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(zé)
??數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)與開發(fā)：??
1 、參與設(shè)計(jì)、構(gòu)建、開發(fā)和維護(hù)高效、可擴(kuò)展、高性能的企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)。
2 、開發(fā)和優(yōu)化復(fù)雜的ETL/ELT流程，用于從各種異構(gòu)數(shù)據(jù)源（關(guān)系型數(shù)據(jù)庫(kù)、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(dú)立負(fù)責(zé)模塊建設(shè)，以及上下游對(duì)接工作；
4 、負(fù)責(zé)數(shù)據(jù)倉(cāng)庫(kù)的日常運(yùn)維、監(jiān)控和性能調(diào)優(yōu)。
5、構(gòu)建或集成智能數(shù)據(jù)問(wèn)答/探索能力： 參與探索或開發(fā)基于大模型的自然語(yǔ)言交互界面，賦能業(yè)務(wù)用戶更便捷地查詢和分析數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)。
6、應(yīng)用大模型增強(qiáng)數(shù)據(jù)治理： 探索利用LLM進(jìn)行元數(shù)據(jù)自動(dòng)提取、分類、打標(biāo)、數(shù)據(jù)血緣關(guān)系補(bǔ)充、數(shù)據(jù)目錄內(nèi)容生成與維護(hù)。
7、評(píng)估和引入合適的大模型工具/框架： 關(guān)注業(yè)界在數(shù)據(jù)工程領(lǐng)域應(yīng)用LLM的進(jìn)展，評(píng)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(cāng)庫(kù)各類模型建模理論，了解數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)分層架構(gòu)，多維數(shù)據(jù)模型設(shè)計(jì)；
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(yàn)優(yōu)先；
3、 有較強(qiáng)的編程能力和編程經(jīng)驗(yàn)，至少熟悉Java\Python 等其中一門開發(fā)語(yǔ)言；
4、 參與過(guò)大型數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)設(shè)計(jì)、模型設(shè)計(jì)、ETL設(shè)計(jì)，具備海量數(shù)據(jù)處理、性能調(diào)優(yōu)經(jīng)驗(yàn)；
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(wù)器，熟悉shell編程，至少會(huì)一門以上腳本編程語(yǔ)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(kù)，如clickhouse、doris，熟悉elasticsearch優(yōu)先
9、了解大模型原理及應(yīng)用場(chǎng)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(lǐng)域的典型應(yīng)用場(chǎng)景（如Text-to-SQL, Code Generation, NLQ等）。
10、具備大模型工具鏈實(shí)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(chǔ)Prompt Engineering技巧。
11、有應(yīng)用大模型解決實(shí)際數(shù)據(jù)問(wèn)題的意識(shí)與經(jīng)驗(yàn)： 能夠思考并嘗試?yán)么竽Ｐ蛢?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(yùn)維等環(huán)節(jié)的具體工作，提升效率或質(zhì)量。


加分項(xiàng)：
1、 熟悉flink，有實(shí)際落地的實(shí)時(shí)數(shù)倉(cāng)經(jīng)驗(yàn)
2、 熟悉數(shù)據(jù)治理，有元數(shù)據(jù)管理經(jīng)驗(yàn)
3、 了解數(shù)據(jù)湖，有過(guò)流批一體經(jīng)驗(yàn)
4、具備大模型應(yīng)用開發(fā)經(jīng)驗(yàn)： 有實(shí)際項(xiàng)目經(jīng)驗(yàn)，將大模型技術(shù)成功應(yīng)用于數(shù)據(jù)工程或數(shù)據(jù)分析領(lǐng)域（如開發(fā)基于LLM的數(shù)據(jù)查詢工具、自動(dòng)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(cāng)庫(kù)/數(shù)據(jù)平臺(tái)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(gòu)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(kù)及其應(yīng)用： 熟悉主流向量數(shù)據(jù)庫(kù)（如Milvus, Pinecone, pgvector, ChromaDB）的原理和使用，理解其在增強(qiáng)大模型知識(shí)檢索能力方面的作用。
7、熟悉LangChain, LlamaIndex等LLM應(yīng)用框架： 有使用此類框架構(gòu)建復(fù)雜LLM應(yīng)用的經(jīng)驗(yàn)。
8、具備Prompt Engineering優(yōu)化經(jīng)驗(yàn)： 能針對(duì)特定數(shù)據(jù)任務(wù)設(shè)計(jì)和優(yōu)化高效的Prompt，提升模型輸出的準(zhǔn)確性和可靠性。
9、了解大模型微調(diào)（Fine-tuning）基礎(chǔ)概念： 知道何時(shí)以及如何通過(guò)微調(diào)提升模型在特定領(lǐng)域任務(wù)（如公司專屬數(shù)據(jù)模式理解）的表現(xiàn)。