快手【留用实习】推荐模型算法工程师
任职要求
1、硕士及以上学历，人工智能、计算机、数学等相关专业； 2、具备扎实的编码功底，能够熟练使用Python，Java，C++中的一种，有较强的工程实现能力； 3、扎实的分析能力，能熟练使用SQL，Jupyter，Spark进行数据分析； 4、熟悉机器学习模型，有大规模实时模型开发、迭代经验，如Wide and Deep,DCN,deepFM,Transformer,SIM等模型…
工作职责
1、参与业内最前沿的排序模型的迭代工作，通过优化模型精度提升用户体验； 2、分析、理解用户数据和业务场景，设计适合业务发展的推荐算法和机器学习模型； 3、迭代业内最前沿的推荐算法，并落地到快手最大的消费场景中。
1、参与业内最前沿的排序模型的迭代工作，通过优化模型精度提升用户体验； 2、分析、理解用户数据和业务场景，设计适合业务发展的推荐算法和机器学习模型； 3、迭代业内最前沿的推荐算法，并落地到快手最大的消费场景中。
1、探索大模型与推荐算法结合的下一代推荐系统技术，充分利用大模型的领域知识和学习范式为推荐系统注入新的能量，包括但不限于文本/ID生成式推荐、模型Scaling Law、用户超长序列端到端建模等； 2、探索视频、文本和语音等多模态信号的高效处理方式以及与推荐系统对齐的能力，让推荐系统看懂、听懂和理解世界； 3、混合专家、蒸馏剪枝等兼顾模型性能和效果的技术探索； 4、紧跟行业及大模型技术发展，结合业界前沿技术和业务需求，打造大模型应用的最佳实践。
1、参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标； 2、参与机器学习、深度学习领域的技术研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统研发等； 3、分析海量用户行为数据和视频数据，增加有效的特征，挖掘用户兴趣，优化排序机制； 4、通过超大规模机器学习模型和系统，使用先进的检索和排序手段，优化社区生态，优化快手短视频推荐效果； 5、针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能； 6、参与搭建推荐系统框架，提供高并发，大数据，高效可靠的线上服务； 7、参与全域流量博弈的机制设计，协助拓展业务边界； 8、参与前沿问题探索与研究，结合实际应用场景，提供全面的技术解决方案。
1、参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标； 2、参与机器学习、深度学习领域的技术研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统研发等； 3、分析海量用户行为数据和视频数据，增加有效的特征，挖掘用户兴趣，优化排序机制； 4、通过超大规模机器学习模型和系统，使用先进的检索和排序手段，优化社区生态，优化快手短视频推荐效果； 5、针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能； 6、参与搭建推荐系统框架，提供高并发，大数据，高效可靠的线上服务； 7、参与全域流量博弈的机制设计，协助拓展业务边界； 8、参与前沿问题探索与研究，结合实际应用场景，提供全面的技术解决方案。