数据工程实习生
职位描述
该职位来源于猎聘 一、岗位职责 你会直接参与一条真实运行的数据生产链路,从“找到数据”一路做到“把它变成别人能直接用的表”。 使用 Python 完成医药公开数据(药监审评、医保招采、专利、临床试验、文献、上市公司公告等)的自动化获取、解析与结构化处理; 分析不同网站的页面结构、请求方式及公开数据接口,设计采集方案(静态页面、动态渲染、官方 API、PDF 附件); 编写数据清洗、去重、格式统一、字段标准化及多来源数据关联脚本,保证产出数据准确可用; 参与采集任务的异常处理、失败重试、频控缓存、增量更新及运行状态监控,维护任务长期稳定运行; 参与公告 PDF、说明书等非结构化文档的解析与信息提取,配合 LLM 抽取流程做数据质量检查。 二、任职要求 (一)基本条件(不满足请勿投递) 学历与身份:本科及以上;在校生或应届毕业生(毕业一年内亦可),学习形式不限(全日制、非全日制均可) 。能保证连续实习 3 个月以上,每周到岗不少于 3 天。 专业方向:不限专业。计算机、软件工程、人工智能、数据科学与大数据技术、信息安全、电子信息工程、物联网工程等专业更对口;药学、生物信息、统计学等背景且具备编程能力者同样欢迎。 工作方式:实习期间需到公司工位现场办公(江苏常州),不接受纯远程。 通勤与稳定性:通勤条件便于长期到岗、能稳定出勤者优先(以实际通勤时间与可到岗天数为判断依据)。 语言能力:中文表达清晰,能读懂英文技术文档与网页内容。 (二)能力要求(用大白话说) 会写 Python,不只是“学过”:能把一个想法从头到尾写成能跑起来的程序,报错了会自己查、自己改。 知道网页上的数据是怎么来的:能打开浏览器开发者工具,看懂是哪一次请求把数据取回来的。不会可以教,但要肯学。 能把脏数据弄干净:去重、统一格式、字段对齐,做出一张别人拿到就能直接用的表。 用过 AI 工具写代码:ChatGPT、Claude、Cursor、通义灵码之类,用来写代码、调 bug、查资料都算;不要求懂大模型算法。 会用 Git 和命令行:能提交代码,能在 Linux 环境下把脚本跑起来,基础够用即可。 (三)我们真正在找的人 遇到没见过的网站不怵,愿意自己查、自己试,能说清楚“我做过什么、卡在哪、最后怎么解决的”; 这份工作需要啃的数据源大多没有现成教程,耐心和好奇心比刷题能力更重要; 能稳定来、愿意待久一点——数据采集这活儿,交接成本比想象中高。 三、加分项 有则更好,没有也不影响投递。面试时聊得清楚一件事,比简历上多一行技能更有分量。 有实际网络数据采集或数据工程项目经验(数据来源、规模、解决过的问题说得清楚); 熟悉异步请求、并发处理或任务调度;有大规模、长期运行采集任务的经验; 有 PDF、非结构化文本解析、数据去重或实体匹配经验; 使用过大语言模型 API 做信息抽取,了解 Embedding、RAG; 熟悉 MySQL、FastAPI、Docker、Linux; 有医药领域知识(药品注册、临床试验术语)。 四、平等就业声明 本公司招聘不设毕业院校、学习形式(全日制或非全日制)、性别、民族、地域、婚育状况等限制性条件,所有候选人统一按岗位能力要求评估。
对这个职位感兴趣吗?