快手推荐算法工程师-【主站短视频推荐】
任职要求
1、优秀的编码与代码控制能力, 有扎实的数据结构和算法功底； 2、熟悉Linux开发环境，熟悉C++和Python语言； 3、熟悉tensorflow或pytorch； 4、…
工作职责
1、参与数亿级用户和作者规模的视频推荐系统优化，提升用户留存率、时长、vv和互动等核心指标，为用户和作者提供更好的匹配，实现用户、作者和平台的共赢； 2、参与超大规模机器学习、深度学习领域的技术研发工作，包括但不限于神经网络模型设计与优化、强化学习、迁移学习、主动学习等的算法和系统研发等； 3、针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能； 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； 5、和产品、运营团队合作，共同优化社区生态，提供给快手用户更好的推荐体验，满足用户对内容精准性、多样性、实效性、有用性等多维需求。
1、参与亿级规模的电商模型推荐优化，提升点击、时长、GMV等核心指标； 2、参与推荐系统的设计和研发工作，包括但不限于网络设计与优化、强化学习、迁移学习等； 3、参与直播、短视频、商品多种电商形态下的模型研发，使用先进的检索和排序手段，优化电商推荐效果； 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； 5、参与全域流量博弈的机制设计，协助拓展业务边界； 6、参与前沿问题的探索与研究，结合实际应用场景，提供全面的技术解决方案。
1、负责快手主APP、极速版等核心应用中关注页的推荐优化，提升时长、留存等指标； 2、 跟踪业界深度学习/强化学习/迁移学习等领域进展，灵活应用于业务中取得实际收益； 3、基于超大规模机器学习模型，应用先进的检索和排序技术，持续提升关注页推荐质量； 4、改进重排混排等算法，设计合理策略，优化关注页流量分发，提升用户满意度和平台价值； 5、深入理解用户，构建健康活跃的社区生态，维护和增强生产者和消费者之间的社交关系。
1、负责直播推荐引擎及上下游系统的架构设计与开发，涵盖预测、数据流、引擎全链路，支撑海量并发请求和业务快速增长； 2、持续优化系统性能，通过profiling分析、代码调优、架构优化等手段，保障高并发、高稳定性和可扩展性； 3、设计灵活的策略迭代架构，通过工程抽象和模块化设计，支撑算法团队策略快速落地； 4、推动系统架构演进与重构，以高质量工程实现驱动推荐技术持续创新。
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、参与机器学习、深度学习领域的技术研发工作，包括但不限于神经元网络模型设计与优化、强化学习、迁移学习、主动学习等的算法和系统研发等； 3、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； 4、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； 5、针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能； 6、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； 7、参与全域流量博弈的机制设计，协助拓展业务边界； 8、参与前沿问题的探索与研究，结合实际应用场景，提供全面的技术解决方案。