快手【实习】数据挖掘工程师
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，了解Linux系统及常用Shell命令； 3、具备优秀的数据直觉，对前沿算法有较为清晰的理解；了解Spark/Hive等常用大数据处…
工作职责
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。
1、依托快手海量内容生产、消费、流量数据，基于短视频、直播等业务生态，挖掘用户画像属性，构建公司级用户画像数据体系和平台产品，深度参与创作者、直播、运营、增长等业务策略方案制定及实施，直接为业务提效赋能并达成新的增长点； 2、基于业务策略服务方案，面向全站用户、内容、社区沉淀数据标签资产至数据中台，为业务运营决策提供基础标签能力支撑，并不断挖掘、萃取数据价值； 3、基于海量、异构、高维的时空大数据，建设精准的全域空间实体数据体系，搭建全方位的地理位置服务(LBS)； 4、建设业内一流的设备指纹引擎，整合快手海量多来源数据，建设全站统一的ID-Mapping服务框架。
1、参与亿级用户规模的电商推荐优化，提升内容电商观看时长、点击率、转化率、GMV、LTV等核心指标； 2、通过深度学习领域的研发工作，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提升预估效果； 3、通过推荐算法机制优化电商流量结构和GMV结构，促进电商生态的健康发展。
1、参与亿级用户规模的电商推荐优化，提升包括商品推荐(首页猜你喜欢)、内容推荐(直播、短视频)在内的泛货架电商的GMV、订单量、用户留存等核心指标； 2、通过深度学习领域的研发工作，包括但不限于生成式推荐、LLM4Rec、超大规模序列建模、多任务学习、长期价值建模等算法和系统提升预估效果； 3、持续关注前沿技术发展方向，参与推荐系统架构的长期技术演进与技术攻坚； 4、通过推荐算法机制优化电商流量结构和GMV结构，促进电商生态的健康发展。
1、负责快手国际化Push相关的算法研发、优化工作，运用策略和算法手段促进用户增长； 2、负责Push推荐系统的搭建以及相关算法落地，面对亿级别的用户群体情况下实现Push的个性化匹配，做到千人千面； 3、负责Push的算法、策略的设计，并直接参与Push场景下推荐系统的全链路开发与优化，包括但不局限于触发、召回、粗排、精排、下发策略等阶段； 4、从海量数据中挖掘用户消费行为、社交关系网以及运营热点实现Push内容池的搭建。