1. 医疗数据平台开发与维护 · 参与医疗数据湖仓模块开发，使用Python/SQL处理DICOM影像、FHIR临床数据及病理切片数据； · 协助搭建数据ETL Pipeline，学习使用Airflow/DolphinScheduler进行工作流编排与监控； · 参与开发数据脱敏与合规处理工具，学习PHI去标识化技术（k-匿名、数据掩码）及医疗数据安全法规（HIPAA/《个人信息保护法》）。 2. 数据质量与标注工具支持 · 开发医疗数据预处理模块：影像格式转换（DICOM解析）、电子病历文本清洗与结构化（NER基础）； · 协助维护数据标注平台，参与标注工具（3D Slicer/LabelStudio Medical）的二次开发与接口集成； · 参与构建数据质检自动化脚本，学习临床逻辑校验规则（异常值检测、时序一致性验证）。 3. AI数据工程实践 · 参与医疗多模态数据准备：协助构建影像-文本配对数据集，支持CLIP/医学大模型的训练数据清洗与去重； · 学习RAG（检索增强生成）数据 pipeline：参与医学知识库构建、向量数据库（Milvus/Chroma）基础运维； · 在指导下进行大模型本地部署实践（Ollama/vLLM），协助开发数据挖掘与自动化标注插件。 4. 跨团队协作与学习成长 · 与临床医生、医学标注团队协作，学习医学数据标注规范与临床验证标准； · 编写技术文档与数据字典，参与医疗数据标准化（HL7 FHIR、ICD编码映射）工作。

专业基础（必须）： 1. 硕士及以上学历，计算机科学与技术、生物医学工程、软件工程、数据科学、医学信息学等相关专业优先； 2. 扎实的计算机基础：熟练掌握Python编程（Pandas/NumPy），熟悉Linux环境及Git协作开发； 3. 数据结构与算法：掌握常用数据结构，具备SQL优化基础，了解分布式计算原理（Hadoop/Spark基础概念）； 4. 对医疗AI领域有强烈兴趣，愿意学习医学影像处理（ITK/SimpleITK）或生物医学信号处理基础。 软性素质： 1. 优秀的工程实现能力：有完整的数据处理项目/实习经历，代码规范意识强； 2. 快速学习能力：能在3-6个月内掌握DICOM、FHIR等医疗数据标准及数据脱敏合规要求； 3. 责任心与细致度：理解医疗数据敏感性，具备严谨的数据处理态度。