快手推荐模型算法工程师-【海外模型】
任职要求
1、熟练使用C++、Java 中至少一种编程技术，熟练使用多种语言加分，例如Python，Scala等； 2、计算机相关专业，本科及以上学历，三年以上相关实际工作经验； 3、对推荐算法有深入研究，同时精通常见机器学习算…
工作职责
1、参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标； 2、分析海量用户行为数据和视频数据，增加有效的特征，挖掘用户兴趣，优化排序机制； 3、通过超大规模机器学习模型和系统，使用先进的检索和排序手段，优化社区生态，优化快手的推荐效果； 4、参与搭建推荐系统框架，提供高并发，大数据，高效可靠的线上服务。
1、参与快手海外广告系统的核心机制策略、模型算法的研究及开发工作，服务不同国家和地区的用户，助力快手海外广告业务快速增长； 2、设计和实现高效的广告检索和排序算法，运用运筹优化、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； 3、研发业界领先的智能出价系统和智能投放平台，通过应用控制理论、强化学习等前沿技术，提升广告主投放的长短期收益； 4、优化广告的点击率和转化率，从模型结构设计、训练范式优化、用户特征挖掘、转化延迟建模等角度提升模型预估精准度。
1. 大模型研发与调优：独立设计、开发适用于 OTT 推荐系统、AI agent 的大模型，通过参数调整、轻量化压缩、多模态融合等技术优化模型性能，降低计算资源消耗； 2. 推荐系统算法优化：基于协同过滤、深度学习推荐模型（如 DIN、DeepFM 等），结合 OTT 业务场景优化推荐策略，提升内容推荐的精准度、多样性及用户点击率、留存率； 3. AI agent 开发落地：设计 AI agent 架构与智能交互策略，实现自然语言处理、任务执行、多轮对话等功能；通过强化学习提升其自主决策与学习能力，适配 OTT 场景服务需求； 4. AI 硬件算法适配：针对第二曲线 AI 硬件（如智能电视芯片、边缘计算设备），优化 AI 算法与硬件特性的结合，提升模型部署与运行效率，充分利用硬件资源； 5. 跨部门协作推进：协调研发、算法、设计、运营等跨部门资源，推动 AI 产品全流程开发，通过项目会议同步进展、解决问题，确保产品按时高质量交付； 6. 行业生态与商业探索：跟踪 AI 行业前沿动态与技术趋势，整合内外部资源，探索 AI 产品的新商业模式与应用场景，提升产品市场竞争力与商业价值。
用户方向 1.通过数据分析构建用户画像，分析用户交易行为及用户旅程，挖掘trade-in, trade-across, trade-up的驱动因素及转化路径； 2.设计因果推断实验（如A/B测试、双重差分法），量化促销活动、定价策略对用户消费、用户增长的影响，评估广告渠道ROI优化投放策略； 3.构建用户分层模型，识别高价值消费人群，输出定向运营策略（如精准发券、商品推荐），制定留存策略； 4.研究用户生命周期内的消费习惯，结合消费者心理学理论，优化“人-货”匹配效率，提升用户ARPU值。
参与快手海外业务的模型策略的迭代与开发： 1、有机会参与到推荐系统各个方向的工作，以及短视频、直播、电商、投稿、增长等多个业务场景，了解系统全貌； 2、分析、理解海外用户数据和业务场景，设计适合业务发展的推荐算法和机器学习模型； 3、调研业内前沿推荐算法，落地到业务场景中，并根据业务场景做适配和创新。