腾讯大数据-推荐算法高级工程师(北京/深圳)

1. 基于对业务的理解，通过数据科学的方法，挖掘业务增长机会点，具备良好的业务理解，具备数据挖掘、因果推断等算法能力； 2. 基于消费金融业务，针对信用卡等信贷业务，通过数学建模将业务问题抽象成算法问题，设计对应的算法解决方案，包括但不限于机器学习、运筹优化、控制等方法； 3. 算法研究和创新，能将前沿算法技术与业务场景相结合，沉淀创新的算法能力； 4. 结合业务场景探索大模型应用，包括但不限于智能服务对话、AIGC、LLM数据挖掘、LLM4Rec、Agent等方向；

1. 面向消费金融及信贷相关业务场景，基于业务理解和数据科学方法，挖掘用户增长、经营优化和营销转化机会，将复杂业务问题抽象为算法建模和智能决策问题； 2. 负责营销推荐场景的算法建设，包括但不限于用户触达、用户圈选、素材召回、推荐排序、智能出价、流量分发、预算分配、个性化策略和效果优化等方向，提升投放精准性、转化效率和业务增长效果； 3. 深度融合机器学习、深度学习、因果推断、运筹优化、控制优化等方法，设计并落地可规模化的算法解决方案，支撑大规模流量和复杂业务场景下的策略迭代与技术攻坚； 4. 探索大模型技术在营销推荐、数据挖掘和智能决策场景中的创新应用，包括但不限于 LLM Agent、LLM4Rec、算法做功 AI loop 自迭代、用户理解与意图识别、AIGC、智能分析与决策辅助等方向，推动算法能力升级和业务落地； 5. 跟踪前沿算法技术，结合实际业务场景沉淀可复用的算法能力、评估体系和工程化解决方案，持续提升算法研发效率与业务应用效果。

1. 营销场景算法建设：基于对消费金融业务的深度理解，建设用户触达、素材召回、智能出价、流量分发等算法模型和策略，提升营销投放的精准性和转化效率； 2. 业务增长与数据挖掘：通过数据科学方法，运用因果推断、用户行为分析等技术，识别潜在的业务增长机会点，推动算法能力落地，带动业务提升； 3. 前沿技术创新应用：结合业务场景探索大模型技术在营销推荐领域的创新应用，包括但不限于算法做功AI loop自迭代、LLM4Rec、用户理解与意图识别等方向，推动算法能力升级。

业务丰富，技术领先高德打车算法团队深度赋能打车业务全链路，涵盖 用户增长、风控、服务管控、路线与上下车点推荐、ETA 预估、智能客服 等核心场景。多样化的业务挑战为算法创新提供了广阔的发挥空间，团队已在 AI 顶级会议发表成果。 持续成长，共享共进团队每周固定进行技术分享，氛围开放、互助友好；除了解答算法与工程难题，资深同事还会分享项目经验，并传授业务理解与问题解决的方法论，助你快速成长。 在这里，你将负责高德共享出行业务 上下车点推荐、运力推荐、路线规划、服务管控 等核心环节的算法优化与效果提升，工作内容包括： ● 推荐链路优化基于时空轨迹、声音、视频等海量多模态数据，运用深度学习、多模态大模型等先进算法，提升召回、粗排、精排、重排等推荐环节的准确性，确保用户获得更优出行体验。 ● 时空数据预测与数据建设优化路线旅行时间预测、发单应答时长预估、供需预测等关键能力，并持续构建高质量的时空数据体系，为业务决策和算法迭代提供坚实支撑。 ● 行程问题智能处理：构建并优化模型，精准识别司乘纠纷、费用异常、服务质量波动、安全风险、客诉等多类行程问题，并实现自动化处理方案。 ● 端到端算法研发参与或指导从数据可视化、算法选型、数据清洗、模型搭建、参数调优，到工程化上线及用户反馈跟踪的全流程研发，确保算法方案高效、稳定落地。 在这里，你的算法将直接服务全国数亿级用户，带来真实而深远的影响；你能接触到前沿大模型、多模态、强化学习等核心技术，并与顶尖同事共创，在开放包容的创新氛围下，发挥你的创造力。