哔哩哔哩电商推荐算法实习生

1、负责B站1亿日活规模的电商个性化推荐算法：包括商品推荐、直播推荐、短视频推荐等；优化场景包含单列、双列、商城等多个位置。 2、通过深度学习、迁移学习、多任务学习、强化学习等技术提升信息匹配的效率，改善用户体验； 3、分析海量用户行为数据，进行用户长短期兴趣建模，以及潜在兴趣预测，提升推荐的精准性； 4、挖掘优质商品和up主，构建良性的循环机制，优化内容电商生态，探索高效的商业模式，提升内容生态健康程度等 5、通过模型、算法和工程创新，实现一流的电商推荐算法和系统。

1、参与亿级用户规模的电商推荐优化，提升电商推荐的多目标排序效率，以及电商与其他业务间的混合排序效率； 2、负责机器学习模型优化，包括但不限于深度学习、强化学习、因果推断等，负责机制策略算法优化，包括但不限于调控策略、多目标优化策略、uplift策略、混排机制等，实现电商流量效率的最大化； 3、跟踪业界深度学习、强化学习、博弈出价等领域进展，并结合应用场景快速实验和调优。

【电商推荐算法实习生】 1. 参与大规模电商用户个性化商品推荐算法的优化，包括但不限于召回、粗排、精排、冷启动优化等链路工作； 2. 将业界先进的推荐算法应用到个性化推荐业务的改进中，包括但不限于DNN、DeepFM、ESMM等; 3. 挖掘和分析海量用户行为数据，完善电商知识体系、用户画像体系； 4. 调研探索业界先进的推荐算法用到电商场景当中，包括大语言模型与推荐结合等。

1、参与亿级用户规模的电商推荐优化，提升内容电商观看时长、点击率、转化率、GMV、LTV等核心指标； 2、通过深度学习领域的研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统提升预估效果； 3、通过推荐算法机制优化电商流量结构和GMV结构，促进电商生态的健康发展。