大模型数据工程师

Docta.ai是一家诞生于硅谷的AI初创公司，专注于确保深度学习、机器学习以及大语言模型的训练数据的安全和可靠性。团队成员包括哈佛大学、加州大学、上交、上科大等学校的教授及博士，并在字节跳动、腾讯等科技公司担任过Tech Leader和高级研究员职位。创始团队在机器学习数据质量领域有10多年科研及业界经验，其成果发表在机器学习顶会（ICML，NeurIPS，ICLR）40余篇，千星开源项目（https://github.com/Docta-ai/docta），并在Amazon等公司落地验证。
目前，我们正在寻找机器学习（大模型数据）工程师 （全职/实习生）、前端工程师（兼职）和后端工程师（全职）来完成我们第一款商业化产品。在这里，你将接触数据质量领域顶尖的科研团队，对大模型HHH（helpful, honest, harmless）做出贡献。公司国内部门目前完全远程办公，全职员工提供五险一金，工作时间灵活。我们追求高效，拒绝一切耗时长加班等行为。

公司旨在用算力代替人力，用算法完成高质量数据标注/清洗，减少繁杂冗余的人工标注，将人力资源安排到定向产生高质量稀缺数据的工作中。前端工程师主要负责产品交互设计及实现，后端工程师主要负责产品内容接口及数据中心搭建维护，机器学习工程师主要负责优化整理现有互联网数据，与算法团队对接。


（爬虫）
大模型数据工程师职位简介：(10k ~ 30k/m)

1. 爬虫技能
- 遵循robots协议，爬取互联网上允许搜索爬虫采集的公开信息，参与爬虫系统的建设与优化，满足各类业务数据需求；
- 实现数据提取、清洗、结构化、入库、统计分析等需求；
- 有数据爬取的项目经历；熟悉各种反爬，如验证码、滑块、模拟登陆等；
- 熟悉 Python，具备良好的编码风格及编码能力；熟悉主流爬取技术及爬虫框架工具，如 Selenium/Puppeteer/Scrapy/PhantomJS 等；
2. 数据库管理技能:
- 具备数据库基本知识，能够与数据库工程师对接
- 有向量数据库开发、使用经验，如FAISS。
3. 其他：
- 理解机器学习基本概念，能够读写英文文档（必须）
- 良好的沟通技能，能够与其他技术团队成员有效沟通，解释应用程序功能。
- 需要计算机科学、软件工程、数据科学、数据库管理或相关领域的学士学位或以上。
- 了解机器学习基本知识，能够与机器学习工程师对接。
- 具备相关的实践经验或者工作经验，将增加竞争力。