logo of tencent

腾讯智慧零售-高级后台研发工程师

社招全职5年以上智慧零售云mall技术地点:深圳状态:招聘

任职要求


1.本科以上学历,五年以上电商或零售产品的开发和架构经验,有大型电商平台架构及稳定性建设经验优先;
2.对电商系统的各个域的业务和技术有深度的理解,有小程序电商开发经验优先;
3.熟悉Java语言和常见的技术生态组件,对于常见的Rpc框架dubbo和spring cloud至少了…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


1.深入理解电商业务逻辑,负责电商平台的整体系统架构设计,参与技术可行性评估和技术方案设计,负责核心业务模块的代码开发;
2.负责系统的稳定性建设,确保系统的高性能、高可用性和高扩展性,优化现有系统的架构以满足业务增长需求;
3.持续跟踪行业动态和技术发展趋势,积极引入和应用新技术,确保系统在技术层面保持前瞻性和先进性。
包括英文材料
学历+
小程序+
Java+
还有更多 •••
相关职位

logo of alibaba
社招3-5年LAZADA

市场理解与业务模式创新: 1. 深入理解时尚行业的最新趋势、市场动态及竞争对手策略,包括品牌特卖、奥特莱斯、智慧零售等多种业务模式。 2. 根据平台特性和用户需求,调整产品组合和促销计划,确保时尚频道的竞争,并推动创新业务模式的落地。 频道运营与流量管理: 1. 负责时尚频道的整体策略规划和日常运营,建设并优化流量生态体系,提升频道的曝光度与转化率。 与产品团队合作,确保时尚产品的分类、展示和描述的准确性和吸引力。 2. 制定并完善频道的内容更新流程,与营销、内容、设计、产品团队合作,推动用户粘性提升和销售增长,确保运营活动的顺利执行和持续优化。 活动策划与选品管理: 1. 依据类目心智打造方向,策划并执行频道的重点活动,推动选品、活动推广等,提升用户活跃度。 2. 制定并实施针对特定节假日、季节性促销等的个性化活动。 3. 根据市场趋势和用户需求,负责频道的产品选品,推动畅销款及新品的曝光和销售。 数据驱动与运营优化: 1. 定期收集和分析时尚频道的关键业绩指标(KPI),如销售、转化率、流量、客单价等,制定优化策略。 2. 通过A/B测试优化内容形式、推荐算法逻辑,提升转化效率; 跨部门协作与流程优化: 1. 与其他部门(如行业运营、营销、产品)紧密协作,推动大型促销活动的执行,并确保各部门的紧密配合。 2. 持续优化并完善项目的合作机制和流程,确保运营活动的高效执行和目标的达成。

更新于 2025-07-07杭州
logo of digitalchina
社招3年以上

1.负责黑、吉荣耀智慧生活产品零售分销渠道工作; 2.按区域输出目标制定销售计划并完成目标任务; 3.带领KW共同推动零售终端阵地建设工作,保质保量完成阵地建设指标; 4.按照总部要求完成销售链路可视化体系的搭建工作; 5.维护良好的厂商及客户关系;

更新于 2024-03-01哈尔滨
logo of tencent
社招3年以上CDG战略与投资

1.针对特定的消费与零售领域进行行业和公司分析; 2.为目标公司搭建定量和定性的估值模型; 3.项目搜寻, 项目分析,推动交易评估,尽职调查和交易执行。

更新于 2025-06-09上海
logo of dingtalk
社招3年以上技术类-算法

钉钉正在全面拥抱多模态AI,正在致力于将视觉大模型、边缘智能与实时视频分析深度融合,赋能智能零售、智慧工厂、智能交通等多个行业。我们拥有强大的工程化能力和创新研发氛围,期待志同道合的技术精英加入,共同推动视觉AI落地千行百业。 我们正在寻找在视觉AI领域具备真正工程化落地经验的技术人才,你将参与公司核心视觉AI系统的研发与优化,负责从算法设计、模型训练到高性能部署、大规模流式处理的全链路技术实现。具体职责包括: 1. 视觉大模型与算法开发 ○ 负责视觉大模型的后训练(Post-training)优化,包括微调、蒸馏、量化、剪枝等,提升模型在实际场景中的泛化能力与效率。 ○ 开发端侧视觉大模型,针对边缘设备进行轻量化设计与部署。 ○ 设计并实现传统CV算法(如目标检测、跟踪、姿态估计、图像增强等)与深度学习模型的融合方案。 ○ 构建视觉嵌入生成与特征提取模型,支持跨模态检索、相似性匹配等应用。 ○ 能根据实时性、性能、成本等多维约束,设计合理的算法组合与技术路线,实现最优落地效果。 ○ 在行业专家的指导下完成高质量的数据清洗和标注,建立多行业多场景的视觉AI评估框架 2. 高性能推理部署与优化 ○ 基于不同算法特性,选择并实施高并发、大吞吐的推理部署方案,熟练使用以下技术栈: ■ 推理框架:Triton Inference Server、ONNX Runtime、TensorRT ■ 部署平台:KServe + Triton / KServe + vLLM ○ 实现模型的动态批处理、自适应推理、低延迟响应,优化端到端服务性能。 ○ 负责模型格式转换、算子优化、硬件适配(GPU/TPU/NPU)及性能调优。 3. 分布式视频流处理系统构建是加分项 ○ 构建高可用、可扩展的分布式视频流处理 pipeline,支持多路视频流的实时接入与处理。 ○ 基于 Kafka + Flink 实现视频帧的流式消费、分发与状态管理。 ○ 完成视频数据的实时AI推理、结果聚合、元数据落盘,并与下游系统无缝集成。 ○ 保障系统在高负载下的稳定性、容错性与可监控性。 4. 跨团队协作与技术沉淀 ○ 与产品、业务、后端及硬件团队紧密协作,推动AI能力在真实业务场景中的落地。 ○ 输出技术文档、最佳实践,参与构建公司级AI工程化平台与工具链。

更新于 2025-12-05杭州