百度Data+AI产品经理(机器学习方向)（J80294）
任职要求
-本科及以上学历，计算机、通讯工程、电子信息等相关专业 -5年以上产品经理工作经验，熟悉大数据，大模型相关产品，有AI ，大模型相关从业经验优先 -具备良好的市场调研和用户需求分析能力，能够独立设计和规划产品 -具备出色的协调和沟通能力，能够与不同部门的团队有效合作 -具备数据分析和挖掘能力，能够独立制定产品改进方案 -具备创新思维和敏锐的市场洞察力，能够快速响应市场需求变化 -有知名互联网公司产品经理工作经验者优先考虑
工作职责
-负责大模型数据工程，解决大模型训练，原生应用数据准备平台整体规划、设计和运营，制定产品策略和产品规划 -负责市场调研和分析，收集用户反馈，不断优化产品，提高用户体验 -负责协调技术、市场、运营等团队，推动产品研发团队、技术团队、市场团队等共同完成产品研发、测试、上线等工作 -负责产品的上线后的数据分析和优化，制定产品改进方案 -负责与销售、市场等团队配合，完成产品的销售、推广和运营工作
1.负责大数据+AI一体化平台的产品规划、产品设计和推进落地工作，制定并落地具有竞争力的产品发展路径； 2.挖掘真实场景下用户对大数据+ AI 的诉求，能够将用户的碎片需求抽象成为有效的产品功能或落地实施方案； 3.积极关注AI领域的最新行业和学术进展，分析海内外竞品能够寻找产品差异性的突破点，持续优化产品方案； 4.沉淀Data+AI一体化平台通用/垂直解决方案，推动在公有云、私有化客户的拓展和场景落地； 5.优秀的跨团队项目管理、沟通管理能力，提升团队的产品意识及能力。
团队介绍：Data AML是字节跳动的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。 1、理解企业客户的软件开发流程、技术栈、组织架构和管理规范，识别并挖掘其开发流程中对智能辅助和自动化的深层需求，将其转化为切实可行的产品方案； 2、与工程团队紧密合作，积极参与SaaS产品向云原生架构改造的全链路，包括容器化、微服务、CI/CD等关键环节，确保产品在云上具备卓越的可扩展性，并充分响应企业级客户对稳定性的高要求； 3、与销售、市场、解决方案架构师等团队紧密合作，为客户沟通和业务拓展提供专业支持，让产品更快地在不同企业中落地。
团队介绍：Data AML是字节跳动的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。 1、理解企业客户的软件开发流程、技术栈、组织架构和管理规范，识别并挖掘其开发流程中对智能辅助和自动化的深层需求，将其转化为切实可行的产品方案； 2、与工程团队紧密合作，积极参与SaaS产品向云原生架构改造的全链路，包括容器化、微服务、CI/CD等关键环节，确保产品在云上具备卓越的可扩展性，并充分响应企业级客户对稳定性的高要求； 3、与销售、市场、解决方案架构师等团队紧密合作，为客户沟通和业务拓展提供专业支持，让产品更快地在不同企业中落地。
1、基于最新的大模型、深度学习、机器学习、统计学和优化技术，开发创新算法并为业务问题构建原型； 2、通过无监督学习、聚类算法等技术，从海量数据中发现潜在的模式和趋势，提出数据驱动的业务解决方案； 3、与产品经理和跨职能团队合作，定义用户故事和成功指标，管理数据项目从0到1的全过程； 4、使用AB测试等方法验证项目的商业价值和预期收益，并持续优化模型性能； 5、与工程团队合作部署数据模型，并将解决方案规模化。 1.Develop innovative algorithms and build prototypes for business problems using the latest deep learning, machine learning, statistical, and optimization techniques; 2.Use unsupervised learning and clustering algorithms to discover potential patterns and trends from large datasets and propose data-driven business solutions; 3.Collaborate with product managers and cross-functional teams to define user stories and success metrics, managing data projects from 0 to 1; 4.Use methods like AB testing to validate the business value and expected revenue of projects and continuously optimize model performance; 5.Work with engineering teams to deploy data models and scale solutions.