快手广告模型算法实习生-【商业化算法部】
任职要求
1、2024 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++、Java、Python 等至少一门编程语言，优秀的编码能力，扎实的数据结构和算法功底； 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…
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。
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。
1、负责联盟场景上快手电商广告的消耗增长。熟悉广告竞胜策略优化，包括不限于提升广告链路通过率，优化模型预估准度，广告C端优惠券分发等策略方向 ; 2、深入了解业务场景，基于广告效果问题 ，主动分析评估，总结可推进的策略方向。配合算法同学一起发现问题，优化效果 ， 确定中长期规划及产品节奏并落地交付； 3、收集内外部需求，跟踪竞品动态，通过用户调研、竞品分析、数据分析，挖掘新的策略优化点，找到新的增长方向。
【职位介绍】 我们团队负责构建小红书推荐算法中台，提高内容分发效率，为海量用户提供极致的推荐体验。在这里，你将参与到推荐系统的全链路搭建和各类算法的研发，包括不限于大模型应用、多模态建模、深度学习、强化学习、迁移学习、表示学习、图学习等领域。我们希望对推荐、搜索、广告感兴趣的同学，加入我们一起研发世界一流的推荐引擎。 1. 负责推荐算法中台的全链路建设，抽象业务共性，敏捷高效支持各类推荐需求。 2. 负责业界先进推荐算法的研发和落地，包括但不限于大模型技术、多模态内容理解、召回算法、排序模型（粗精排）、长短期兴趣建模、多场景联合建模等。
加入我们，您将参与构建支撑贝壳业务商业化的核心平台系统。商业化聚焦商城交易标准化中台能力、混合支付能力、贝壳币账户管理体系相关平台能力建设，并支撑新房、二手、租赁等业务流量商业化线上化能力建设。您将有机会深度参与: 1、参与商城交易标准化中台能力建设，如:商品库、订单、支付及B端管理系统； 2、参与贝壳币系统能力建设，如：账户管理、预算管理等； 3、参与业务流量商业化线上化能力及B端管理系统建设，如：新房CPT、二手潜客包CPL、会员等流量产品能力建设。