-
我们正在寻找一位经验丰富的推荐算法工程师,负责推荐算法的框架搭建和工程效能优化工作。该职位将主要负责TF和PyTorch框架在推荐系统中的应用,包括离线和在线训练优化、模型部署及生成式模型的实时预估。我们期待您的加入,共同推动公司的技术和业务发展。 岗位职责: 1. 离线Pipeline优化:优化TF框架的离线和在线逻辑,提升TF集群训练和GPU训练的离线pipeline资源利用率和效率。 2. 模型Serving:探索并搭建基于TF/PyTorch的Serving方案,实现推荐场景下的近线和在线预估流程。 3. 生成式模型应用:落地推荐领域的生成式模型预估框架,负责对应的训练加速和实时预估的部署。 4. 算法研发:优化工程效率,提升推荐系统的性能和效果。构建通用有效的工具和框架。 任职要求: 1. 教育背景:计算机科学相关专业本科及以上学历。 2. 工作背景:推荐算法领域3年以上的工作经验。 3. 技术经验: - 熟悉TF/PyTorch框架,具备离线Pipeline和在线Serving相应的部署和优化能力。 - 熟悉GPU加速相关技术,能够优化大规模数据的训练速度。 - 具有生成式模型应用经验,能够实现生成式模型的训练加速和实时预估部署。 4. 编程能力:精通Python编程,熟悉C++/Java或其他编程语言者优先。 5. 工程经验:具备扎实的工程能力,有大型推荐系统开发和优化经验者优先。 6. 沟通能力:良好的团队合作精神,具备跨团队沟通协作的能力。 7. 创新精神:热爱技术创新,乐于接受挑战,并能够持续学习和应用新技术。 优先条件: 1. 互联网公司推荐系统的相关工作经验。 2. 在推荐算法、机器学习或深度学习领域有高质量论文或专利。 3. 开源项目贡献经验。
-
职位职责: 1、支持快速增长的抖音内容电商业务(包括视频电商和直播电商)的推荐算法工作,职责范围包括提升转化效率,改善购物体验,探索更高效的商业模式,提升内容生态健康程度等; 2、搭建业内领先的机器学习算法和架构,建模用户购物兴趣,提升用户体验; 3、应用先进的机器学习技术,解决各种在线/离线、大数据量/小数据量、长期/短期信号等不同场景中遇到的技术挑战,包括标签缺失、反馈周期长、收敛速度慢、信号相关性弱等; 4、对电商生态中用户、作者、商家的行为做深入的分析和理解,制定算法策略促进生态良性发展; 5、独立负责产业务场景中的一个模块,与产品、运营团队一起,对模块的未来发展进行规划和设计,制定推荐策略的目标。 职位要求: 1、具备优秀的编码能力,扎实的数据结构和算法功底; 2、优秀的分析问题和解决问题的能力,对解决具有挑战性问题充满激情; 3、对技术有热情,有良好的沟通表达能力和团队精神; 4、熟悉机器学习、自然语言处理、数据挖掘中的一项或多项,对推荐系统、计算广告、搜索引擎等相关领域有经验者优先。
-
岗位职责: 1.推荐系统方向的系统设计和后端开发实现、推荐策略和算法等。2.ctr server、标签系统、用户画像、内容推荐等相关方向的研发工作。3.海量用户服务架构、大规模数据平台、算法平台等相关开发和建设。 任职资格: 1.重点本科以上学历,计算机/数学相关专业;1年以上推荐相关方向研发经验。2.熟悉java或者c++,java语言优先;熟悉linux开发环境,较好的编程功底。3.对数据敏感,较强的动手实践能力、代码工程经验,逻辑思维强。加分项:1.了解nlp、特征工程、推荐系统、策略优化等。2.有大规模推荐系统架构设计和开发经验,知名互联网工作经历,有带团队经验优先。
-
