中国煤炭科工集团有限公司｜矿山高质量数据集研发岗

（1）负责矿山高质量数据集全生命周期建设，制定数据采集、清洗、转换、增强、合成技术方案，确保数据准确性、完整性、时效性与多样性； （2）统筹多模态数据资源的汇聚与标准化处理，建立数据资源目录与元数据管理体系，支撑行业数据资产盘点； （3）开展数据预处理与特征工程，实施数据去重、缺失值处理、异常值检测及格式标准化，构建适配矿山场景的数据增强与合成数据生成方案； （4）编制高质量数据集说明文档，明确数据来源、采集方法、加工流程、标注规范、质量指标及应用场景，确保文档符合国家标准要求； （5）参与数据集模型验证与迭代优化，利用数据集开展人工智能模型训练与效果评估，根据模型适配性反馈持续优化数据集质量； （6）配合高质量数据集生态建设，推进数据集在可信数据空间的发布、共享与流通。

（1）原则上应具有博士学历，特别优秀者可放宽条件。数据科学、计算机科学与技术、人工智能、统计学、数学等相关专业； （2）年龄不超过35周岁； （3）熟练掌握Python、SQL等数据处理工具，熟悉数据清洗、特征工程、数据增强等技术，具备大规模数据处理与分析能力； （4）熟悉多模态数据（文本、图像、视频、点云、时序等）处理流程，了解数据标注规范、元数据管理及数据质量标准； （5）具备大模型（LLM/VLM）数据工程与训练调优能力，熟悉预训练、指令微调（SFT）、强化学习人类反馈（RLHF）等数据构建与优化方法，能够基于数据集开展大模型训练验证、效果评估与迭代优化； （6）了解机器学习、深度学习基本原理，具备将高质量数据集与模型训练深度融合的实践经验，掌握数据配比策略、指令模板设计及多模态大模型数据对齐技术； （7）具备良好的技术文档编写能力，熟悉数据资产、数据治理相关国家标准与行业规范； （8）具备优秀的逻辑思维能力、数据敏感度与学习能力，善于沟通协作，能够适应数据工程及大模型技术的快速迭代。 专业要求：详见职位描述