[Skip to main content](#main-content)

[OpenNash Jobs](https://jobs.opennash.com/)
[Hiring report](/reports/hiring/) · [All China Unicom jobs](https://jobs.opennash.com/companies/china-unicom/) · [Search jobs](/search/)

China Unicom · 北京

# 运维行业数据训练工程师

北京 

Listed on China Unicom’s official careers site. Listed as of October 20, 2026. Check that it is still open and apply there.
[Apply on China Unicom’s careers site →](https://xiaoyuan.zhaopin.com/job/CC145093010J40890620605)

[OpenNash Jobs](https://jobs.opennash.com/) / [China Unicom](https://jobs.opennash.com/companies/china-unicom/) / 运维行业数据训练工程师

## Job description

### Responsibilities 【岗位职责】
- 负责运维领域各类业务数据、日志数据、场景数据的梳理、清洗、筛选与规整，剔除无效、异常数据，保障数据的完整性、准确性与规范性，为AI大模型、智能运维算法训练提供优质数据支撑。
- 参与运维场景数据集的搭建、标注、迭代优化工作，结合网络运维、设备运维、系统运维等实际业务场景，完成数据分类、标签制作、样本扩充等核心训练工作。
- 协助跟进模型训练过程，整理训练数据反馈问题，配合技术团队优化数据训练方案，持续提升模型在智能运维、故障研判、异常检测等场景的适配效果。
- 负责日常数据台账整理、训练过程记录、成果汇总，按要求输出数据训练报告、场景样本说明等相关文档。
- 配合团队完成智能运营、智联网运维相关技术落地辅助工作，协助完成各类运维数据专项优化任务。 【任职要求】
- 研究生及以上学历，计算机、大数据、人工智能、网络工程、通信工程、软件工程等相关专业。
- 了解基本的数据处理逻辑，有Python基础、数据清洗、数据标注、大模型数据训练经验者优先；了解网络运维、IT运维。
- 具备良好的逻辑思维能力、数据敏感度，能够精准识别数据异常与场景问题；学习能力强，可快速理解运维业务场景与数据训练规则。
- 态度端正、积极主动，愿意深耕运维智能化、AI数据训练相关方向，有相关实习、项目经历者优先考虑。 Education 本科 Job category 通信项目经理 Experience 不限 Address 北京、北京市、不限

## At a glance
- Posted by the employer: Not stated
- First seen by OpenNash: Oct 20, 2026
- Last checked: Oct 20, 2026
- Listed for: Under a day
- Location: 北京[Apply on China Unicom’s careers site →](https://xiaoyuan.zhaopin.com/job/CC145093010J40890620605)

## More jobs at China Unicom

### [5G-A/6G无线网技术研究岗](https://jobs.opennash.com/companies/china-unicom/jobs/37935fdd56d0ee3a5577/)

北京

### [AI产品经理](https://jobs.opennash.com/companies/china-unicom/jobs/11451bbf465f015ee675/)

北京

### [AI安全产品经理](https://jobs.opennash.com/companies/china-unicom/jobs/199f55a06463066c66a8/)

北京

### [AI安全大模型研发工程师](https://jobs.opennash.com/companies/china-unicom/jobs/82fd94baff8ab0ddb5ae/)

北京

OpenNash lists jobs from employers’ own careers sites and does not handle applications.
Dates come from the employer where stated; “first seen” and “last checked” are our own observations.

OpenNash Jobs · Official listings with dates and links to the employer. [Weekly hiring report](/reports/hiring/) · [Methodology](/methodology/)