工作职责: 【岗位职责】 1、负责搜索推荐系统中算法模块的研究、设计和开发工作 2、通过召回、排序、重排等环节模型、策略的不断优化,持续提升点击率、转化率、GMV等业务指标 3、保持对业界大模型、深度学习、强化学习等前沿技术的跟进,并尝试在实际业务中落地应用 任职资格: 【技能要求】 1、计算机、数学等相关专业本科及以上学历,1年以上搜索、推荐或广告等方向算法经验 2、熟悉GBDT、DNN等常见机器学习算法,了解基本原理,具备应用实现能力 3、优秀的编码能力, 扎实的数据结构和算法功底,熟练使用Java、Python等主流开发语言中的一种 4、学习能力强,良好的团队精神和沟通表达能力
-
岗位职责: 1. 负责微博主站搜索业务,含搜索算法技术的研究、理解业务需求、优化搜索召回、排序效果 2. 负责智能搜索引擎相关算法开发和落地应用,涵盖智搜问答、语义搜索、内容理解、物料挖掘等 3. 负责搜索推荐前沿技术的调研与实现,研究RAG、语义检索、内容生成等技术和算法,并应用到实际问题中 4. 大规模数据挖据和分析,从海量数据中挖掘检索高质量微博与账号 职位要求: 1. 熟悉机器学习常用算法,有3年以上搜索、推荐等项目经验 2. 熟悉常用的策略算法,对数据敏感,熟悉常用数据挖掘算法 3. 熟练使用C++/Java/Python至少一门语言,熟悉Hadoop、Spark等数据处理技术,有较强的算法设计和实现能力 4. 较强的技术攻关能力,能够跟进领域内最新技术研究成果,并结合应用场景快速实验和调优 5. 优秀的分析问题和解决问题的能力,对解决具有挑战性的问题充满激情 6. 良好的沟通能力,良好的团队合作精神
-
职位职责: 团队介绍:抖音长期生态团队,负责设计、优化抖音的内容分发和作者成长机制,保障抖音多业务的健康可持续发展。我们的工作涉及大规模推荐算法的优化、复杂约束的优化问题的解决、对多种场景的推荐架构的设计和实现和对产品数据的复杂深入的分析工作。在这里,你可以深入钻研机器学习算法的改进和优化,探索前沿的技术;可以通过对产品的深度理解和思考,将算法应用到业务中去;也可以通过对产品和内容生态的深度分析,影响产品未来的发展方向。 1、负责抖音多题材内容的业务算法工作,共同搭建业界领先的推荐系统; 2、深入理解业务和机器学习技术,优化模型&策略,持续提升推荐效果; 3、深入理解用户行为,结合数据挖掘等技术,优化用户创作和浏览等体验。 职位要求: 1、具备优秀的编码能力,扎实的数据结构和算法功底; 2、业务思维强,具备优秀的发现问题、分析问题和解决问题的能力,对解决具有挑战性问题充满激情; 3、对技术有热情,有良好的沟通表达能力和团队精神; 4、熟悉机器学习,对推荐系统相关领域有经验者优先; 5、优秀的分析问题和解决问题的能力,有良好的沟通表达能力和团队精神。
-
大众点评作为国内重要的本地生活消费决策参考平台,多年来深耕本地生活消费领域,深受广大用户的信任和喜爱。我们的业务覆盖了吃喝玩乐游购娱等生活场景,通过极具辨识度和公信力的”星级“和”评价“产品,为数亿用户提供了全面、可信的消费决策依据。为更好满足用户探索城市的需求,大众点评在原有星级和评价的基础上,以信息流产品形式,助力用户发现更多好去处。大量优秀年轻同学的加入,为我们的团队注入了澎湃活力。我们相信,真实的生活是不可替代的,真实的感受是值得记录的,真实的美好是要被看到的。希望优秀的你能和我们一起,帮助广大用户在大众点评上发现更多好去处,找到属于自己的人间烟火气,共创美好生活。 岗位职责 1. 参与点评搜索场景下召回/相关性/排序等核心模块的优化工作; 2. 关注业界在搜索/推荐场景的前沿技术,能够合理优化和解决实际业务问题; 3. 利用NLP/深度学习等相关技术,不断优化搜索用户体验,驱动业务规模增长。 岗位基本需求 1. 