基础，支持公司范围内AI驱动的数据洞察；设计可扩展的数据架构并构建维度模型，将原始HR数据转化为可信、可复用的数据集，以支持自助分析并保持性能
数据工程师（安全防护）
设计、构建并维护可扩展的数据管道，支持安全监控、滥用检测和执法工作流；开发并优化数据模型与数仓解决方案，以支持对大规模使用数据和安全数据的高效分析；构建并维护仪表盘和报告基础设施，让安全防护团队了解模型行为、滥用模式及执法结果
GTM数据工程师
理解交易台、订单管理、收入运营、财务和销售系统团队的数据需求，并将其转化为技术需求；设计、构建并负责数据模型，将原始Salesforce、CPQ和账单数据转化为规范数据集；建立高数据完整性标准和SLA，确保及时、准确地交付数据
数据工程师，核心实验
设计、构建和管理数据管道，确保所有用户事件数据无缝集成到数据仓库；开发规范数据集，以跟踪用户增长、参与度和收入等关键产品指标；与基础设施、数据科学、产品、营销、财务和研究等多个团队合作，理解其数据需求并提供解决方案
Helix AI 数据基础设施工程师
设计、构建并维护用于卸载、存储、处理和访问机器人数据的工具与软件组件；设计并管理大规模本地和云环境中的存储与计算资源；为 Figure 数据管道从记录到神经网络训练的各个阶段，实现最优的数据传输与存储方案
公共部门高级数据工程师
与运营、财务和工程团队合作，推动构建能够提供单一事实来源和基础准确性的数据管道；持续改进现有数据管道，并简化面向业务利益相关者的自助支持；定期执行系统审计，并创建数据质量测试，以确保数据/指标报告的完整性和准确性
预训练数据工程师-数据采集pipeline方向
根据数据清洗反馈信号，设计并开发全网数据选取与调度系统，包括链接质量预估、属性聚合、站点抓取配额、数据优先级等；保证数据多样性并最大化数据覆盖，为模型训练提供丰富的世界知识；面向RAG等时效场景，负责时效性种子挖掘、调度与有效性验证，保障关键信息的新鲜度
Code Agent 数据工程师—移动端方向
定义质量标准：评审模型在移动端任务上的多个候选实现，从实现正确性、架构设计、性能表现、对语言和平台特性的利用等方面判定优劣，给出可复核的依据，沉淀出“什么是优秀的移动端实现”的标准
Code Agent 数据工程师 - 前端方向
定义质量标准：评审模型在前端任务上的多个候选实现，从实现正确性、架构设计、性能表现、对框架和浏览器特性的利用等方面判定优劣，给出可复核的依据，沉淀出“什么是优秀的前端实现”的标准；建设评测体系：在前端方向设计有区分度的评测任务，制定清晰的验收标准与评分细则，定位模型短板，为模型迭代提供可解释的依据
代码智能体数据工程师—游戏开发方向
与顶尖大模型研究员直接协作，拓展模型在游戏开发任务上的能力边界；定义质量标准：评审模型在游戏开发任务上的多个候选实现，从实现正确性、玩法逻辑、性能预算、对引擎特性的利用等方面判定优劣，给出可复核的依据，沉淀“什么是优秀的游戏实现”的标准
Code Agent 数据工程师- Web 3D 与渲染方向
定义质量标准：评审模型在Web 3D与渲染任务上的多个候选实现，从实现正确性、视觉效果、性能与资源开销、图形API与数学运用是否得当等方面判定优劣，给出可复核的依据，沉淀出“什么是优秀的渲染实现”的标准
多模态训练数据工程师（2027校招提前实习）
参与多模态模型训练相关的数据建设工作，支持图文合训、视觉训练等方向的数据处理、数据筛选、数据构造与质量分析；根据模型训练目标，协助完成图文、视觉类数据的清洗、整理、分类、去重、过滤及结构化处理
数据开发工程师（数仓基建方向）
负责 MaaS 业务数仓建设与治理，包括分层建模、元数据血缘、数据质量与成本治理，建设统一的指标体系；基于 Flink 构建流批一体数据链路，参与大数据平台的云上运维与调优；本科及以上学历，具备 3 年以上数据开发经验
高级数据工程师（公共部门）
与运营、财务和工程团队合作，推动开发提供单一事实来源基础准确性的数据管道；持续改进现有数据管道，简化业务利益相关者的自助服务支持；执行定期系统审计，创建数据质量测试，确保数据/指标的完整准确报告
