滴滴推荐算法工程师(J250605010)
任职要求
1.本科或硕士以上学历,数学、计算机、统计、电子等相关专业 2.有扎实的计算机基础、对深度学习,机器学习有较深入了解。有信息检索(IR)、自然语言处理(NLP)、推荐系统和数据挖掘等领域经验,发表过高质量论文者优先 3.具备扎实的数据结构和算法设计基础,熟练使用 Python/Scala,并熟悉至少一种深度学习框架(如 TensorFlow, PyTorch); 4.思维敏捷,有较强的钻研学习能力,拥有良好的沟通合作能力。
工作职责
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、大模型等技术,优化上下车点推荐、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、多场景多任务的深度学习算法,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、多场景多任务等手段,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(预估价、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、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. 基于滴滴企业级用车 & 差旅出行场景,构建灵活、稳定、高效算法系统,赋能智能定价、多目标推荐、智能营销增长等业务; 2. 挖掘海量客户 & 用户特征,学习并结合客户&用户需求特点,利用算法助力滴滴企业级业务的多目标最优化实现; 3. 结合营销业务场景下的特征及规律,不断迭代优化智能营销场景下定价、增长、推荐等算法技术,实现市场份额、gmv、用户体验不断提升;
1. 深入理解滴滴的业务模式、交易流程和系统架构,发现潜在的作弊风险点,和产品技术、业务运营高效沟通,设计合理的风控策略架构。 2. 基于SDK采集的设备信息,通过机器学习算法,为 Android/iOS/H5/小程序生成设备标识。 3. 通过用户行为数据的采集和分析,实现人机识别,并结合采集信息,对可信设备标识生成设备、环境、行为等相关的风险标签和风险评分。 4. 独立思考某个业务环节或场景可能潜在的作弊风险,设计合理的策略体系,通过大数据分析,定量识别潜在的风险和业务影响。 5. 应用先进的数据挖掘、统计模型、机器学习等方法,结合数据分析,研究发现数据以及业务的异常,作出解释归因和风险告警,并给出风险特征和策略的推荐,推动业务落地。 6. 针对某个业务或场景建立合理的指标体系,在对抗过程中不断完善监控体系,与工程技术团队配合,形成可视化的监控系统快速发现作弊。 7. 有体系化思维,建立储备通用能力并赋能给业务/风控,提升整体风险感知/防控等能力,以及基于通用能力提升效率。
部门负责滴滴站外广告投放业务和站内增长策略业务的建设。在投放业务上面向集团承接了网约车、顺风车,青桔,代驾等核心业务线,对接了市面上绝大部分主流媒体,承载了全公司最高的qps;在站内增长策略业务上面向算法,负责营销增长相关算法策略落地,对于业务效率持续优化至关重要。在业务场景逐渐深化和复杂化的过程中,系统并不断迎接很大的技术挑战,加入我们,实现个人和团队共同成长。 岗位职责: 1、负责广告业务系统后台研发工作,设计与实现高可用的广告投放系统,承载高并发、低延迟的广告投放架构需求,包括业务的架构设计、开发,控制复杂度,提升系统性能和研发效率; 2、持续重构和优化广告定向、召回、排序、竞价等关键策略和模块的工程实现,保障业务快速发展 3、有业务 sense,通过不断的技术研究和创新,与产品、运营一起快速迭代提升业务的核心数据。