贝壳MR地图重建架构师(J64882)

1.负责腾讯地图海量轨迹数据挖掘算法的开发，包括轨迹清洗、轨迹匹配、轨迹特征提取； 2.负责基于轨迹挖掘特征和机器学习技术，建立道路数据画像，构建实时的基础数据的挖掘模型； 3.负责应用上述轨迹特征和机器学习模型，提升步骑行道路、驾车道路的路网精度和质量。

1.负责腾讯地图海量时空大数据序列建模研究，包括轨迹数据、图像数据、遥感数据等； 2.负责机器学习、深度学习、大模型领域的研发工作，包括机器学习模型的设计开发、大模型在时空数据领域的应用落地； 3.负责提升静态道路质量和地图动态事件质量，包括路网拓扑精度、动态开通封闭、 红绿灯倒计时、实时路况等业务的提升与优化。

1、加入高德地图的商业智能BI团队，深入理解高德核心业务，为业务分析和决策提供数据支撑 2、参与高德地图核心业务的数据仓库和数据产品建设、资产沉淀、数据治理 3、运用数据技术和解决方案解决业务痛点问题，拿到业务结果

打车场景下，上下车点推荐是指在用户发单前，系统根据用户的历史行为、环境信息，为用户推荐最合适的上下车位置。合理的上下车点有助于司乘高效碰面，甚至关系司乘的安全。上下车点推荐是典型的线上-线下的业务场景。 1、通过机器学习、深度学习优化上车点推荐系统（推荐乘客最理想的上下车位置），减少接驾时间，降低司乘沟通成本，提升用户出行体验，主要参与特征工程和多任务、多场景，特征交互等模型优化 2、现实物理世界结构复杂，从二维的物理平面到路网的拓扑，需要有效的组织各类地理元素、构建场景特征，探索CNN、GRAPH等各类表征学习的方案。 3、行为和内容的融合，在地理领域解决冷启动、用户需求多样性，都面临独特的挑战。 4、地图位置信息和大模型结合的创新研究探索。