小红书数据挖掘专家/算法专家（POI方向）
任职要求
1、 具备机器学习或者数据挖掘的研究和内容领域的项目经验；熟练掌握分类、聚类、回归等机器学习模型； 2、 对数据驱动业务有兴趣，善于将业务问题拆解为算法问题，有本地生活、POI、地理信息中台相关建设经验者优先； 3、 扎实的编程功底，精通Python、Java至少一门语言；有大数据处理经验、分布式算法开发经验者优先； 4、 研究生及以上学历，3-5年数据挖掘、机器学习、大规模数据分析的经验； 5、熟悉Hadoop、Hive、Spark，对数据仓库、特征工程有正确的认识。
工作职责
1、 整合海量多维数据进行数据挖掘，面向全、新、净、准、丰的目标构建小红书国内和海外的POI数据资产体系，进行结构化POI库的建设； 2、 利用全域数据资产和海量多维数据，运用机器学习和统计分析的方法，面向小红书开放平台业务挖掘POI父子关系、POI标签体系、用户时空知识体系，为POI各类场景提供模型和服务支撑；
我们需要NLP方向和推荐方向的算法专家，负责对地图生产资料、互联网情报、搜索日志、用户反馈等非结构化文本进行分析和信息抽取，负责理解高德用户的到达行为，融合人地大数据，构建知识图谱和智能推理能力，打通数据生产和前台业务，使得用户获得更加智能的出行和服务体验。 1、参与和负责POI产线的NLP算法部分，包括POI的NLP基础功能服务、多模态名称融合生成、名称质检模块、名称纠错模块等； 2、搭建POI的NLP基础服务平台，实现以POI为核心实体的地图数据图谱，为高德的POI搜索、推荐业务提供完备信息； 3、配合其他POI采集、挖掘、调度、聚合业务，建模NLP任务，提供准确且有效的NLP信息； 4、积极地探索和研究NLP的应用和认知领域，结合地图场景，提供更加全面且完备的服务； 5、参与和负责POI的XGC业务，包括相关性召回、各级转化率模型，提升用户的答题率，答题的转化率模型； 6、积极地挖掘高德的人地相关性，推动用户与POI问题的推荐逻辑，提升高德场景的搜推基建和技术。
团队介绍： 数字支付智能技术团队，专注于支持支付业务的增长（包括线下支付和线上支付）。该职位主要聚焦于支持线下“碰一下”的支付和数字化业务场景，涵盖支付C端增长和支付B端增长，通过算法应用帮助业务提升效率并贡献增量价值，共同创造新的“碰一下”创新赛道。 职位描述： 方向一：大模型技术研发与场景落地基于大模型构建支付场景智能化解决方案（营销策略生成、Multi-Agent协作系统、RAG知识问答等）开发面向支付业务的领域大模型，优化模型推理效率与场景泛化能力 方向二：多模态数据融合与价值挖掘通过多模态技术实现商户POI识别、经营画像构建与场景理解构建跨模态检索与生成系统，提升支付生态数据利用率
1. 技术研发与架构设计：负责地图平台核心功能的技术研发，如地图渲染、路径规划、POI 搜索等功能模块的代码编写与优化；主导地图平台的整体架构设计，构建高可用、高性能、可扩展的技术架构，确保平台能应对海量数据和高并发请求；研究并引入前沿技术，如人工智能、大数据处理等，提升地图平台的智能化水平和用户体验 。 2. 数据处理与算法优化：处理和分析地图相关数据，包括地理信息数据、用户行为数据等，通过数据挖掘和分析，为地图平台的功能优化和业务决策提供支持；优化地图算法，如路径规划算法、地图匹配算法等，提高算法的准确性和效率，降低计算资源消耗 。 3. 技术协作与团队管理：与地图数据采集团队、产品团队、前端开发团队等密切合作，确保地图数据的准确性和完整性，以及前后端数据交互的顺畅；指导和管理技术团队成员，分配工作任务，制定技术方案，进行代码审查，提升团队整体技术水平 。 4. 问题解决与系统维护：监控地图平台的运行状态，及时发现并解决系统故障和性能瓶颈问题；建立完善的系统运维机制和应急预案，保障平台的稳定性和可靠性；收集用户反馈和业务需求，对地图平台进行持续的迭代和优化 。
1、负责字节跳动产品的POI数据及应用能力建设，对POI的数据质量及应用效果负责，为公司线下场景的拓展打下坚实的基础； 2、能基于不同阶段、不同场景的业务需求推导目标，拆解路径，并协同项目组成员交付最终的数据成果； 3、从对用户及客户的价值出发，协同算法及工程研发团队设立指标体系，共同推进策略/算法模型迭代以提升数据质量及算法策略指标，联动上下游各业务方团队共同推进项目落地； 4、构建系统性的指标评测体系和问题发现机制，发现问题并推动和验收问题的解决，为项目提供驱动力。