2年及以上推荐/广告/搜索等领域算法开发经验; 2. 具备扎实的编程能力和数据结构算法基础; 3. 熟练掌握NLP/深度学习等相关技术,熟练应用算法工具,如TensorFlow、PyTorch等; 4. 对数据敏感,具有优秀的逻辑思维能力,学习能力强,对解决挑战性问题充满热情; 5. 具备良好的团队协作能力和沟通能力。 具备以下者优先 1. 在大厂的搜推广领域有算法落地经验; 2. 在国际顶会或核心期刊上发表过学术论文。 岗位亮点 1. 参与点评搜索渗透的机遇和挑战,与业内搜索领域一流的技术团队一起攻坚业务问题; 2. 参与百亿级样本和十亿级特征规模的深度学习模型的训练,以及相关的离线在线pipeline的优化; 3. 深度洞察用户需求,参与业务策略的制定,在千万级别的用户场景上验证自己的想法; 4. 点评搜索核心研发团队,极具挑战的算法实战业务环境,特别适合希望在算法方向做深做强追求卓越的同学; 5. 完善的培养机制和良好的团队氛围,包括mentor、知识分享、技术博客/论文/专利机制等。 其他补充信息 点评技术部负责点评App相关业务的研发工作,支撑业务发展,为用户提供优质的服务,同时致力于用技术手段为点评APP的用户提供业界一流水准的用户体验。
-
岗位职责: 1. 参与推荐算法中子方向(召回,粗排,精排,重排,内容生态等)的模型和策略迭代,包括不限于数据分析,算法开发和迭代优化 2. 了解短视频场景的推荐策略,参与产品策略的落地实现和效果优化 岗位要求: 1. 扎实的编程能力和数据结构基础,熟悉常用的机器学习算法,较强的业务问题分析和解决能力; 2.自驱主动,沟通良好,有团队协作精神; 3.紧跟业界技术前沿,深钻特定子方向推荐技术,推进和实现子方向策略的落地
-
高级/资深推荐算法工程师 职位描述 将最前沿的推荐算法技术在多种场景落地,在大规模场景下开展以下工作: 1、参与广告推荐系统的深度优化,研究并解决大规模广告系统中的各类优化目标及问题,如深度转化目标建模、广告内容混合排序、多场景联动推荐、转化延迟、id泛化性、粗精排一致性等; 2、探索前沿技术在推荐模型预估上的应用,研究方向包含且不局限于:automl、多任务学习、learning to rank、序列建模、大算力下的大规模深度模型、large预训练模型等; 3、和工程架构团队密切配合,共同开发优化各类工程组件在各种复杂场景的落地:如大规模推荐引擎架构、大规模流式机器学习框架、大规模离线计算等。 职位要求 1、5年以上算法经验优先; 2、扎实的算法和数据结构基础,优秀的编码能力,优秀的分析和解决问题能力; 3、机器学习基础扎实,熟悉深度学习算法(CNN/RNN/LSTM/RL/Transformer/推荐广告的大规模Sparse&Dense模型等); 4、熟悉至少一种主流深度学习编程框架(TensorFlow/PyTorch); 5、熟悉C++和Python语言,熟悉Linux开发环境; 6、具备优秀的学习能力和良好的团队合作精神,较好的沟通能力以及抗压能力; 7、有推荐、广告、信息检索或相关领域的实战经验优先。
-
职位描述 1. 负责探索兴趣、高热内容高效融合的个性化推荐系统,探索大模型技术在推荐系统中的应用,构建博文推荐、词推荐在同步场景的统一解决方案; 2. 负责推荐系统中多样性、偏差问题、公平性问题、用户兴趣层次等方面问题的持续分析和优化; 职位要求 1. 计算机相关专业,硕士及以上学历; 2. 扎实的算法和数据结构基础,优秀的编码能力,优秀的分析和解决问题能力; 3. 机器学习基础扎实,熟悉深度学习算法(CNN/RNN/LSTM/RL/Transformer/面向内容推荐的大规模Sparse&Dense模型等); 4. 熟悉至少一种主流深度学习编程框架(TensorFlow/PyTorch); 5. 具备优秀的学习能力和良好的团队合作精神,较好的沟通能力以及抗压能力;
