快手电商增长算法工程师/专家
任职要求
1、硕士及以上学历，计算机、数学或统计学相关专业； 2、熟悉Linux、C++、Java或Python，优秀的编码能力，扎实的数据结构和算法功底； 3、具有智能营销、推荐系统、机器学习、数据挖掘或者自然语言处理等相关领域知识； 4、善于阅读文献，快速学习，具备优秀的分析和解决问题的能力，良好的沟通协作能力。 加分项： 1、有推荐系统、机器学习、信息…
工作职责
1、设计并迭代智能营销算法模型，提升电商场景下的补贴券ROI、关注率、核销率等； 2、通过召回、排序等推荐算法，设计针对性的多目标优化策略、运筹优化策略和推荐策略，提升电商新回及活跃买家； 3、负责电商业务各算法场景的技术攻关，参与机器学习、深度学习领域的核心研发工作，包括但不限于神经网络模型的设计与优化，营销uplift模型、归因模型等的算法和系统研发。
团队介绍：增长智能是字节跳动用户增长中台的算法技术团队，通过智能算法技术帮助各业务优化增长效率，为业务的持续高速增长提供有力支撑。我们支持了包括抖音、今日头条、番茄小说、西瓜视频、电商等字节核心业务，围绕投放获客、激励补贴、跨端联动、SEO等增长手段，利用机器学习、因果推断、运筹优化、AIGC等算法技术，帮助业务高效达成拉新拉活、提收变现、业务渗透等增长目标。 团队主要工作包括： 1、投放增长：通过因果推断建模、用户长期价值预估等方法，结合个性化出价、实时流量优选等手段，实现对全网超过十亿用户的精准触达，帮助业务高质量地获取新用户、召回老用户，并且利用AIGC、多模态理解等技术实现自动化的素材生产，提升投放效率和效果； 2、激励增长：针对抖音极速版、头条极速版、番茄小说/畅听等激励类App，使用因果推断、运筹优化等技术，设计并优化各类激励任务的数值策略，提升激励效果，优化营销资金效率； 3、电商增长：负责中国区电商的个性化营销策略优化，通过因果推断、深度学习、迁移学习、多任务学习等技术提升个性化定价的准确性，落地应用因果推断、深度学习的前沿研究成果，为电商用户提供更精准的个性化补贴； 4、跨端联动：围绕字节跳动的App矩阵和流量池，结合推荐、内容生成、激励等手段，设计合理的跨端联动导量方案，在合适的时机将合适的用户引导到合适的App上，满足用户的不同需求，为字节系整体带来增长； 5、智能引擎：搭建智能增长算法高效落地的工程引擎，设计开发相关的工具和平台，支撑海量的数据流搭建、大规模的模型训练、高并发的在线预估、灵活的策略动调、精准的预算控制、可靠的资金安全保障等全链路各环节的高效运转； 团队由来自不同背景的优秀同学组成，不仅有具备深厚理论基础和丰富行业实践经验的老水手 (包括因果推断领域的统计学博士、来自国内外知名大厂的前员工、推荐/广告/搜索算法领域的大牛、长期深耕字节增长技术演进的专家等)，也有许多年轻高潜、成长迅速的superstar。团队技术氛围良好，既有充分的自由度进行前沿技术探索，又有大规模的业务场景进行落地验证，团队近年已有一些成果发表在KDD/ICML/AISTATS/JASA等顶会、期刊上。团队整体核心业务稳定，创新场景丰富，成长空间巨大，亟待更多优秀的同学加入做更多有挑战的事！
职位描述： 负责电商个性化推荐算法的优化与创新，持续提升推荐场景流量效率和用户体验，职责包括并不限于： 1.深入理解推荐业务需求，设计并落地大规模的召回/排序/重排算法； 2.推荐场景中流量机制分配、冷启动、用户增长策略的设计和应用； 3.分析用户行为数据，进行用户长短兴趣预测，提升推荐精准性和新颖性；
1. 训练/对齐领域大模型：面向评价理解、商品知识处理、内容生成；探索混合专家（MoE）、多模态指令跟随、长上下文检索与记忆增强。 2. 以“生成式排序/生成式推荐”为方向：将生成式信号融入召回/排序/重排，探索 LLM rerank、生成式特征、以及端到端的多目标优化。 3. 推动线上高性能推理：多租户资源编排、弹性扩缩容、SLA、成本治理；模型压缩与加速使得单位成本持续下降。
1、负责分析、挖掘电商场景中的多种文本数据，建设NLP自然语言处理能力，包括但不限于分词、实体识别、知识抽取、语义理解等； 2、负责图像算法的设计、模型优化和应用研发，包括但不限于：图像目标检测，OCR，图像特征表示学习，图像语义分割等方向； 3、紧跟业界前沿，针对不断增长的业务需求和算法创新提供技术解决方案；