腾讯
校招视频多模态训练数据引擎设计与优化
深圳总部/北京/上海/杭州 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 1、计算机硕士以上学历，具备扎实的系统功底与高性能复杂架构设计能力；
- 2、精通C++/Java/Go等系统语言，有分布式存储、数据库内核或视频编解码（H.264/265）开发经验；
- 3、熟悉Spark/Flink等分布式框架，掌握CUDA异构编程及零拷贝、PMEM等底层优化技术；
- 4、熟悉多模态训练流程，具备大规模Data Pipeline或AI Infra（数据加载/特征存储）研发经验；
- 5、有系统/AI顶会论文、知名开源项目贡献或海量视频平台架构经验者优先。
岗位描述
【岗位职责】
视频作为多模态载体，融合画面、音频、文本及时序标签，单样本达百MB级，千亿规模对存储吞吐与算力调度提出极致挑战。预训练中，数据需切分为海量短时序片段（Clip），须兼顾多模态对齐与多维检索；同时清洗迭代频繁，涉及负样本剔除与标注修正。但现有架构短板明显：传统存储无法感知视频内部结构，批量读片引发无效IO；缺乏原生局部更新能力，属性微调常致GB级文件整体覆写，刷库低效。加之解码、Tokenize等多阶段算子流水线与CPU/GPU/NPU异构资源适配困难，调度僵化易致IO阻塞与算力空转。为此，我们拟构建专用数据引擎，突破细粒度随机读写与毫秒级局部更新技术，通过存算协同智能调度，打通数据筛选、增量更新与训练消费链路，显著提升迭代效率与资源利用率。
【任职要求】
- 1、计算机硕士以上学历，具备扎实的系统功底与高性能复杂架构设计能力；
- 2、精通C++/Java/Go等系统语言，有分布式存储、数据库内核或视频编解码（H.264/265）开发经验；
- 3、熟悉Spark/Flink等分布式框架，掌握CUDA异构编程及零拷贝、PMEM等底层优化技术；
- 4、熟悉多模态训练流程，具备大规模Data Pipeline或AI Infra（数据加载/特征存储）研发经验；
- 5、有系统/AI顶会论文、知名开源项目贡献或海量视频平台架构经验者优先。
【技术方向】
AI数据、数据工程
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。