脉脉推荐系统研发工程师
任职要求
1、计算机相关专业本科及以上学历，至5年以上服务器端开发工作经验；有搜索/推荐场景经验是加分项； 2、精通python/golang一门或多门语言的开发，精通多线程编程，熟悉常见的开源分布式中间件、缓存、消息队列等，熟悉MySQL； 3、熟悉面向对象设计，有一定的系统架构设计能力； 4、热爱技术，对代码质量和开发规范有近乎苛刻的要求，善于沟通与团队协作； 5、有大型分布式、高并发、高负载、高可用性系统设计和稳定性经验优先。
工作职责
1、负责脉脉Feed流推荐系统的设计和开发，解决推荐核心系统的架构优化； 2、针对推荐场景的架构抽象和流程优化， 支撑业务的快速迭代； 3､ 针对高并发高吞吐场景，提升系统的性能、稳定性、可扩展性、可观测性； 3、具有一定的技术前瞻性，善于研究分析业内主流产品技术实现，不断优化当前系统架构设计。
1、深入分析用户需求与使用场景，设计自然流畅的交互逻辑，如多轮对话、情感识别及场景化服务； 2、参与并负责智能座舱多模态大模型的算法设计与选型，涵盖语音交互、视觉感知、个性化推荐等场景； 3、构建座舱领域专用数据集，设计数据增强与清洗策略，支撑模型训练与迭代； 4、优化RAG技术体系，包括向量检索、ES检索及图数据库检索方案，提升语义理解与知识融合能力； 5、设计、开发基于大模型的各类智能体，提高领域内的准确性和性能，并参与群体协作、联动； 6、了解并关注模型在云侧及端侧的工程化部署技术，优化模型结构，确保低延迟与高稳定性，跟踪行业动态、技术趋势，提出突破性技术方案并推动POC验证。
1.负责美团每日神价推荐方向工程工作。 2.负责神价推荐系统召回、粗排、精排、重排等核心模块的方案调研及设计、开发、接口性能优化和稳定性保障工作。 3.负责神价推荐系统Debug、流量回放Diff等工具的设计和开发。 4.解决项目开发中的技术难题和风险，保证项目按时完成并达到高质量要求。 5.以结果为导向，识别卡点与风险，积极推动与解决的同时做好沟通对齐，做到整体高质量的结果交付。
团队介绍：Data AML是字节跳动公司的机器学习中台，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。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 课题介绍：大规模推荐系统正在越来越多的应用到短视频、文本社区、图像等产品上，模态信息在推荐系统中的作用也越来越大。 字节实践中发现模态信息能够很好的作为泛化特征支持推荐等业务场景，端到端的超大规模多模态推荐系统的研究具有非常大的想象空间。 期望在算法和工程CoDesign基础上，对多模态Cotrain、7B/13B大规模参数模型、更长序列端到端等方向进一步进行探索。 工程上研究方向包括多模态样本的表征、基于 pytorch 框架的高性能多模态推理引擎、高性能多模态训练框架的构建、异构硬件在多模态推荐系统上的应用；算法上的研究方向包括设计合理的推荐广告和多模态Cotrain结构、Sparse MOE、Memory Network、混合精度等。 1、负责公司机器学习系统架构的设计开发，以及系统性能调优； 2、负责解决系统高并发、高可靠性、高可扩展性等技术难关； 3、覆盖机器学习系统多个子方向领域的工作，包括：资源调度、任务编排、模型训练、模型推理、模型管理、数据集管理、工作流编排、ML for System等； 4、负责机器学习系统前瞻技术的调研和引入，比如：最新硬件架构、异构计算系统、GPU优化技术的引入落地； 5、研究基于机器学习方法，实现对集群/服务资源使用情况的分析和优化。
团队介绍：Data AML是字节跳动公司的机器学习中台，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。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 课题介绍：大规模推荐系统正在越来越多的应用到短视频、文本社区、图像等产品上，模态信息在推荐系统中的作用也越来越大。 字节实践中发现模态信息能够很好的作为泛化特征支持推荐等业务场景，端到端的超大规模多模态推荐系统的研究具有非常大的想象空间。 期望在算法和工程CoDesign基础上，对多模态Cotrain、7B/13B大规模参数模型、更长序列端到端等方向进一步进行探索。 工程上研究方向包括多模态样本的表征、基于 pytorch 框架的高性能多模态推理引擎、高性能多模态训练框架的构建、异构硬件在多模态推荐系统上的应用；算法上的研究方向包括设计合理的推荐广告和多模态Cotrain结构、Sparse MOE、Memory Network、混合精度等。 1、负责公司机器学习系统架构的设计开发，以及系统性能调优； 2、负责解决系统高并发、高可靠性、高可扩展性等技术难关； 3、覆盖机器学习系统多个子方向领域的工作，包括：资源调度、任务编排、模型训练、模型推理、模型管理、数据集管理、工作流编排、ML for System等； 4、负责机器学习系统前瞻技术的调研和引入，比如：最新硬件架构、异构计算系统、GPU优化技术的引入落地； 5、研究基于机器学习方法，实现对集群/服务资源使用情况的分析和优化。