【工作内容】 1.预训练数据处理： 收集、整理和清洗用于预训练的多模态数据，包括文本、图像等。 对数据进行预处理，如分词、去噪、归一化等，以确保数据质量。 根据模型需求，对数据进行特征提取和转换。 2.Alignment数据处理： 收集和整理用于模型对齐（alignment）的数据，包括配对的多模态数据。 对数据进行对齐处理，如图像与文本的对齐、音频与文本的对齐等。 确保对齐数据的准确性和一致性。 3.数据管理： 建立和维护数据管理系统，包括数据存储、索引和检索。 对数据进行版本控制和管理，确保数据的可追溯性和可重复性。 定期备份和恢复数据，以防止数据丢失。 4.数据验证： 设计和执行数据验证流程，以确保数据的准确性和完整性。 对数据进行抽样检查和质量评估，及时发现和纠正数据问题。 与团队成员合作，解决数据相关的问题和挑战。 【职位要求】 教育背景： 计算机相关专业本科或研究生在读。 技术能力： 熟悉Python编程语言，了解数据处理和分析的基本方法和工具。 多模态理解： 对多模态数据（文本、图像、音频等）有基本的理解和处理能力。 学习能力： 具备快速学习和适应新知识、新技能的能力。 团队合作： 良好的沟通能力和团队合作精神，能够与团队成员密切合作。