Mindrift
Mindrift
501 – 1,000 员工
SaaS人工智能市场
Mindrift 是一家人工智能人才市场和 SaaS 平台,将专业贡献者及领域专家与科技公司的人工智能训练和评估项目连接起来。作为 Toloka 的一部分,Mindrift 与作家、编辑、质量保证专家、科学家及其他领域专家合作,帮助生成训练数据、评估模型的安全性和推理能力、评价媒体质量,并创建用于提升人工智能性能和可靠性的真实场景。Mindrift 通过评估和身份验证招募并审核贡献者,随后为其提供人工智能训练和评估领域灵活且有偿的项目机会。

高级 Python 数据抓取工程师——在日本远程工作

为 Mindrift 的 Tendem AI 项目构建可靠的 Python 网页抓取流程。\n从复杂、动态的网站中提取、验证并扩展结构化数据集。

描述

  • 负责复杂网站的端到端数据提取
  • 交付完整、准确且可靠的结构化数据集
  • 使用现有工具和定制工作流,加快数据收集、验证和任务执行
  • 从动态和交互式来源提取数据,包括 JavaScript 渲染的内容
  • 根据网站行为变化调整抓取方法
  • 通过验证、跨来源检查、格式标准和系统化核验维护数据质量
  • 通过高效批处理或并行处理扩展大批量数据抓取
  • 监控失败情况,并在网站结构发生小幅变化时保持系统稳定
  • 应用 Apify、OpenRouter 及其他技术进行网页数据提取和处理

任职要求

  • 至少 5 年数据工程、网页抓取、自动化或软件开发相关经验
  • 拥有工程、应用数学、计算机科学或相关技术领域的学士或硕士学位者优先
  • 具备扎实的 Python 抓取经验,熟悉 BeautifulSoup、Selenium 或类似工具,能够处理 JavaScript、AJAX 和无限滚动等动态内容,并能通过代理访问 API
  • 能够从复杂结构中提取数据,包括层级结构、存档页面和不一致的 HTML
  • 具备扎实的数据清洗、规范化和验证经验,并有交付 CSV、JSON 或 Google Sheets 数据集的经验
  • 具备大规模管理反机器人机制和动态网站结构的经验
  • 具备 AWS 或同等云基础设施经验
  • 具备使用 Docker 进行容器化的经验
  • 具备使用 LangChain、OpenRouter 或类似自动化工具等 LLM 框架的实操经验
  • 注重细节,致力于确保数据准确性
  • 具有自我驱动能力,能够独立排查和解决问题
  • 英语中高级水平(B2)或更高
  • 提供 GitHub 链接者优先

福利待遇

  • 自由职业机会
  • 兼职工作,活跃阶段预计每周约 10–20 小时
  • 远程工作
  • 有机会参与创新技术和人工智能开发项目