合成數據工程師 (Synthetic Data Engineer)
AI職業名稱
合成數據工程師（Synthetic Data Engineer）
工作概要
合成數據工程師專精生成高品質人工合成數據，解決真實數據不足、隱私限制與數據偏誤問題。他們使用 GAN、擴散模型、物理模擬與規則生成技術，製造逼真訓練數據，大幅提升模型泛化能力與訓練效率，是「無數據也能訓練強大模型」的關鍵工程師，特別在醫療影像、自動駕駛、金融風控等數據稀缺領域需求爆發。
主要工作內容
-
GAN 與生成模型數據合成
-
使用 StyleGAN3、DDPM、Stable Diffusion 生成逼真影像、影片、人臉數據。
-
條件生成：特定場景、年齡、種族、天候、光照條件控制。
-
-
3D 場景與物理模擬
-
使用 Blender、Unreal Engine、NVIDIA Isaac Sim 生成多視角、多天候 3D 場景。
-
物理模擬數據：車輛碰撞、行人動作、物件變形、流體運動。
-
-
時序與行為數據生成
-
生成感測器數據序列：LiDAR 點雲、IMU、GPS、CAN bus 車輛數據。
-
用戶行為模擬：網站點擊序列、App 操作路徑、購物行為軌跡。
-
-
數據多樣性與偏誤消除
-
系統性生成邊緣案例：罕見天候、夜間場景、遮擋情況、異常行為。
-
平衡數據分布：長尾分布補充、少數族群數據增強、偏誤校正。
-
-
數據品質驗證與評估
-
FID、KID、Precision-Recall 生成品質評估、真假數據區分測試。
-
下游任務驗證：合成數據訓練模型與真實數據性能對比。
-
預計薪水（參考）
-
初階（0-3年經驗）：HK$540,000 - HK$840,000 /年
-
中階（3-6年經驗）：HK$840,000 - HK$1,380,000 /年
-
高階（6年以上經驗）：HK$1,380,000 - HK$2,460,000+ /年
（視自動駕駛、醫療影像、金融等高價值應用，以及合成數據提升模型性能成果而定；包含高額 RSU，合成數據解決數據瓶頸，屬戰略高薪技術崗位。）
必備技能與能力
-
生成模型技術棧
-
StyleGAN3、DDPM、Latent Diffusion、VQ-VAE-2、Score-based Models。
-
ControlNet、T2I-Adapter 條件控制生成、IP-Adapter 風格遷移。
-
-
3D 與物理模擬
-
Blender Python API、Unreal Engine Blueprints、Unity ML-Agents。
-
NVIDIA Isaac Sim、MuJoCo、PyBullet 物理引擎數據生成。
-
-
數據工程能力
-
Apache Airflow 合成數據管線、Dask 分散式處理、大規模數據生成。
-
HDF5、TFRecord、Parquet 高效數據格式、資料湖整合。
-
-
驗證與評估專業
-
FID、KID、LPIPS、SWD 生成品質指標，下游任務性能驗證。
-
t-SNE、UMAP 可視化、真假數據鑑別模型訓練。
-
常見工作領域與應用範例
-
自動駕駛數據工廠
-
夜間雨天行人數據、罕見交通事故場景、極端天候感測器數據。
-
-
醫療影像數據增強
-
罕見疾病 CT 影像、不同體位 MRI、多階段腫瘤進展模擬。
-
-
金融交易數據合成
-
市場崩盤場景、黑天鵝事件交易數據、不同市場狀態模擬。
-
-
安防監控數據生成
-
群眾踩踏、異常行為、不同光照人臉遮擋場景。
-
-
零售用戶行為數據
-
不同年齡消費習慣、季節性購物模式、A/B 測試合成數據。
-
典型職涯路徑
-
入門職位
-
電腦視覺工程師、生成模型工程師、數據工程師。
-
-
中階職位
-
合成數據工程師、生成數據專家、數據模擬工程師。
-
-
高階職位
-
資深合成數據架構師、數據生成平台負責人、首席數據合成工程師。
-
適合什麼樣的人？
-
生成模型研究熱情，享受創造逼真虛擬數據的技術挑戰。
-
數據品質執著，理解合成數據對下游任務性能的決定性影響。
-
跨領域能力強，結合生成模型、物理模擬、數據工程技術。
-
驗證思維嚴謹，能系統性評估合成數據的真實性與有效性。
