快手【留用实习】分布式图数据库研发工程师
任职要求
1、熟练使用 C++、Go 等编程语言，具备系统开发/调试/性能优化能力和经验； 2、熟悉 Linux 系统，有较好的计算机系统结构知识或分布式系统知识； 3、熟悉数据库查询引擎/存储引擎的实现及其优化，参与过…
工作职责
1、负责图数据库查询引擎、存储引擎基础研发，包括功能迭代和性能优化； 2、负责图数据库 DB4AI 方向研发，建设向量索引能力，实现 “上下文+语义” 混合检索能力，满足智能问答、知识检索等场景的需求； 3、负责图数据库的架构演进，包括异地多活架构建设、单元化架构建设、多级缓存能力建设等； 4、负责图数据运维管控系统建设，提升运维自动化水平、管控效率。
1、参与大规模的短视频推荐和补贴裂变等业务的模型策略优化，提升用户消费体验（如时长、点击率、互动）和用户留存率、DAU等核心指标； 2、参与机器学习，如深度学习、因果推断领域的技术研发工作，包括但不限于DNN模型优化、因果推断模型、迁移学习、元学习、强化学习和图模型等的算法和系统研发等； 3、参与前沿问题的探索与研究，结合实际应用场景，提供技术优化和落地建议。
1、参与大规模的短视频推荐和补贴裂变等业务的模型策略优化，提升用户消费体验（如时长、点击率、互动）和用户留存率、DAU等核心指标； 2、参与机器学习，如深度学习、因果推断领域的技术研发工作，包括但不限于DNN模型优化、因果推断模型、迁移学习、元学习、强化学习和图模型等的算法和系统研发等； 3、参与前沿问题的探索与研究，结合实际应用场景，提供技术优化和落地建议。
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。