快手C++/Java开发工程师【国际化推荐系统】-算法引擎部
1、支持国际化电商业务快速发展，服务数百万达人商家，探索更高效的商业模式，满足用户最好的购物体验，促进生态良性发展； 2、超大规模的推荐模型优化，利用深度学习、迁移学习、多任务学习、表征学习、强化学习等多种方法提升信息匹配的效率； 3、通过挖掘达人/商家在用户群长短期兴趣建模和特征交互方式上持续研究探索，不断提高达人-商家-用户兴趣的匹配精度； 4、对达人、商家的行为做深入的理解和分析，制定针对的算法策略赋能供需两端，提升商家变现效率，助推产业升级； 5、结合内容电商的业务特性，进行模型和算法创新，打造业界领先的推荐算法和系统。
1、独特的业务问题，涉及到商品/直播/短视频等多种体裁的混合推荐，多个场景/多种目标的联合建模； 2、超大规模的推荐模型优化，利用深度学习、迁移学习、多任务学习、表征学习、强化学习等多种方法提升信息匹配的效率； 3、在用户长短期兴趣建模和特征交互方式上持续研究探索，不断提高用户兴趣的匹配精度； 4、在多样性，发现性，用户/物品冷启动，高品质商品和主播的挖掘等问题专项研究，构建良性的循环机制，优化内容电商生态； 5、结合内容电商的业务特性，进行模型和算法创新，打造业界领先的推荐算法和系统。
1、独特的业务问题，涉及到商品/直播/短视频等多种体裁的混合推荐，多个场景/多种目标的联合建模； 2、超大规模的推荐模型优化，利用深度学习、迁移学习、多任务学习、表征学习、强化学习等多种方法提升信息匹配的效率； 3、在用户长短期兴趣建模和特征交互方式上持续研究探索，不断提高用户兴趣的匹配精度； 4、在多样性，发现性，用户/物品冷启动，高品质商品和主播的挖掘等问题专项研究，构建良性的循环机制，优化内容电商生态； 5、结合内容电商的业务特性，进行模型和算法创新，打造业界领先的推荐算法和系统。
1、独特的业务问题，涉及到商品/直播/短视频等多种体裁的混合推荐，多个场景/多种目标的联合建模； 2、超大规模的推荐模型优化，利用深度学习、迁移学习、多任务学习、表征学习、强化学习等多种方法提升信息匹配的效率； 3、在用户长短期兴趣建模和特征交互方式上持续研究探索，不断提高用户兴趣的匹配精度； 4、在多样性，发现性，用户/物品冷启动，高品质商品和主播的挖掘等问题专项研究，构建良性的循环机制，优化内容电商生态； 5、结合内容电商的业务特性，进行模型和算法创新，打造业界领先的推荐算法和系统。