Helix AI工程师，数据基础设施
设计、构建和维护用于卸载、存储、操作和提供机器人数据访问的工具和软件组件；在本地和云环境中大规模架构和管理存储及计算资源；为Figure数据管道的所有阶段（从记录到神经网络训练）实施最佳数据传输和存储解决方案
数据工程经理（产品方向）
构建并扩展产品分析工程团队，包括招聘和指导嵌入产品支柱的高绩效分析工程师；定义并执行产品数据基础和分析能力的战略路线图；监督可扩展数据管道、数据模型和分析解决方案的设计与实施，将原始产品事件日志转化为规范数据集和洞察性数据市场
多模态大模型数据工程实习生
负责多模态训练数据处理Pipeline的开发与优化；基于Spark、Ray、Hive等分布式计算框架，开发和优化海量图文数据处理Pipeline；参与多模态训练数据的采集、解析、清洗、去重、过滤、标注等核心环节建设
大数据开发工程师（大模型方向）
设计、开发和维护基于Spark/Ray的大规模自动化ETL Pipeline，处理PB级多模态图文数据；优化图文数据的准确性与丰富度，以提升多模态模型的能力上限；计算机、大数据相关专业，本科及以上学历
AI数据开发工程师
负责算法数据平台系统的架构设计和开发工作，保障系统稳定、高效、安全；深入发掘和分析算法团队的数据需求，设计合理的技术方案并实现，生产交付文本、多模等各类模型训练数据；持续对系统平台进行架构改造和优化，提升系统的稳定性与可扩展性
大模型数据开发工程师
设计、开发和维护基于Spark/Ray的大规模自动化ETL Pipeline，处理PB级多模态图文数据；优化图文数据的准确性和丰富度，以提升多模态模型的能力上限；计算机、大数据相关专业，本科及以上学历
预训练数据工程师
设计和优化大规模Web爬虫的URL发现与调度系统，持续扩大数据覆盖范围；建设多因子抓取优先级体系，在有限资源下最大化高质量页面的获取效率；主导反爬对抗和动态渲染方案，提升核心站点的抓取成功率
预训练数据工程师
设计和优化大规模Web爬虫的URL发现与调度系统，持续扩大数据覆盖面；建设多因子抓取优先级体系，在有限资源下最大化高质量页面的获取效率；主导反爬对抗和动态渲染方案，提升核心站点的抓取成功率
数据开发工程师
负责数据平台架构设计与开发，包括全链路血缘、自助打标平台、指标管理等工具平台；基于对数据链路的理解，优化与改善现有流程与性能，提升数据的稳定性与及时性；独立完成数据各层级建模，构建成熟、稳定的数据仓库
AI数据平台工程师
负责数据智能Agent开发，支持自然语言查数、Text2SQL、智能归因等场景，推动LLM与数据平台深度联动；协助数仓语义层建设，配合指标平台与血缘系统实现语义资产标准化；负责统一数据API服务层开发，将数仓资产（表/指标/标签）封装为标准化接口，建设网关、权限与缓存体系
量化交易基础设施数据工程师（AI训练方向）
搭建高保真量化策略回测模拟环境，生成带时序标签、统计一致性约束和市场微观结构特性的合成策略数据集；设计针对核心量化策略范式（alpha因子合成、统计套利、事件驱动、CTA、ML因子等）的边界测试用例，将正确实现与典型错误配对为训练样本
算法数据平台工程师
负责算法数据平台系统的架构设计和开发工作，保障系统稳定、高效、安全运行；深入发掘和分析算法团队的数据需求，设计合理的技术方案并推动落地实现；持续对系统平台进行架构改造和优化，提升系统的稳定性与可扩展性
数据开发工程师（风控相关）
负责大模型业务风控数据体系建设，支撑反作弊、反欺诈攻防策略场景，构建高质量、可复用的数据资产，保障数据时效性与准确性；参与实时数仓与特征工程架构设计，覆盖日志接入、非结构化数据处理、特征计算、策略引擎等关键链路，快速响应黑产变化
预训练数据工程师
设计和优化大规模Web爬虫的URL发现与调度系统，持续扩大数据覆盖面；建设多因子抓取优先级体系，在有限资源下最大化高质量页面的获取效率；主导反爬对抗和动态渲染方案，提升核心站点的抓取成功率
