高级专员（科研数据管理）(J10406)

职责描述： 1、支撑数据治理体系建设 - 参与完善科研数据治理顶层框架，建立和健全科研数据管理体系及推动AI-ready数据标准（涵盖多模态数据格式、标注规范、向量化预处理标准等）落地。 - 参与构建科研数据的元数据管理体系与领域知识图谱，建立数据血缘追踪与质量评估机制，确保科研数据质量与可溯源。 - 全面评估现有历史科研数据的“AI就绪度”，规划和协同设计数据清洗、标注、转换与增强的自动化处理流程。 2、实施科研数据全生命周期管理 - 推行并持续优化科研数据从采集、存储、处理、共享到归档的全生命周期管理。 - 推动FAIR原则（可发现、可访问、可互操作、可重用）在机构内的深度落地，统筹建设机构级科研数据资产目录。 - 协同IT架构团队，规划并推进多模态科研数据（文本、图像、组学数据、实验仪器数据等）的汇交和存储平台建设。 3、深度AI赋能与跨团队协同 - 深入调研各科研团队（如材料科学、物理、光学、化学等）的数据痛点与AI应用需求，提供定制化的数据准备与治理咨询服务。 - 作为数据侧负责人，配合研发项目团队开展所需高质量语料库与知识库的架构设计与持续迭代。 - 支撑数据治理工具的调研、技术选型与引入落地，提升数据准备环节的自动化与工程化水平。 4、数据安全、合规与伦理把控 - 结合国家数据安全法规及科研伦理要求，制定科研数据的脱敏与安全共享机制。 - 建立并把控AI训练数据的合规审查流程，防范数据泄露、版权争议及AI算法偏见风险。 5、组织赋能与数据文化建设 - 面向科研人员与科研助理开展“AI-ready数据管理”实践培训，提升机构整体数据素养。 - 编制并维护机构级数据治理手册、操作指南及AI数据应用案例库。 任职要求： 1、教育背景： 计算机、信息管理、数据科学、图书情报学或相关理工科学科硕士及以上学历。具有交叉学科背景者优先。 2、工作经验： 具有2年以上数据治理、科研数据管理（RDM）、数据工程相关工作经验者优先。 具有从0到1主导或深度参与数据中台建设、科研数据平台建设或大型大模型语料库构建项目经验者优先。 3、专业技能： 精通数据治理理论框架（如DAMA体系），熟练掌握元数据管理、数据质量评估及数据血缘分析的方法论与工具。 深入理解AI/大模型对数据的要求，熟悉RAG架构、知识图谱构建、向量数据库原理及数据标注体系。 具备扎实的编程能力，熟练使用Python及数据处理常用库（如Pandas, NumPy），具备复杂SQL编写与性能优化经验。 熟悉主流科研数据管理平台（如Dataverse, CKAN等）或商业级数据治理平台。 4、综合素质： 具备出色的跨部门沟通与项目统筹能力，能够将复杂的AI技术需求转化为科研人员易懂的操作规范。 具备战略思维和落地能力，能够在新兴交叉领域（AI+科研数据）主动探索并建立标准。 具有强烈的责任心和自我驱动力，能够推动复杂跨部门项目的最终交付。