快手数据挖掘算法实习生
任职要求
1、硕士及以上学历，拥有扎实的数学和数据挖掘基础，以及坚实的机器学习理论知识； 2、熟练掌握至少一种编程语言，如Java/C++/Scala/Python，有互联网相关经验者优先； 3、逻辑思维缜密，有足够的数据敏感性，保证数据准确性； 4、对互联网行业有热情、对数据相关工作有充分的好奇心与钻研欲望； 5、能稳定实习6个月以上，一周到岗5天优先； 6、base 深圳。 加分项： 1、在相关领域有学术研究或项目经验，参与过机器学习比赛或开源项目； 2、熟悉深度学习技术，如TensorFlow、PyTorch等； 3、熟悉相关领域的深度学习算法，如小样本学习、多目标学习、对比学习、表征学习算法等。
工作职责
1、负责快手安全策略模型的研发； 2、对接业务需求，与产品运营开发保持顺畅的沟通衔接，持续提升业务能效； 3、深入理解业务本质，综合使用多种手段，识别平台内不良内容，解决内容风险的问题； 4、支持组内各项数据分析及挖掘工作。
利用快手平台海量用户的静态和动态数据，运用机器学习、数据挖掘等技术，对用户进行标签识别、人群挖掘、兴趣挖掘、表征学习等等。 具体职责包括： 1、通过对用户全域数据的挖掘和分析，进行用户建模，实现对用户各属性的精准刻画； 2、负责追踪业界先进算法的研发和优化，以提高各个模型的效果和效率； 3、建模用户认知标签，如用户兴趣、用户意愿等； 4、使用全域数据学习用户表征，输出给下游模型使用，优化模型效果。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：视频架构是字节跳动的视频中台部门，支持字节跳动旗下产品的点播、直播、实时通信、图片、多媒体业务发展，目标成为业界多媒体解决方案领先者，构建极致的视频技术/产品服务体验。 1、研究数据挖掘或统计学习领域的前沿技术，在直播场景，针对海量用户行为和服务质量数据，构建和优化用户模型； 2、基于对用户理解和大量数据特征，参与构建流媒体QosQoe关联模型，帮助提升直播/连麦用户体验指标； 3、根据需求，参与数据采集和指标建设，挖掘关键特征。
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：Data-电商-供应链和物流团队，通过应用机器学习和运筹优化算法，助力字节电商在全球范围内向用户提供低价好物以及快速优质的购物体验。团队的方向包括：参与优化通向全球各个国家地区的仓储物流网络，提升履约时效，降低成本，优化用户体验；跟踪全球电商趋势，优化电商货品供给，预测商品需求，指导备货，探索AIGC赋能时尚供应链。 1、参与字节跳动电商供应链及物流、商品运营和价格运营全链路多场景智能体系建设，负责面向业务的数据挖掘及算法迭代； 2、结合电商底层数据，通过数据挖掘、深度学习、统计推断等算法手段，对电商履约链路的时空轨迹序列、ETA、物流网络动态等进行分析与预测； 3、结合货架和内容电商信息，通过数据挖掘的方式，优化不同生命周期中商品在各场域的流量效率、运营效率和业务目标达成率，主要场景如下： 1）完善不同商品在相似/替代/关联/趋势和季节性上的商品力基建，对重点场景货盘进行诊断并提供品类优化建议，包括但不限于细分机会市场挖掘、新品&商品成长和渠道组货建议； 2）定义并优化不同业务场景的价格健康度，量化不同类目/人群偏好/场域等对商品价格策略的影响，建模站内商品的价量曲线，推动商品定价/补贴建议、预算分配建议和商品券设计等落地，并配合进行产品化建设； 3）深度参与重点营销场和大促场景的盘货-招商-搭建-选品-投放全流程运营，针对不同业务阶段和内容电商场景，从商家、商品、价格等维度提供算法建议； 4、参与电商业务用户/商家/达人增长等业务中的触达算法研发，包括但不限于基于用户与触达内容的理解建立点击率/转化率预估等模型、优化触达时机/渠道、基于AIGC技术进行触达内容优化等； 5、与电商用户增长、商家/达人/商品相关运营、产品等团队紧密合作，达成电商业务的用户/商家/达人/商品高质量增长目标。
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：Data-电商-供应链和物流团队，通过应用机器学习和运筹优化算法，助力字节电商在全球范围内向用户提供低价好物以及快速优质的购物体验。团队的方向包括：参与优化通向全球各个国家地区的仓储物流网络，提升履约时效，降低成本，优化用户体验；跟踪全球电商趋势，优化电商货品供给，预测商品需求，指导备货，探索AIGC赋能时尚供应链。 1、参与字节跳动电商供应链及物流、商品运营和价格运营全链路多场景智能体系建设，负责面向业务的数据挖掘及算法迭代； 2、结合电商底层数据，通过数据挖掘、深度学习、统计推断等算法手段，对电商履约链路的时空轨迹序列、ETA、物流网络动态等进行分析与预测； 3、结合货架和内容电商信息，通过数据挖掘的方式，优化不同生命周期中商品在各场域的流量效率、运营效率和业务目标达成率，主要场景如下： 1）完善不同商品在相似/替代/关联/趋势和季节性上的商品力基建，对重点场景货盘进行诊断并提供品类优化建议，包括但不限于细分机会市场挖掘、新品&商品成长和渠道组货建议； 2）定义并优化不同业务场景的价格健康度，量化不同类目/人群偏好/场域等对商品价格策略的影响，建模站内商品的价量曲线，推动商品定价/补贴建议、预算分配建议和商品券设计等落地，并配合进行产品化建设； 3）深度参与重点营销场和大促场景的盘货-招商-搭建-选品-投放全流程运营，针对不同业务阶段和内容电商场景，从商家、商品、价格等维度提供算法建议； 4、参与电商业务用户/商家/达人增长等业务中的触达算法研发，包括但不限于基于用户与触达内容的理解建立点击率/转化率预估等模型、优化触达时机/渠道、基于AIGC技术进行触达内容优化等； 5、与电商用户增长、商家/达人/商品相关运营、产品等团队紧密合作，达成电商业务的用户/商家/达人/商品高质量增长目标。