快手【快Star-X实习】机器学习算法工程师

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。

【团队介绍】快手电商AI搜索与多模态理解团队，致力于构建文本大模型、视觉大模型、多模态搜索、User Agent新系统，应用于多种电商场景（如快手搜索Query改写/生成/意图识别、搜索相关性、拍照搜同款、图文相似款等)。团队一直坚持学术与业务并向发展的方式，目前在CVPR、WWW、AAAI、EMNLP、SIGIR等会议发表论文多篇 ，并在国内知名赛事与榜单荣获过多项Top2成绩；内部提供充分的交流讨论，现有正式员工与实习同学均来自国内/全球顶尖学校；在这里你会有专业的Mentor实时指导技术创新与业务落地。我们团队的 OneSug、OneSearch、OneSearchV2等相关工作受到业界广泛关注。 1、参与亿级用户规模的电商搜索业务优化，围绕核心业务指标（GMV、购买用户数、点击率、转化率等）开展算法研究与迭代，持续提升用户搜索购物体验，推动电商生态健康发展。 2、深入设计与优化搜索全链路算法模块，包括但不限于：Query理解、召回、粗排、精排、混排、相关性计算、机制策略等；探索并应用序列建模、迁移学习、强化学习、对比学习、多模态大模型等前沿技术，提升模型智能化水平与业务效果。 3、探索前沿的 NLP 技术：LLM驱动的搜索Query理解（Query改写/生成/意图识别）、基础相关性等，全链路拥抱LLM。 4、基于LLM能力，探索新一代的AI搜索前沿场景和技术，包括端到端LLM4Search、LLM4Retrieval等。 5、参与模型蒸馏，量化剪枝，在线实时性部署等工作，支持LLM生成算法的性能优化与落地； 6、针对业务特点，跟踪相关领域的技术发展趋势，进行各类技术方案的探索和学术研究。

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。