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 网页抓取工程师——巴西远程

负责为 Mindrift 的人工智能技术项目提供可靠的网页抓取、数据验证和结构化数据交付。工作内容涵盖动态网站、反机器人系统、云基础设施以及基于大语言模型的自动化工具。

描述

  • 负责跨复杂网站的完整数据提取流程
  • 交付覆盖全面、准确度高且按时可靠的结构化数据集
  • 使用现有工具和定制化工作流程,加快数据收集、验证和任务执行
  • 从动态和交互式来源中提取信息,包括由 JavaScript 渲染的页面
  • 根据网站行为变化调整抓取方法
  • 通过数据验证、跨来源核查、格式要求和系统化检查维护数据质量
  • 通过高效批处理或并行处理扩展大批量网页抓取
  • 跟踪失败情况,并通过应对网站结构的小幅变化保持稳定性
  • 将 Apify、OpenRouter 及相关技术集成到抓取和处理工作流程中

任职要求

  • 至少五年数据工程、网页抓取、自动化或软件开发相关经验
  • 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优先
  • 具备扎实的技术基础,并有脚本编写、自动化和数据提取工作流程的实践经验
  • 拥有丰富的 Python 抓取经验,熟悉 BeautifulSoup、Selenium 或同类工具、动态内容以及基于代理的 API
  • 能够从复杂结构中提取信息,包括层级结构、存档页面和不一致的 HTML
  • 具备扎实的数据清理、标准化和验证经验
  • 具备大规模处理反机器人系统和动态网站结构的实践能力
  • 具备 AWS 或同类云基础设施以及 Docker 容器化经验
  • 有将 LangChain、OpenRouter 或类似大语言模型框架应用于自动化任务的实践经验
  • 高度注重细节,致力于确保数据准确性
  • 能够自主工作并独立排查问题
  • 英语中高级水平(B2)或更高
  • 提供 GitHub 个人资料链接者优先

福利待遇

  • 自由职业合作
  • 兼职远程工作
  • 项目活跃阶段每周约 10–20 小时
  • 薪酬最高相当于每小时 25 美元,具体取决于经验水平和贡献速度
  • 有机会参与创新技术和人工智能开发项目