logo of kuaishou

快手广告算法实习生-【商业化算法部】

实习兼职D10187地点:北京状态:招聘

任职要求


1、2027届优秀毕业生,计算机、数学、统计学等相关专业本科以上学历,博士、硕士优先;
2、熟悉 Linux,精通 C / C++JavaPython 等至少一门编程语言,优秀的编码能力,扎实的数据结构算法功底;
3、熟悉机器学习数据挖掘、计算广告学相关基础知识,对常用算法有使用经验,并能根据实际场景进行优化,熟悉大规模数据挖掘处理、分布式计算;
4、善于阅读文献,快速学习,具备优秀的分析和解决问题能力,良好的沟通协作能力。

加分项:
1、有互联网广告算法、搜索 / 推荐系统机器学习计算机视觉、计算广告学及博弈论相关领域研究,及一线互联网公司实习经验者优先;
2、在 NIPSICMLICLR、IJCAI / AAAISIGKDDCVPR / ICCVACL 等相关国际顶级会议或期刊上有文章发表者优先;
3、有 KaggleKDD Cup 等推荐算法数据挖掘比赛获奖者优先;
4、有ACM / Topcoder Algorithm 或类似算法竞赛经历者优先。

工作职责


1、参与快手商业化系统核心模型、机制、策略算法的研究及开发工作;
2、针对每天数亿网民 & 亿级广告库,参与研发业界领先的超大规模深度学习推荐模型,通过输入端、判别层、输出端建模优化,更精准地实现千人千面,包括但不限于 Meta learning、图学习、多模态建模、对比学习等前沿技术研究;
3、参与研发业界领先的广告智能投放平台,通过应用运筹优化、强化学习、联邦学习、CV & NLP(视频理解、生成)等前沿技术,提升广告主投放的长短期收益;
4、针对每天百亿流量 & 数十种差异化场景,参与设计、实现创新的拍卖机制和分配算法,运用博弈论、计算经济学、Uplift 建模 / 因果推断,参数模型化等技术和理论,探索给定资源约束下最大化流量和生态长短期价值的最佳机制策略实践。
包括英文材料
学历+
Linux+
C+
C+++
Java+
Python+
数据结构+
算法+
机器学习+
数据挖掘+
推荐系统+
OpenCV+
ICML+
CVPR+
ICCV+
Kaggle+
NeurIPS+
AAAI+
ACL+
相关职位

logo of kuaishou
实习D6329

1、参与快手商业化系统核心模型、机制、策略算法的研究及开发工作; 2、针对每天数亿网民 & 亿级广告库,参与研发业界领先的超大规模深度学习推荐模型,通过输入端、判别层、输出端建模优化,更精准地实现千人千面,包括但不限于 Meta learning、图学习、多模态建模、对比学习等前沿技术研究; 3、参与研发业界领先的广告智能投放平台,通过应用运筹优化、强化学习、联邦学习、CV & NLP(视频理解、生成)等前沿技术,提升广告主投放的长短期收益; 4、针对每天百亿流量 & 数十种差异化场景,参与设计、实现创新的拍卖机制和分配算法,运用博弈论、计算经济学、Uplift 建模 / 因果推断,参数模型化等技术和理论,探索给定资源约束下最大化流量和生态长短期价值的最佳机制策略实践。

更新于 2024-08-08
logo of kuaishou
实习D12316

1、围绕广告业务,学习和理解业务的基本逻辑,能独立完成数据提取、处理、分析和可视化呈现到结论展示的整个流程,为行业提供数据分析方案与支持; 2、结合部门现有业务数据梳理汇总,对公司内外部数据进行挖掘,在深入理解行业需求、产品与用户洞察基础上,紧密协助业务,用快速而有效的方式满足业务方需求; 3、支持行业的数据分析、销运支持工作,深入理解业务规则并有效赋能业务,产出业务分析与建议。

更新于 2025-10-13
logo of kuaishou
实习D10637

1、负责磁力聚星生态下的广告/自然流量的策略迭代和升级,提高广告转化效果和商业化收益; 2、与算法团队紧密配合,基于行业和客户需求洞察,结合流量和场景特性,持续挖掘提效空间,设计高效可复用的策略解决方案; 3、基于达人营销和素材价值,通过自然、商业流量的组合策略,最大化广告价值,提升广告主满意度; 4、跨部门沟通协作,高质量推进团队工作,共同达到项目目标。

更新于 2025-07-31
logo of bytedance
实习A91829

ByteIntern:面向2026届毕业生(2025年9月-2026年8月期间毕业),为符合岗位要求的同学提供转正机会。 团队介绍:我们是字节跳动广告算法技术中台团队Ads Core,致力于研发全球领先的在线广告优化算法,营造健康、互惠的广告生态,持续提升用户和客户体验,引领并推动行业算法的变革与创新。我们承担了字节跳动全系产品广告变现业务的基础算法策略和机制的改进与研究,涵盖抖音、今日头条、番茄小说等核心场景的商业化技术的支撑。 1、利用机器学习技术,改进头条的推荐、广告系统,优化数亿用户的阅读体验; 2、分析基础数据,挖掘用户兴趣、文章价值,增强推荐、广告系统的预测能力; 3、分析用户商业意图,挖掘流量潜在商业价值,提升流量变现; 4、研究计算机视觉算法,给用户提供更多更酷炫的功能; 5、研发机器翻译与对话技术,促进跨语言内容理解与交流。

更新于 2025-01-14