代码策略-数据建设 8-15K

1. 至少2年以上的AI/NLP领域工作经验，特别在代码大数据处理方面拥有深入的理解和实践经验。
2. 具备从零开始构建大规模多语言代码数据集的能力，包括但不限于数据采集、清洗、标注及结构化处理。熟悉如何通过算法提高数据质量和减少噪音。在GitHub、Stack Overflow、Kaggle等平台有系统性代码数据采集经验（需提供案例说明）。
3. 精通Python及其相关数据处理库（如Scrapy, pandas, SQL等），并能够开发自定义脚本或工具来加速数据处理流程。对大数据处理框架（如Hadoop, Spark）有一定了解更佳。
4. 对开源生态有深刻理解，熟悉主流开源协议（MIT/GPL/Apache等）及数据合规要求，需能主动参与开源社区，识别有价值的数据源，并确保所有数据操作符合合规要求。
5. 对于特定领域的数据处理（例如算法竞赛、开源项目贡献历史等）有独特见解和成功案例者优先考虑。能够基于具体业务场景，提出创新性的数据解决方案。
6. 优秀的沟通能力和团队合作精神，能够与跨职能团队有效合作，共同推动项目的进展。