快手【快Star-X实习】用户画像算法工程师

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。

1、负责挖掘海量用户数据，基于因果模型、机器学习模型等框架进行基础体验画像建设，包括但不限于 用户 x 内容 x 场景 的清晰度/流畅度/低延迟 偏好画像等；通过精准刻画用户基础体验属性，驱动音视频个性化策略下发； 2、负责构建带宽曲线预测、视频热度预测等时序模型，驱动音视频资源调度优化（e.g.，视频热度时序建模）； 3、负责探索大模型在时序预测、资源分配、人群画像偏好等场景的应用和落地； 4、负责与内外部团队合作，包括商业化、电商等，制定基于用户价值的体验和成本优化策略，并推动优化上线。

1、探索大模型与推荐算法结合的下一代推荐系统技术，充分利用大模型的领域知识和学习范式为推荐系统注入新的能量，包括但不限于文本/ID生成式推荐、模型Scaling Law、用户超长序列端到端建模等； 2、探索视频、文本和语音等多模态信号的高效处理方式以及与推荐系统对齐的能力，让推荐系统看懂、听懂和理解世界； 3、混合专家、蒸馏剪枝等兼顾模型性能和效果的技术探索； 4、紧跟行业及大模型技术发展，结合业界前沿技术和业务需求，打造大模型应用的最佳实践。

1、参与大规模的短视频推荐和补贴裂变等业务的模型策略优化，提升用户消费体验（如时长、点击率、互动）和用户留存率、DAU等核心指标； 2、参与机器学习，如深度学习、因果推断领域的技术研发工作，包括但不限于DNN模型优化、因果推断模型、迁移学习、元学习、强化学习和图模型等的算法和系统研发等； 3、参与前沿问题的探索与研究，结合实际应用场景，提供技术优化和落地建议。