百度电商技术部_搜索算法策略工程师(J55442)
任职要求
-具有以下一个或多个领域的理论背景和实践经验：机器学习/数据挖掘/深度学习/信息检索/机制设计/博弈论 -了解目前常见的机器学习或者深度学习框架中的一个或者多个：Spark，XGBoost，Caffe…
工作职责
-研究数据挖掘或统计学习领域的前沿技术，并用于实际问题的解决和优化 -大规模机器学习算法研究及并行化实现，为各种大规模机器学习应用研发核心技术 -通过对数据的敏锐洞察，深入挖掘产品潜在价值和需求，进而提供更有价值的产品和服务，通过技术创新推动产品成长 -负责电商搜索、推荐、广告领域的策略工作
1、负责直播相关算法策略设计与优化，涉及主站/电商/商业化/海外等多个核心业务； 2、负责精细化设计不同场景/人群的推流、转码和分发播放算法策略（ABR等），为用户提供端到端的个性化体验（画质与流畅）； 3、负责设计和迭代基于视频内容的自适应处理和编码算法模型（CAE等）； 4、与内外部团队合作，制定面向不同业务（主站/电商/商业化/海外等）的直播优化策略，并推动落地。
1、AB实验设计与分析：主导电商搜索场景的AB实验全流程，设计科学的实验方法，评估算法和产品策略（如排序模型、搜索意图识别等）对搜索效率和用户体验的影响，联动产品和算法工程师进行实验分析和策略优化； 2、业务机制专题分析：基于对电商搜索业务的深刻理解，运用经济学等学科的理论或思维框架，以及科学的数据分析方法论，对业务命题进行深入分析，产生业务或商业洞察，为平台流量机制、供需匹配效率、用户体验优化等业务策略提供分析论证和决策依据； 3、数据产品和实验工具：将数据监控体系及分析方法产品化沉淀，提炼数据产品需求，与技术、产品等相关团队开展跨部门合作并推动数据产品的落地。
阿里资产技术团队负责建设全球领先的网络资产处置平台，承载司法拍卖、破产处置、珍品交易等多个市场体量巨大的业务，应对海量用户、巨量资金带来的复杂大型互联网系统架构。 1. 复杂场景下的智能算法构建： ○ 负责商品拍卖场景的搜索推荐系统优化，包括基于用户行为的长短期兴趣建模，设计多目标排序策略（精准推荐/惊喜度平衡），解决新品冷启动、多样性打散等业务难题； ○ 构建亿级商品知识体系，研发基于大模型的商品结构化分析、同品识别、属性纠错等多模态商品分析解决方案； ○ 开发基于时序特征的成交价与拍下率预测系统，提升拍卖定价策略的合理性。 2. 前沿算法探索和落地，LLM/GNN/多模态等前沿技术在搜推场景的应用落地，包括： ○ 基于用户意图理解的生成式推荐范式； ○ 图神经网络在异构图谱中的关系挖掘； ○ 基于大模型的知识增强的多模态商品表征。 3. 算法数据闭环建设： ○ 设计科学的效果评估体系，构建AB实验、因果推断与归因分析的全链路验证机制； ○ 推动算法成果转化为关键业务指标的提升（GMV/LTV/用户时长等）。 我们提供： ○ 参与核心系统的架构设计机会； ○ 行业领先的GPU算力集群与数据资源支持； ○ 与顶尖算法团队共同探索搜索推荐技术前沿领域的创新突破。
1. 负责服饰业务域下，搜推相关策略制定与执行，系统性提升找挑效率、及优供综合竞争力 2. 商家导购产品设计：负责服饰在搜索场域的导购的产品迭代与创新。将商买需求转化为具体的产品功能、定制解决方案，基于服饰用户的穿搭诉求、风格趋势等，结合AI能力，设计并优化搜索/推荐场景下全链路找挑体验。 3. 推动产品落地：POC视角协调设计、研发、测试、行业、市场、场域等团队，确保产品功能按时、高质量上线。 4. 建立核心业务指标监控体系：通过A/B测试、数据分析等手段，评估产品功能上线后的效果，持续优化产品策略和用户体验。