微店算法专家（推荐）(J10190)
任职要求
1. 本科及以上学历，计算机相关专业。 2. 具备卓越的编码能力，扎实的数据结构和算法基础，擅长Python、Java、C/C++中至少一门语言。 3. 对…
工作职责
工作职责： 负责微店APP社区feed的推荐业务，实现个性化推荐业务中包括召回、排序、策略等多个环节的工作： 1. 沉淀社区推荐技术，并探索业务的边界。能够从复杂业务环境中抽象出清晰具体的技术问题，并将推荐算法技术有效应用于微店社区图文及视频推荐，提升海量用户体验。 2. 深入理解图文、视频等推荐相关的深度学习算法，加深内容理解和用户理解，优化模型和策略，持续提升业务效果。 3. 与各部门（产品，技术等）的同事一起深入交流合作，共同迭代和优化社区信息流推荐业务。
负责高德共享出行业务核心的推荐算法建设、大模型技术落地等，包括但不限于： 1. 推荐算法方向：利用机器学习、深度学习等算法处理海量用户数据，进行高德打车全链路的推荐算法构建和迭代，包括多任务学习、多场景建模、序列推荐、因果推断建模、应答时长预测等； 2. 大模型方向：将大模型技术应用在打车核心链路上，包括多模态大模型、AIGC、PE、SFT、RLHF、高效推理等，提升平台效率和用户体验；
负责高德共享出行(打车)业务核心链路的推荐 & 营销算法与大模型技术落地，直接对打车主链路 GMV、订单转化率与营销 ROI 负责: • 主导打车核心链路推荐算法与营销算法的构建与迭代，覆盖多任务学习(MTL)、多场景建模、用户长短期序列建模、因果推断(Uplift Modeling)等方向； • 负责营销补贴/权益的智能分发策略，通过因果建模与运筹优化实现预算约束下的 ROI 最大化； • 推动 LLM 在打车主链路各个场景的落地，包括但不限于：大模型用户画像与意图理解、生成式推荐(Generative Recommendation)、大模型营销文案生成等。
负责高德共享出行(打车)业务核心链路的推荐 & 营销算法与大模型技术落地，直接对打车主链路 GMV、订单转化率与营销 ROI 负责: • 主导打车核心链路推荐算法与营销算法的构建与迭代，覆盖多任务学习(MTL)、多场景建模、用户长短期序列建模、因果推断(Uplift Modeling)等方向； • 负责营销补贴/权益的智能分发策略，通过因果建模与运筹优化实现预算约束下的 ROI 最大化； • 推动 LLM 在打车主链路各个场景的落地，包括但不限于：大模型用户画像与意图理解、生成式推荐(Generative Recommendation)、大模型营销文案生成等。
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。