小红书算法工程师-用户画像/用户表征
任职要求
1. 计算机或相关专业本科以上学历，具备扎实的数学、统计学以及计算机基础； 2. 熟悉常见的常见机器学习、深度学习、数据挖掘方法，能熟练使用至少一种深度学习框架，如tensorflow、pytorch等； 3. 至少精通一门编程语言，包括但是不限于python/java/scala； 4…
工作职责
1. 负责完善用户画像建设，基于海量数据，建立、评估、持续优化数据模型，产生用户标签； 2. 深入理解用户，有DMP经验，包括但不限于潜在关系挖掘，Lookalike，用户分层，用户流失预测等； 3. 协助公司重点业务使用画像数据，发现价值点，深挖并产出正向收益；
1、参与交易个性化搜索与推荐技术的优化，通过深度学习、迁移学习、跨域表征、多任务学习等技术提升分发匹配的效率，让每个用户可以快速准确的发现好货； 2、参与小红书电商用户增长智能营销体系建设，建设智能发券系统、基础用户画像、求购行为偏好等； 3、基于LLM的用户数据理解、用户意图识别、Query纠错/改写、多模态相关性建模等； 4、基于电商交易业务，进行模型和算法创新，与各部门（包括并不限于产品，业务中台等）的同事一起深入交流合作，打造业界领先的分发算法。
1、参与交易个性化搜索与推荐技术的优化，通过深度学习、迁移学习、跨域表征、多任务学习等技术提升分发匹配的效率，让每个用户可以快速准确的发现好货； 2、参与小红书电商用户增长智能营销体系建设，建设智能发券系统、基础用户画像、求购行为偏好等； 3、基于LLM的用户数据理解、用户意图识别、Query纠错/改写、多模态相关性建模等； 4、基于电商交易业务，进行模型和算法创新，与各部门（包括并不限于产品，业务中台等）的同事一起深入交流合作，打造业界领先的分发算法。
社区推荐： 1、负责推荐技术的落地；实现个性化推荐，分发策略，用户理解，内容理解等方向的技术突破； 2、沉淀社区推荐技术，并探索业务的边界。能够从复杂的业务环境中抽象出清晰具体的技术问题，并将机器学习等推荐技术有效应用于小红书App社区图文及视频推荐，提升海量用户体验，Inspire Life； 3、与各部门（包括并不限于产品，基础技术等）的同事一起深入交流合作，共同迭代和优化社区信息流推荐产品。 广告推荐： 1、负责广告系统核心算法研发，包括展示&搜索CTR/CVR模型、流量策略、出价策略、广告主自动化投放算法； 2、优化商家投放体验，包括冷启动、投放稳定性、新客留存等方向，不断引入更多商家预算； 3、优化广告召回、出价策略、排序模型等算法模块，增强电商广告流量匹配效率。 电商推荐： 1、参与交易个性化推荐技术的优化，通过深度学习、迁移学习、跨域表征、多任务学习等技术提升分发匹配的效率，让每个用户可以快速准确的发现好货； 2、能够从复杂的业务环境中抽象出清晰具体的技术问题，将机器学习等推荐技术有效应用于小红书App社区图文及视频推荐，提升海量用户的交易与浏览体验； 3、基于电商交易业务，进行模型和算法创新，与各部门（包括并不限于产品，业务中台等）的同事一起深入交流合作，打造业界领先的推荐算法。 增长推荐： 1、负责用户增长各环节的算法策略研发，通过算法策略优化提升个性化触达、外投广告、个性化内容分发、用户画像等效果； 2、负责个性化推荐业务召回、排序等算法研发，持续优化用户拉新和拉活各个环节的算法效率； 3、负责广告投放算法工作，通过个性化预估模型和运筹优化等算法，实现对用户的精准触达和出价，提升广告投放效率； 4、负责用户消息触达等相关算法工作，通过推送等触达提升用户规模。
1、参与小红书电商、广告的内容理解体系构建，负责直播、笔记、商品的多模态信息结构化算法建设和应用； 2、参与小红书电商、广告的多模态识别和知识图谱体系建设，负责面向业务的商品类目、品牌、属性、SPU体系建设； 4、参与小红书电商、广告的用户理解能力建设，包括用户画像预测、全域用户行为长序列建模，获取社区到大商业的跨域兴趣表达； 5、参与小红书社区、广告、电商等场景搜推优化，以表征、Token形式，帮助搜推各环节（召回、粗排、精排）提升分发效率； 6、参与供应链上下游平台算法建设，基于小红书社区数据挖掘商机、供给源、流程趋势，并落地到B端系统工具； 7、基于多模态大模型针对相关算法和系统的持续迭代，同时能够深入小红书丰富的业务场景，结合实际需求进行技术落地和创新。