国产中文无码av每日更新在线观看, 亚洲天堂中文字幕一区二区三区免费, 国产口爆吞精在线观视频-黄色国产, 92福利-国内精品久久久久久99,亚洲成AV人A片不卡无码,浪潮AV无码专区,老熟女败火白浆,中文字幕日产av,色情日本免费看大片

主要職責
??數(shù)據(jù)倉庫設計與開發(fā)：??
1 、參與設計、構建、開發(fā)和維護高效、可擴展、高性能的企業(yè)級數(shù)據(jù)倉庫架構。
2 、開發(fā)和優(yōu)化復雜的ETL/ELT流程，用于從各種異構數(shù)據(jù)源（關系型數(shù)據(jù)庫、NoSQL、API、日志文件、文件系統(tǒng)等）抽取、轉(zhuǎn)換和加載數(shù)據(jù)。
3 、獨立負責模塊建設，以及上下游對接工作；
4 、負責數(shù)據(jù)倉庫的日常運維、監(jiān)控和性能調(diào)優(yōu)。
5、構建或集成智能數(shù)據(jù)問答/探索能力： 參與探索或開發(fā)基于大模型的自然語言交互界面，賦能業(yè)務用戶更便捷地查詢和分析數(shù)據(jù)倉庫中的數(shù)據(jù)。
6、應用大模型增強數(shù)據(jù)治理： 探索利用LLM進行元數(shù)據(jù)自動提取、分類、打標、數(shù)據(jù)血緣關系補充、數(shù)據(jù)目錄內(nèi)容生成與維護。
7、評估和引入合適的大模型工具/框架： 關注業(yè)界在數(shù)據(jù)工程領域應用LLM的進展，評估并引入合適的開源或商業(yè)化工具（如Text-to-SQL引擎、AI輔助數(shù)據(jù)目錄工具等）。

?
任職要求
1、 熟悉數(shù)據(jù)倉庫各類模型建模理論，了解數(shù)據(jù)倉庫數(shù)據(jù)分層架構，多維數(shù)據(jù)模型設計；
2、 熟練使用Hadoop、Spark、Hive等大數(shù)據(jù)套件 ， 熟悉業(yè)內(nèi)主流BI產(chǎn)品，有使用經(jīng)驗優(yōu)先；
3、 有較強的編程能力和編程經(jīng)驗，至少熟悉Java\Python 等其中一門開發(fā)語言；
4、 參與過大型數(shù)據(jù)倉庫架構設計、模型設計、ETL設計，具備海量數(shù)據(jù)處理、性能調(diào)優(yōu)經(jīng)驗；
5、 至少熟悉一門調(diào)度工具如airflow、dolphinscheduler等
6、 熟練操作linux/unix服務器，熟悉shell編程，至少會一門以上腳本編程語言。
7、 熟悉flume、flinkcdc、maxwell、datax等數(shù)據(jù)采集工具
8、 熟悉常見的olap數(shù)據(jù)庫，如clickhouse、doris，熟悉elasticsearch優(yōu)先
9、了解大模型原理及應用場景： 熟悉主流大模型（如GPT系列、Claude、Llama等）的基本原理、能力邊界及其在數(shù)據(jù)處理和分析領域的典型應用場景（如Text-to-SQL, Code Generation, NLQ等）。
10、具備大模型工具鏈實踐能力： 熟練掌握至少一種主流大模型API（如OpenAI API, Anthropic API）或開源大模型（如Llama 2, Mistral）的調(diào)用、集成與基礎Prompt Engineering技巧。
11、有應用大模型解決實際數(shù)據(jù)問題的意識與經(jīng)驗： 能夠思考并嘗試利用大模型優(yōu)化數(shù)據(jù)開發(fā)、數(shù)據(jù)查詢、數(shù)據(jù)治理或數(shù)據(jù)運維等環(huán)節(jié)的具體工作，提升效率或質(zhì)量。


加分項：
1、 熟悉flink，有實際落地的實時數(shù)倉經(jīng)驗
2、 熟悉數(shù)據(jù)治理，有元數(shù)據(jù)管理經(jīng)驗
3、 了解數(shù)據(jù)湖，有過流批一體經(jīng)驗
4、具備大模型應用開發(fā)經(jīng)驗： 有實際項目經(jīng)驗，將大模型技術成功應用于數(shù)據(jù)工程或數(shù)據(jù)分析領域（如開發(fā)基于LLM的數(shù)據(jù)查詢工具、自動化文檔生成、智能數(shù)據(jù)質(zhì)量檢查等）。
5、熟悉大模型在數(shù)據(jù)倉庫/數(shù)據(jù)平臺中的集成模式： 了解如何將LLM能力安全、有效地集成到現(xiàn)有數(shù)據(jù)架構中（如與BI工具、數(shù)據(jù)目錄、調(diào)度系統(tǒng)的結(jié)合）。
6、了解向量數(shù)據(jù)庫及其應用： 熟悉主流向量數(shù)據(jù)庫（如Milvus, Pinecone, pgvector, ChromaDB）的原理和使用，理解其在增強大模型知識檢索能力方面的作用。
7、熟悉LangChain, LlamaIndex等LLM應用框架： 有使用此類框架構建復雜LLM應用的經(jīng)驗。
8、具備Prompt Engineering優(yōu)化經(jīng)驗： 能針對特定數(shù)據(jù)任務設計和優(yōu)化高效的Prompt，提升模型輸出的準確性和可靠性。
9、了解大模型微調(diào)（Fine-tuning）基礎概念： 知道何時以及如何通過微調(diào)提升模型在特定領域任務（如公司專屬數(shù)據(jù)模式理解）的表現(xiàn)。