携程推荐算法实习生(MJ035505)
任职要求
1. 2027届本科及以上学历在读，计算机、软件工程等相关专业优先； 2. 扎实的算法和数据结构基础，优秀的编码能力； 3. 机器学习基础扎实，熟悉CF、MF、FM、Word2vec、LR、GBDT、DNN、Wide&Deep、Transforme…
工作职责
1. 参与Trip.com 首页&行程频道的个性化推荐算法的优化：用户旅程相关意图识别、商品推荐、内容推荐等的召回、粗排、精排、重混排等； 2. 通过表征学习、图模型、深度学习、迁移学习、多任务学习等技术提升信息匹配的效率，让每个用户可以便捷的找到合适的行程工具、UGC内容以及商品； 3. 发现和分析用户行为数据，进行用户长短期兴趣建模，以及潜在兴趣预测，提升推荐的精准性；
我们是网易云音乐算法团队，专注于行业领先的搜推算法。我们通过技术赋能云音乐业务，提升用户体验，产生商业化价值。 在这里你可以： 1、接触到亿级别海量、真实的用户数据，使用深度学习、图模型、多资源多目标建模、LLM4Rec等算法，发挥算法技术的价值； 2、使用行业领先的大规模分布式机器学习平台，实现并不断优化推荐、搜索等算法； 3、探索落地各种创新的算法技术思想，转化为论文成果，或者支撑业务效率提升；
我们是网易云音乐算法团队，专注于行业领先的搜索或者推荐算法，我们致力于通过技术赋能云音乐各项业务，通过社区广场推荐，提升用户体验，产生商业化价值。 在这里你可以： 1、参与云音乐各场景相关的AIGC算法应用，使用NLP、多模态、LLM等技术，优化包括多模态内容理解、大模型交互式对话、大模型AI创作生成等业务应用的效果提升； 2、参与云音乐创新业务相关的算法优化，使用业界领先的深度学习、强化学习、图模型等，优化推荐、直播、声音、社交等业务的算法； 3、参与前沿的基础算法模型建设，包括继续预训练、视频生成微调，音乐生成训练等垂类基座模型的构建和应； 4、接触到亿级别海量、真实的用户数据，使用深度学习、强化学习、图模型等算法，发挥推荐的价值； 5、使用行业领先的大规模分布式机器学习平台，例如tensorflow等开源的工具，实现并不断优化推荐、搜索等算法。
团队介绍：小红书交易算法团队立足于整个交易分发场景，探索机器学习、深度学习、强化学习、人工智能和NLP前沿的技术发展，探索社区交易的价值。算法场景分为搜索与推荐； 岗位职责： 1、触发策略：用户数据理解、深度匹配，传统匹配、用户意图识别、query纠错/改写、相关性建模等； 2、质量预估：点击率、转化率、客单价、交易额预估等； 3、机制设计：排序机制、流量预估、多样性机制等； 4、创意优化：商品图片、标题、优惠信息等展示创意优化；
工作职责： 1、协助负责推荐技术落地，完成个性化推荐模型、分发策略、用户理解、内容理解等方向突破； 2、负责社区业务推进，将业务问题进行技术抽象，系统性优化海量用户体验； 3、协助研发新的推荐策略和算法，并不断优化效果和性能；