Mindrift ni soko la vipaji vya akili bandia na jukwaa la SaaS linalowaunganisha wachangiaji wa kitaalamu na wataalamu wa nyanja mbalimbali na miradi ya mafunzo na tathmini ya AI kutoka kwa kampuni za teknolojia. Ikiwa sehemu ya Toloka, inafanya kazi na waandishi, wahariri, wataalamu wa QA, wanasayansi na wataalamu wengine wa mada wanaosaidia kuzalisha data ya mafunzo, kutathmini usalama na uwezo wa kufikiri wa miundo, kutathmini ubora wa maudhui ya vyombo vya habari, na kuunda hali za ulimwengu halisi kwa ajili ya kuboresha utendaji na kutegemeka kwa AI. Mindrift huajiri na kuwachunguza wachangiaji kupitia tathmini na uthibitishaji wa utambulisho, kisha kutoa fursa rahisi za miradi inayolipwa katika kazi za mafunzo na tathmini ya AI.
Mhandisi Mwandamizi wa Python wa Kuchota Data Mtandaoni — Kazi ya Mbali nchini Romania
Mhandisi mwandamizi wa Python anayehusika na kujenga mifumo ya kuaminika ya kuchota na kuchakata data kutoka tovuti kwa mradi wa Tendem AI wa Mindrift. Jukumu hili linalenga kutoa, kuthibitisha, na kukuza hifadhidata zenye muundo kutoka tovuti changamano.
Maelezo
- Simamia mifumo yote ya uchotaji data katika tovuti changamano, ukidumisha ufunikaji mpana, usahihi, na uwasilishaji wa kuaminika wa hifadhidata zenye muundo.
- Tumia zana zilizopo na mifumo iliyobinafsishwa ili kuharakisha ukusanyaji, uthibitishaji, na utekelezaji wa kazi kulingana na mahitaji ya mradi.
- Toa data kwa kuaminika kutoka tovuti zinazobadilika na shirikishi kwa kuzoea maudhui yanayowasilishwa na JavaScript na mabadiliko ya tabia ya tovuti.
- Dumisha viwango vya ubora wa data kupitia uthibitishaji, ukaguzi wa ulinganifu kati ya vyanzo, udhibiti wa uumbizaji, na uhakiki wa kimfumo kabla ya uwasilishaji.
- Panua uchotaji wa data kwa wingi kwa kutumia uchakataji wa mafungu ulio bora au uchakataji sambamba, chunguza hitilafu, na dumisha uthabiti licha ya mabadiliko madogo ya muundo wa tovuti.
- Tumia utaalamu wa kuchota data mtandaoni, kutoa data, na kuchakata data katika mradi wa Tendem.
Mahitaji
- Angalau miaka 5 ya uzoefu unaohusiana katika uhandisi wa data, uchotaji data mtandaoni, uotomatishaji, au uundaji wa programu.
- Uzoefu wa hali ya juu wa kuchota data kwa Python ukitumia BeautifulSoup, Selenium, au zana zinazolingana, ukiwemo JavaScript, AJAX, infinite scroll, na API zinazotumia seva mbadala.
- Uwezo wa kutoa taarifa kutoka miundo changamano kama vile ngazi za uongozi, kurasa zilizohifadhiwa, na HTML isiyolingana.
- Uzoefu mkubwa wa kusafisha, kusawazisha, na kuthibitisha data kwa matokeo yenye muundo ikiwa ni pamoja na CSV, JSON, na Google Sheets.
- Uzoefu wa vitendo wa kudhibiti ulinzi dhidi ya roboti na miundo inayobadilika ya tovuti kwa kiwango kikubwa.
- Uzoefu wa kutumia AWS au miundombinu ya wingu inayolingana na uundaji wa kontena za Docker katika mifumo ya uzalishaji.
- Uzoefu wa vitendo wa kutumia mifumo ya LLM kama vile LangChain au OpenRouter kwa kazi za uotomatishaji.
- Umakini wa kipekee kwa maelezo na kuzingatia kwa uthabiti usahihi wa data.
- Uwezo wa kufanya kazi kwa kujitegemea, kutatua matatizo, na kuendesha kazi hadi zitakapokamilika.
- Ujuzi wa Kiingereza wa kiwango cha juu cha kati, B2 au zaidi.
- Kuwa na wasifu wa GitHub ni faida.
Manufaa
- Ushirikiano wa kazi za kujitegemea.
- Ratiba ya muda wa sehemu.
- Kazi ya mbali kutoka Romania.
- Takriban saa 10–20 kwa wiki wakati wa awamu za mradi zinazotekelezwa.
- Malipo ya hadi sawa na $40 kwa saa.