滴滴26届正式批-算法工程师（分单方向）
任职要求
1、2026届毕业生，硕士及以上学历 ，计算机、统计学、运筹学、经济学等相关专业优先 在机器学习领域有较强的积累，熟悉经典算法并有实践经验，包括但不限于LR、XGBoost、Unsupervised Learning、Deep learning、Reinforcement Learning、Causal Inference等 2、在数据分析、数学建模、优化等方面有实践经验 熟练掌握海量数据处理技术，有使用Hive、Spark的能力和经验 编程基础扎实，熟悉基本算法数据结构，有较好的Python开发经验，了解Golang优先 3、善于思考，逻辑清晰，有优秀的问题分析和解决能力，对挑战性问题充满激情 4、有学习热情，关注业界前沿技术和人工智能国际会议研究动态，能不断提升自己的能力 5、英语流利优先。
工作职责
1、参与到定价策略、派单策略、补贴策略、增长策略等算法优化工作，为国际市场设计开发核心算法 2、搭建高效率的算法平台，支持滴滴的全球业务 3、直接提升国际化业务指标，助力滴滴在国际市场的成功。
1、基于滴滴国际化海量的出行数据（四轮、摩托、外卖），利用数据挖掘、机器学习等技术，优化上下车点推荐、地址解析、路况预测、路径规划、ETA（到达时间预估）、EDA（预估到达距离）等引擎 2、上下车点推荐引擎：基于滴滴出行的大数据，深入理解不同国家的业务特点，推动上下车点推荐引擎效果提升，理解世界不同国家的地理领域知识，还原物理世界，并结合出行领域的用户（司机+乘客）行为特点，构建完善的特征工程 借助时序建模、MTMS(Multi-Task and Multi-Scene)的深度学习算法，综合提升各类场景的推荐效果 提升出行体验和平台效率，保障司乘安全 3、路线规划引擎：不同国家有不同的地理特性，不同的业务对路线规划也有差异化的需求，深入理解不同地区和业务的特点，借助序列建模、排序、多任务等手段，优化路线的召回、排序、重排等链路 4、时间/里程/价格/路况等预估引擎：深入研究不同国家、不同业务（四轮车、摩托）、不同打车链路（预估、分单、接驾、送驾等）中的时间/距离/价格/路况预估任务，构建不同场景下独有及共享的底层数据体系，建设地理特征、用户画像、历史行为及偏好等特征工程，借助因果推断、GNN、MTMS、online-learning等技术，提升预估准确性，提升司机和乘客的体验及打车效率 5、探索学术前沿技术，参与LLM、GNN、Online Learning、Reinforcement Learning等在交通领域的应用落地。
1、负责全品类车型的分单、司机调度、乘客推荐、定价补贴等方向的业务需求沟通、方案设计、开发实现 2、负责保障线上服务的可用性与可靠性，梳理机器&业务风险进行治理，建立对应监控能力，优化风险预案，降低线上系统的故障率，金额损失，防范重大风险，保持对线上系统故障的可控、可感、可防 3、参与构建滴滴智能业务架构，用于提升交易体验，牵引司乘促进交易，封装抽象提升系统扩展性、复用性，提升产品创新、策略联动、智能化的研发效率，解决系统高并发高可用问题 4、参与构建滴滴智能策略架构，用于不断提升交易市场效率，帮助算法脱离繁琐的工程化开发，聚焦策略迭代本身，提升策略迭代效率，提供实验，模型特征、策略优化快速试错能力。
国际化交易市场架构方向，负责滴滴国际多条业务线、每日海量的订单交易撮合，重点解决高并发计算，海量数据处理，高可用架构等难点问题。 1、参与滴滴核心的交易市场相关系统架构、分布式匹配计算系统设计与开发等 2、参与核心业务链路包括分单、定价、调度、供需预测等复杂策略的架构设计和开发 3、参与滴滴国际化业务相关数据平台搭建，负责确保核心服务的高可用及稳定性 4、参与并对接海外多国业务日常需求开发。
1、设计、实现和优化定价算法，确保最佳利益平衡，提高货运服务的效益 2、开发和改进补贴增长算法，确保货运司机和用户的利益，促进业务的可持续增长 3、研发和改进分单相关算法，优化货运订单的分配和调度，提高整体效率 4、与产品团队和业务团队密切合作，深入了解业务需求，找到业务增长的机会和挑战 5、运用数据分析和机器学习技术，对业务数据进行挖掘和建模，提供有效的业务解决方案 6、研究最新的算法技术和行业趋势，不断学习和改进算法模型，提高系统性能和效果 7、协作团队成员，进行项目规划和进度管理，确保算法开发和优化工作的顺利进行。