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 Ukusanyaji Data kwenye Wavuti — Kazi ya Mbali nchini India
Mhandisi mwandamizi wa Python anayehusika na kujenga mifumo ya kuaminika ya ukusanyaji data kwenye wavuti kwa mradi wa Tendem AI wa Mindrift. Jukumu hili linalenga kutoa, kuthibitisha, na kupanua data iliyopangwa kutoka kwenye tovuti changamano na zinazobadilika.
Maelezo
- Simamia mtiririko kamili wa uchimbaji data katika tovuti changamano, ukidumisha ufunikaji mpana, usahihi, na uwasilishaji wa kuaminika wa seti za data zilizopangwa.
- Tumia zana zilizopo na mifumo ya kazi iliyorekebishwa ili kuboresha ukusanyaji wa data, uthibitishaji, na utekelezaji wa majukumu huku ukitimiza mahitaji yaliyobainishwa.
- Toa data kwa kutegemewa kutoka vyanzo vinavyobadilika na shirikishi kwa kuendana na maudhui yanayowasilishwa na JavaScript na mabadiliko ya tabia ya tovuti.
- Dumisha ubora wa data kupitia ukaguzi wa uthibitishaji, ulinganishaji wa vyanzo mbalimbali, udhibiti wa muundo, na uhakiki wa kimfumo kabla ya kuwasilisha.
- Panua ukusanyaji wa data kwa wingi kupitia mbinu bora za batching na uchakataji sambamba.
- Fuatilia kushindwa kwa uchimbaji na dumisha uthabiti wa mfumo wa kazi mabadiliko madogo yanapotokea katika muundo wa tovuti.
- Tumia utaalamu wa ukusanyaji data kwenye wavuti, uchimbaji data, na uchakataji data katika matumizi halisi ndani ya mradi wa Tendem.
Mahitaji
- Uzoefu wa angalau miaka 5 katika uhandisi wa data, ukusanyaji data kwenye wavuti, uendeshaji wa kiotomatiki, au uundaji wa programu.
- Uzoefu thabiti wa ukusanyaji data kwa Python ukitumia BeautifulSoup, Selenium, au zana zinazolingana, pamoja na JavaScript, AJAX, infinite scroll, na ufikiaji wa API unaotumia proxy.
- Uwezo wa kutoa taarifa kutoka miundo changamano kama vile safu za viwango, kurasa za kumbukumbu, na HTML isiyolingana.
- Uzoefu wa vitendo wa kusafisha, kusawazisha, na kuthibitisha data kwa ajili ya kuwasilishwa katika miundo ya CSV, JSON, au Google Sheets.
- Uzoefu wa kushughulikia hatua za kuzuia roboti na miundo ya tovuti inayobadilika katika mifumo mikubwa ya ukusanyaji data.
- Uzoefu wa vitendo wa kutumia AWS au miundombinu ya wingu inayolingana pamoja na uwekaji wa kontena unaotegemea Docker katika mifumo ya uzalishaji.
- Uzoefu wa kutumia mifumo ya LLM kama LangChain, OpenRouter, au zana zinazofanana katika majukumu ya uendeshaji wa kiotomatiki.
- Umakini mkubwa kwa maelezo na mwelekeo thabiti wa usahihi wa data.
- Uwezo wa kufanya kazi kwa kujitegemea, kuchunguza masuala, na kutatua matatizo kwa ufanisi.
- Ujuzi wa Kiingereza wa kiwango cha upper-intermediate, B2 au zaidi.
Manufaa
- Ushirikiano wa kikazi wa kujitegemea.
- Kazi ya mbali ya muda mfupi kutoka India.
- Takriban saa 10–20 kwa wiki wakati wa awamu za mradi zinazoendelea.