1. 负责搭建多模态数据标注规则与质量管控能力，指导标注流程设计与问题修订，实现标注精准匹配模型需求，降低数据质量偏差风险 2. 负责搭建数据标注项目全生命周期管理能力，指导项目进度与资源统筹，实现交付效率提升，保障模型迭代数据供给 3.负责搭建标注平台协同优化能力，指导工具功能迭代与测试验收，实现标注效率提升，降低人工操作成本 4.负责搭建基于传统、向量、语义等检索和挖掘技术，实现高动态相应 5. 负责搭建对数据进行清晰、切片、转换、加载等ETL技术体系 6. 保障数据体系稳定、规范、高效运转，是数据业务落地的核心底座，覆盖ETL运维、数据标注、索引管理、数据治理全基础场景 7. 数据体系智能化升级与技术攻坚：负责大数据、AI数据平台的功能迭代与技术优化，解决海量数据处理、高并发检索、数据异构融合等技术难点；搭建数据自动化治理体系，实现数据质量自动检测、问题自动预警、规则自动更新；沉淀智能化数据处理工具、流程模板，推动数据处理全流程自动化、智能化，降低人工运维成本。 8. 数据挖掘模型研发与迭代：针对业务场景、算法训练需求，研发定制化数据挖掘模型，实现用户行为、业务风险、内容特征、语义信息等多维度深度挖掘；构建数据标签体系、特征工程体系，沉淀标准化数据特征库、样本库；结合业务反馈、模型效果，持续迭代挖掘算法，优化数据产出质量，赋能精准推荐、智能风控、语义理解等AI业务

1、本科及以上学历，计算机科学、软件工程、数据科学、自动化、车辆工程等相关专业优先； 2、具备 7年及以上智能驾驶或人工智能领域数据标注、数据管理或相关项目经验。熟悉自动驾驶常见感知任务（如2D/3D检测、跟踪、车道线分割等）的数据标注规范与流程； 3、精通至少一种主流数据标注工具（如Label Studio、CVAT等）的使用和管理； 4、具备扎实的数据分析能力，能使用SQL、Python或相关工具进行基本的数据处理和质量分析，善于从数据中发现问题和规律； 5、了解智能驾驶数据闭环的基本概念和技术流程，对影子模式、数据挖掘、自动标注等有认知者更佳； 6、拥有出色的沟通协调能力和团队协作精神，能够有效管理团队、对接上下游并推动问题解决。同时，必须具备极强的逻辑思维能力、责任心和对细节的专注； 7、拥有强烈的质量意识，能够建立并推行提升效率与质量的关键流程、规范和制度，并确保其有效落地。 8、掌握机器学习、半监督学习、小样本学习基础原理，具备AI自标注、自动数据清洗、数据纠错的模型落地经验；能够独立搭建自动化标注流程，实现海量数据高效标注与迭代