快手【快Star-X实习】推荐系统工程师
任职要求
1、本科及以上学历； 2、熟练掌握服务性能分析与优化相关技能； 3、掌握主流开发语言如C++/Java/Python中的一种或多种，有较强的工程实现能力，有良好的代码风格。 加分项： 1、有大规模数据处理及服务经验； 2、有互联网公司推荐、广告或搜索相关场景下实习经历，或者有优秀开源项目贡献； 3、有OI、ICPC等竞赛优秀成绩； 4、曾发表过系统领域相关国际顶会论文。
工作职责
1、参与设计与建设个性化推荐系统的策略与模型引擎，提升系统性能和稳定性； 2、参与设计与建设个性化推荐系统的画像和索引存储系统，利用最新存储硬件SSD和NVM来升级加速； 3、参与推荐机器学习平台生态工具的开发，例如训练平台、预估平台等，并利用GPU、FPGA等硬件进行异构加速； 4、优化算法可扩展性，优化推荐系统迭代的通用平台，保障算法策略模块快速迭代。
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，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络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、通过超大规模的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，优化快手短视频推荐效果； 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、参与设计与建设个性化推荐系统的策略与模型引擎，提升系统性能和稳定性； 2、参与设计与建设个性化推荐系统的画像和索引存储系统，利用最新存储硬件SSD和NVM来升级加速； 3、参与推荐机器学习平台生态工具的开发，例如训练平台、预估平台等，并利用GPU、FPGA等硬件进行异构加速； 4、优化算法可扩展性，优化推荐系统迭代的通用平台，保障算法策略模块快速迭代。
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。