Momenta
实习数据闭环研发工程师(Mstar)
北京 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 计算机、自动化、机器人等相关专业，硕士及以上学历
- 扎实计算机基础，精通Python、熟练C/C++/Go/Java
- 掌握深度学习基础，具备大模型落地实践经验
- 拥有大规模数据、分布式系统项目经验优先
- 良好系统思维，具备独立方案设计与问题排查能力。
- 加分项：
- 项目竞赛：具备大规模数据集构建、数据流水线落地实战经验；智能车竞赛、超算竞赛获奖者优先，擅长从数据层面优化模型效果，而非仅调网络结构。
- 学术成果：有主动学习、样本筛选、数据治理、大模型数据应用方向相关论文者优先，重视数据策略创新。
- 技术栈：熟悉 Ray/Flyte/Spark/Flink、ROS、云原生、大数据存储者优先。
- 思维特质：具备强数据闭环思维，信奉数据决定模型上限；拥有第一性原理思考方式，擅长量化验证方案收益；既能深耕底层算法，又能完成工程落地，具备长期成长为数据闭环架构负责人的潜力者优先。
岗位描述
- 1、建设自动驾驶数据飞轮，负责数据回收、数据挖掘、自动标注、数据生产等流水线研发；
- 2、搭建PB级分布式数据系统，优化数据存储、检索与流转性能；
- 3、研发高价值样本筛选策略，结合大模型完成数据清洗、质检、难例分析，降低标注成本；
- 4、协同算法团队搭建数据质量评估体系，推动需求落地；
- 5、预研主动学习、仿真数据等前沿技术并落地产线。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 数据 岗位的常见面试问题整理
请解释数据仓库的星型模型和雪花模型的区别
查看答题思路
1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多
如何设计一个埋点体系来追踪用户行为
查看答题思路
1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警
SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户
查看答题思路
1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法
你做过最有价值的数据分析项目是什么
查看答题思路
1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）
解释 A/B 测试的原理和常见陷阱
查看答题思路
1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。