预训练数据工程师
设计和优化大规模Web爬虫的URL发现与调度系统，持续扩大数据覆盖面；建设多因子抓取优先级体系，在有限资源下最大化高质量页面的获取效率；主导反爬对抗和动态渲染方案，提升核心站点的抓取成功率
数据开发工程师
设计与开发全链路血缘、自助打标平台、指标管理等数据工具平台；基于数据链路理解，优化改善现有流程与性能，提升数据稳定性与及时性；独立完成数据各层级建模，构建成熟稳定的数据仓库；构建流批一体架构，基于Flink、Kafka、数据湖等技术实现实时与离线数据Pipeline
预训练数据工程师
设计与优化大规模Web爬虫的URL发现与调度系统，持续扩大数据覆盖范围；建设多因子抓取优先级体系，在有限资源下最大化高质量页面的获取效率；主导反爬对抗和动态渲染方案，提升核心站点的抓取成功率
量化交易基础设施数据工程师
搭建高保真量化回测模拟环境，生成带时间戳、低延迟约束和事务一致性要求的合成代码数据集；设计针对金融协议（FIX/FAST/ITCH/OUCH）编解码逻辑的边界测试用例，将正确实现与典型错误配对为训练样本
AI数据开发工程师
参与模型训练数据集的构建，不限于数据清洗与处理等，实现数据闭环，构建稳定高性能分布式pipeline，构建高质量模型训练数据集；负责模型训练数据标签体系的构建，搭建自动化打标能力，打通线上用户数据，分析数据分布等
数据工程师（风控方向）
负责大模型业务风控数据体系建设，支撑反作弊、反欺诈攻防策略场景，构建高质量、可复用的数据资产，保障数据时效性与准确性；参与实时数仓与特征工程架构设计，覆盖日志接入、非结构化数据处理、特征计算、策略引擎等关键链路，快速响应黑产变化
大模型数据工程师
参与大模型训练数据的构建，包括数据采集、数据清洗、数据增强，搭建高效的分布式数据pipeline；参与大语言模型的数据质量提升，包括数据风控策略、异常数据检测、数据修复、特定领域数据扩充
数据工程师
负责构建面向大模型训练的高质量数据体系，主导语音、视觉、多模态数据的采集、存储、清洗及特征工程；探索基于生成式模型的合成数据构建，包括数据增强、对抗生成等技术；设计与实施数据质量评估体系，开发高质量、高知识密度的数据筛选机制
高级数据开发工程师
负责复杂业务需求的数据模型设计与开发，确保数据质量和系统稳定性；参与数据平台的架构设计与优化，提升数据处理效率和系统性能；负责数据管道的建设与维护，包括ETL流程的设计与实施；与数据科学团队协作，将数据转化为业务洞察，支持决策制定
大模型数据开发工程师
负责大模型训练数据的清洗工作，针对文本、多模态等数据类型，设计高效的去重算法与异常数据过滤方案，剔除无效、冗余数据，提升数据集纯净度；开展多源异构数据的整合工作，打通不同渠道、不同格式的数据壁垒；运用聚类算法对数据进行分类梳理，挖掘数据内在关联，构建结构化、体系化的训练数据池
大模型数据开发工程师
负责大模型训练数据的清洗工作，针对文本、多模态等数据类型，设计高效的去重算法与异常数据过滤方案，剔除无效、冗余数据，提升数据集纯净度；开展多源异构数据的整合工作，打通不同渠道、不同格式的数据壁垒；运用聚类算法对数据进行分类梳理，挖掘数据内在关联，构建结构化、体系化的训练数据池
高级数据基础设施工程师
实现和维护可复用的库、模块和平台，用于大规模数据采集与处理；根据系统设计，构建基础设施组件，如代理服务、镜像管道、可靠调度器及中间件抽象层；确保采集管道及支撑系统在数百PB至ZB规模下的可靠性、可扩展性和效率
大模型大数据开发工程师-多模态方向
设计、开发和维护基于Spark/Ray的大规模自动化ETL Pipeline，处理PB级多模态图文数据；优化图文数据的准确性与丰富度，以提升多模态大模型的能力上限；计算机、大数据相关专业，本科及以上学历
语音大模型数据工程师
设计、搭建并持续迭代语音大模型数据处理与生产管线，覆盖数据采集、清洗、标注、质检与版本管理，持续产出高质量训练数据；构建并维护大规模语音数据的自动化处理与质量控制流程，保障数据的稳定性、一致性和可追溯性