-
1、参与金融场景的大规模用户行为分析与建模; 2、参与个性化推荐场景算法工作,包括数据、算法和工程的全链路落地。 任职要求 1、计算机、数学或统计学相关专业本科及以上学历; 2、熟悉Linux,C++,Java和Python,优秀的编码与代码控制能力, 扎实的数据结构和算法功底; 3、熟悉大规模数据挖掘、机器学习,熟悉hadoop/hive,具备大数据查询分析能力; 4、快速学习 ,具备优秀的分析和解决问题的能力,良好的沟通协作能力。 5、实习期连续3个月以上,时间更长者优先 加分项: 1、有推荐系统、机器学习、信息检索、自然语言理解、计算广告学及算法博弈论相关领域研究及实践经验;
-
岗位职责: 1. 负责微博主站搜索业务,含搜索算法技术的研究、理解业务需求、优化搜索召回、排序效果 2. 负责智能搜索引擎相关算法开发和落地应用,涵盖智搜问答、语义搜索、内容理解、物料挖掘等 3. 负责搜索推荐前沿技术的调研与实现,研究RAG、语义检索、内容生成等技术和算法,并应用到实际问题中 4. 大规模数据挖据和分析,从海量数据中挖掘检索高质量微博与账号 职位要求: 1. 熟悉机器学习常用算法,有3年以上搜索、推荐等项目经验 2. 熟悉常用的策略算法,对数据敏感,熟悉常用数据挖掘算法 3. 熟练使用C++/Java/Python至少一门语言,熟悉Hadoop、Spark等数据处理技术,有较强的算法设计和实现能力 4. 较强的技术攻关能力,能够跟进领域内最新技术研究成果,并结合应用场景快速实验和调优 5. 优秀的分析问题和解决问题的能力,对解决具有挑战性的问题充满激情 6. 良好的沟通能力,良好的团队合作精神
-
工作职责: 1、负责推荐算法,涉及召回、排序提升产品核心指标 2、深入理解业务,针对海量用户行为挖掘特征提升模型效果,建立有效的推荐指标体系 3、挖掘用户在app内的行为建立良好的推荐生态系统 任职要求: 1、3-5年推荐算法工作经验 2、精通spark、sql,具备良好的数据分析能力、特征工程经验 3、精通tensorflow,熟悉低阶API,有过Custom training及分布式训练经验;熟悉传统机器学习xgb,熟悉主流推荐模型并有实际开发经验 4、熟悉linux平台,精通python,有过java开发经历 5、211/985硕士优先
-
工作职责: 1、负责推荐算法,涉及召回、排序提升产品核心指标 2、深入理解业务,针对海量用户行为挖掘特征提升模型效果,建立有效的推荐指标体系 3、挖掘用户在app内的行为建立良好的推荐生态系统 任职要求: 1、3-5年推荐算法工作经验 2、精通spark、sql,具备良好的数据分析能力、特征工程经验 3、精通tensorflow,熟悉低阶API,有过Custom training及分布式训练经验;熟悉传统机器学习xgb,熟悉主流推荐模型并有实际开发经验 4、熟悉linux平台,精通python,有过java开发经历 5、211/985硕士优先
-
职位描述: 1、设计和实现高效、可扩展的推荐算法。 2、分析用户行为数据,提出并验证新的推荐策略。 3、与跨职能团队合作,将推荐算法集成到产品中。 4、负责推荐算法召回、粗排、精排、机制策略等的研发和探索. 5、探索海量数据下的数据挖掘和建模方法,探索复杂推荐问题的系统设计方法。 6、监控推荐系统的性能,并不断优化算法。 7、编写高质量的代码,并进行代码审查。 8、保持对最新技术和算法的了解,并将其应用于工作中。