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 wa Data nchini Italia (Kazi ya Mbali)
Jiunge na mradi wa Tendem AI wa Mindrift ili kujenga mifumo ya kuaminika ya ukusanyaji wa data kutoka wavuti na data iliyopangwa. Jukumu hili linalenga tovuti zinazobadilika, uthibitishaji wa data, uchukuaji mkubwa, na uwekaji wa kiotomatiki.
Maelezo
- Kuongoza mchakato kamili wa uchukuaji data katika tovuti changamano, huku ukitoa seti za data zilizopangwa zilizo kamili, sahihi, na za kuaminika
- Kutumia majukwaa yaliyopo na mtiririko wa kazi ulioboreshwa ili kuharakisha ukusanyaji, uthibitishaji, na ukamilishaji wa kazi kulingana na vipimo vilivyowekwa
- Kurekebisha mbinu za uchukuaji kwa kurasa zinazotengenezwa na JavaScript, vyanzo shirikishi, na mienendo ya tovuti inayobadilika
- Kudumisha ubora wa data kupitia uthibitishaji, ukaguzi wa vyanzo mbalimbali, udhibiti wa muundo, na mapitio yaliyopangwa kabla ya kuwasilisha
- Kupanua uwezo wa ukusanyaji kwa seti kubwa za data kupitia uchakataji bora wa mafungu na uchakataji sambamba
- Kufuatilia kushindwa kwa uchukuaji na kudumisha utegemezi wa uendeshaji kadiri miundo ya tovuti inavyobadilika
- Kutumia utaalamu wa ukusanyaji wa data kwenye wavuti, uchukuaji, na uchakataji katika mradi wa Tendem
- Kuunganisha uamuzi wa kiufundi na Apify, OpenRouter, pamoja na zana nyingine ili kuunda suluhisho maalum lenye ufanisi
Mahitaji
- Angalau miaka 5 ya uzoefu unaohusiana katika uhandisi wa data, ukusanyaji wa data kwenye wavuti, uwekaji wa kiotomatiki, au uundaji wa programu inahitajika
- Shahada ya kwanza au uzamili katika uhandisi, hisabati tumizi, sayansi ya kompyuta, au taaluma ya kiufundi inayohusiana ni faida
- Uzoefu wa hali ya juu wa ukusanyaji wa data kwa Python ukitumia BeautifulSoup, Selenium au zana zinazolingana, maudhui yanayobadilika, na API zinazotumia proksi
- Uwezo wa kupata data kutoka vyanzo changamano kama vile miundo ya ngazi, kurasa zilizohifadhiwa, na HTML isiyolingana
- Uzoefu wa kusafisha, kusawazisha, na kuthibitisha data kwa ajili ya kuwasilishwa katika CSV, JSON, au Google Sheets
- Uzoefu wa vitendo wa kudhibiti ulinzi dhidi ya roboti na miundo ya tovuti inayobadilika kwa kiwango kikubwa
- Uelewa wa AWS au miundombinu ya wingu inayolingana pamoja na uwekaji wa kontena unaotegemea Docker
- Matumizi ya vitendo ya LangChain, OpenRouter, au mifumo inayofanana ya LLM kwa uwekaji wa kiotomatiki
- Umakini wa kipekee kwa maelezo na msisitizo mkubwa kwenye usahihi wa data
- Uwezo wa kufanya kazi kwa kujitegemea, kuchunguza masuala, na kutatua matatizo bila usimamizi wa karibu
- Ustadi wa Kiingereza wa kiwango cha juu-kati (B2) au zaidi unahitajika
- Kiungo cha wasifu wa GitHub ni faida
Manufaa
- Ushirikiano wa kujitegemea
- Mpangilio wa kazi ya mbali wa muda wa ziada
- Mzigo wa kazi unaotarajiwa ni saa 10–20 kwa wiki wakati wa vipindi vya mradi vinavyoendelea