快手【留用实习】数据挖掘工程师

1 挖掘海量用户数据，进行音视频场景的画像体系建设，包括但不限于机型画像、网络画像、用户清晰度/流畅度偏好画像等，精准刻画用户音视频属性。 2. 建设音视频体验QoE模型，优化播放和边缘计算相关策略，如预加载、CDN调度、PCDN等； 3. 基于因果模型、机器学习模型等框架进行音视频用户画像研发，全链路优化模型效果，包括特征优化，模型结构优化等 4. 与内外部团队合作，包括商业化、电商等，制定基于用户价值的体验和成本ROI优化策略，并推动优化上线。

1、参与快手大数据体系的设计与建设，通过数据仓库、元数据、数据管理等体系，管理和建设几千P的数据； 2、参与各类数据专题体系（社交、内容生产/消费、直播、游戏、电商、商业化等）的建设，通过对数据的建设和应用理解，支持各类的业务管理决策和业务运营； 3、参与快手大数据产品的研发，研究洞察分析、效果监控、归因分析、ABTest等数据能力，结合自己的商业sense，发掘数据的业务价值； 4、获得数据领域的各类大牛的指导，徜徉在世界领先的大数据处理和应用技术的海洋中。

1、参与综合短视频，直播，电商，本地，社交和多语言等搜索业务，用大规模机器学习，强化学习，多模态预训练等技术提升搜索质量，用户留存和点击率等核心业务指标； 2、负责搜索query 意图分类，query 表征，query推荐，视频内容理解&多模态表征，多模态语义召回和相关性等搜索核心技术，提升搜索用户渗透率和相关性； 3、负责搜索用户行为分析，语义和行为混合检索，多序列&多任务粗排，精排，重排等搜索排序技术，提升搜索质量和内容消费指标； 4、负责搜索生态和机制，参与搜索混排，多目标优化，异构内容混排，短期和长期目标平衡，冷启动等搜索等机制和算法。

1、广告算法策略包含深度学习、强化学习、大数据、数据挖掘、并行优化、策略机制等多个方向； 2、负责机器学习的算法和模型开发，包括：DNN、超参数优化、学习和优化方法等； 3、负责海量数据的分析和挖掘工作，构建用户画像模型，提升CTR、CVR； 4、对机器学习尤其是深度学习前沿问题进行探索与研究； 5、对推荐系统、自然语言处理、图像处理等领域提供模型支持。