1、根据公司数据业务、AI业务发展需求，独立或牵头负责数据开发工具、调度平台、数据同步工具、数据质量工具、数据血缘工具、任务监控工具等核心模块的自研开发；统一团队数据生产、治理、分析的工具标准，解决工具零散、复用率低、难以规模化的问题。 2、基于Hadoop、Spark、Flink、DolphinScheduler、Airflow、Elasticsearch、数据中台开源组件等进行深度二次开发与定制化改造；针对业务痛点拓展原生组件不具备的功能，包括自定义调度规则、特殊数据同步逻辑、个性化权限体系、定制化监控告警、适配AI数据生产的专属能力等。 3、设计并落地标准化、自动化的数据工程流水线，打通数据接入、ETL开发、任务调度、质量校验、数据发布、版本回滚全流程工程化体系；实现数据任务自动化部署、灰度发布、一键上线、异常自动回滚，提升数据研发交付效率。 4、针对现有数据工具、平台存在的性能瓶颈、资源浪费、并发瓶颈、稳定性问题进行架构优化与迭代升级；完成任务并行优化、资源调度优化、查询性能优化、集群负载优化，支撑海量数据、高并发任务、高频次数据生产场景。 5、将通用数据能力封装为可复用的工具组件、接口、模板，搭建统一的数据工程中台；支持业务快速复用、快速搭建数据任务，降低数据开发、算法数据处理的人力成本，提升整体产能。 6、跟进大数据、AI数据工程前沿技术，解决分布式数据存储、实时计算、异构数据融合、大规模任务调度、向量检索工程化等重难点问题；推动工具链智能化、自动化升级，替代重复性人工操作 7、搭建场景库与自动化测试流水线，支持海量仿真用例（万级以上）生成、执行与结果分析，提升验证效率。 8、开发多维度仿真模块，涵盖物理环境（路况 / 天气）、传感器（激光雷达 / 摄像头）、智能体（车辆 / 行人）建模与交互逻辑。 9、优化仿真平台实时性与精度，解决多模块协同延迟、物理引擎误差、传感器模拟保真度等核心问题。 10、对接算法、测试团队，定制仿真场景（如极端天气、复杂路口）与评估指标，推动平台与算法迭代、功能落地衔接。 11、跟进仿真技术前沿（如数字孪生、虚实融合），迭代平台能力，满足高并发、高保真的仿真验证需求。

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。