快手数据挖掘工程师（核心资产）-【数据平台】
任职要求
1、具备机器学习或者数据挖掘的研究和项目背景；熟练掌握常见的机器学习模型，以及大模型SFT/RL等微调技术，能够把业务问题拆解成适合的数据、算法问题，并完成价值落地； 2、本科及以上学历，有数据挖掘、机器学习相关经验，扎实的编程基础，精通至少一门编程语言…
工作职责
1、整合海量全域数据，运用机器学习技术，对用户进行标签识别、人群挖掘、兴趣挖掘、表征学习等； 2、深入业务场景，利用全站海量多维数据，综合运用统计和数据挖掘/机器学习/大模型微调的方法，探索平台新的业务增长点，为各类业务系统提供特征和模型支撑； 3、深度参与归因分析、商业化广告、用户增长等专题类建设工作。
岗位职责： 1.使用各类数据挖掘技术及机器学习算法以及大模型等前沿技术，基于海量多模态行为数据，构建完整的用户画像与兴趣建模体系，精准刻画用户行为。 2.结合对业务理解，深入挖掘数据价值，将业务问题转化为可建模的算法问题并推动在业务场景下应用，拿到业务结果。 3.深入思考产品业务价值，参与制定及落实团队在技术、业务等多维度发展方向。 4.深入理解食杂零售餐饮供应链业务逻辑和运营模式，与业务、产品、工程、数据等团队紧密协同，完成从业务问题到算法问题的抽象与定义，设计指标体系，进行算法技术选型和方案设计实现，推动落地应用。
1、数据pipeline建设：负责视频生成大模型的训练数据构建与管理，参与数据筛选、标注及质量评估工作。分析和挖掘现有数据资源，设计有效的数据分布策略，支持模型的持续迭代； 2、数据分布分析：对模型训练数据分布进行详细分析，识别数据偏差、不均衡及潜在问题。提供数据分布的可视化报告及改进建议，确保模型训练数据覆盖目标场景和多样性需求； 3、用户数据分析：分析用户交互数据，评估视频生成效果与用户满意度，提取用户反馈中的数据优化方向。构建用户行为分析模型，探索用户需求变化并为模型优化提供参考； 4、优化模型生成效果：构建数据飞轮。通过数据驱动的方法优化视频生成大模型效果，结合A/B测试等手段验证调整效果。与算法工程师合作，制定数据调整与扩展策略，提升模型在真实场景中的生成能力。
1. 通过游戏行为数据分析挖掘提升价值，构建数据预测模型,包括不限于设计高效算法预测游戏关键指标，识别出潜在流失用户等； 2. 基于海量用户数据，整合多端玩家信息，构建多维度玩家画像，并形成统一玩家身份OneID和标签系统； 3. 为产品提供专业的分析支撑，提出有效数据分析模型、指标体系，用数据支撑决策,持续跟踪模型效果，进行迭代优化；