字节跳动短视频推荐算法工程师-推送方向
任职要求
1、具备优秀的编码能力，扎实的数据结构和算法功底； 2、优秀的分析问题和解决问题的能力，对解决具有挑战性问题充满激情； 3、对技术有热情…
工作职责
团队介绍 短视频推送算法团队负责整个短视频的站内、站外以及消息页的消息发送策略与算法，是带来活跃用户增长最大的团队之一。在每天，我们有数以千万计的用户通过推送消息打开短视频首页，并获取到他们感兴趣、有价值的内容，重拾对短视频的兴趣。而你的技术产出，将有机会直接触达数亿用户，创造巨大的价值。我们以打造世界领先的推送系统为目标，深耕最前沿的推送技术，为用户在最恰当的时机提供最合适的推送内容，也为短视频创造更坚实的用户基础与长期价值。 职位介绍： 1、优化推送发送时机策略与模型。基于Reinforcement Learning、深度时序模型等提升系统择时&择频的能力，提升用户体验与相关指标； 2、应用主流和前沿的机器学习模型，如DeepFM, Uplift model, Deep Retrival, DIN等，进行召回&粗排&精排模型优化，包括模型结构优化、特征工程以及模型性能优化等； 3、基于海量数据搭建业内领先的推送模型、策略和架构，建模用户兴趣，提升用户体验； 4、负责业务场景中的某个模块，如社交推送、直播推送、热点推送等，与产品、运营团队一起，对模块的未来发展进行规划和设计，制定推送&推荐策略的目标； 5、进行推送内容创意的优化，包括自动生成&选择最优的文案内容、图片等素材，自动文案审核等工作； 6、通过推送的方式助力业务增长，相关业务包括社交、直播、热点、UserGrowth等。独立负责业务场景中的某个模块，与产品、运营团队一起，对模块的未来发展进行规划和设计，制定推送&推荐策略的目标； 7、技术方向：发送时机策略与模型、内容召回，排序与聚合、内容创意增长，利用海量数据搭建业内领先的机器学习算法和架构，建模用户兴趣，提升用户体验。
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。
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。
团队介绍：国际化短视频 machine learning团队，负责国际化短视频的基础推荐算法，直接为国际化短视频的核心用户体验负责。我们的工作内容包括大规模推荐算法的优化、复杂约束的优化问题的解决、CV/NLP等多个学术领域的算法改进以及对多种场景的推荐架构的设计和对产品数据的复杂深入的分析。在这里，你可以深入钻研机器学习算法的改进和优化，探索前沿的技术；可以跟来自全球不同国家的团队合作, 感受不同文化的碰撞, 激发认知；可以通过对产品和内容生态的深度分析，影响产品未来的发展方向。 1、负责国际化短视频算法工作，共同搭建业界领先的推荐系统，为用户提供一流的产品体验； 2、深度结合机器学习技术和各场景业务（内容消费，社交，推送，关注等），优化模型&策略，持续提升推荐效果； 3、应用先进的机器学习技术解决各种在线/离线，大数据量/小数据量，长期/短期信号等不同场景遇到的各种挑战，包括标签缺失，反馈周期长，收敛速度慢，信号相关性弱等； 4、和产品以及运营团队紧密合作，对用户、作者的行为做深入的理解和分析，制定针对的算法策略促进生态良性发展。
1.负责多模态大模型（图文、视频）在红点推送、本地生活推荐等业务场景中的技术探索与落地应用，提升内容生成精准度和用户转化效率； 2.结合业务数据特点，优化多模态模型的后训练、领域微调、生成控制等技术，实现文案创意生成、个性化推荐、分发策略联动的闭环优化； 3.深入理解用户行为和场景需求，探索多模态生成模型与推荐系统的深度融合，提升内容触达的实时性和相关性。