字节跳动短视频推荐算法工程师 - 社交方向

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。

团队介绍：短视频平台算法团队，负责国际化短视频产品的基础推荐算法，加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，直接为核心用户体验负责，支持产品在全球赛道上高速发展。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、多模态大模型的落地探索，推荐大模型的应用研究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。 课题介绍： 随着硬件算力的发展以及大模型在CV/NLP/多模态以至于AGI领域的不断突破，推荐场景下的大算力驱动能够帮助模型更全面深刻理解用户偏好，进而更好地理解用户需求，挖掘用户潜在兴趣，进而带来更好地用户体验。排序模块作为整个短视频推荐系统中非常重要的一环，承载着用户与视频之间的细粒度匹配挖掘进而挑选出用户最感兴趣的视频。如何找到合适的路径来最大化大算力下模型的记忆、泛化、推理能力，成为了研究的重中之重。 1、设计并实现最前沿的适合推荐系统的深度神经网络； 2、紧跟行业前端科研，推动优化推荐大模型训练、推理效率； 3、分析基础数据，完善基础特征，挖掘用户兴趣、内容价值，提高推荐系统的天花板； 4、端到端优化推荐大模型链路，改进短视频推荐系统，优化数十亿用户的使用体验。

团队介绍：短视频平台算法团队，负责国际化短视频产品的基础推荐算法，加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，直接为核心用户体验负责，支持产品在全球赛道上高速发展。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、多模态大模型的落地探索，推荐大模型的应用研究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。 课题介绍： 随着硬件算力的发展以及大模型在CV/NLP/多模态以至于AGI领域的不断突破，推荐场景下的大算力驱动能够帮助模型更全面深刻理解用户偏好，进而更好地理解用户需求，挖掘用户潜在兴趣，进而带来更好地用户体验。排序模块作为整个短视频推荐系统中非常重要的一环，承载着用户与视频之间的细粒度匹配挖掘进而挑选出用户最感兴趣的视频。如何找到合适的路径来最大化大算力下模型的记忆、泛化、推理能力，成为了研究的重中之重。 1、设计并实现最前沿的适合推荐系统的深度神经网络； 2、紧跟行业前端科研，推动优化推荐大模型训练、推理效率； 3、分析基础数据，完善基础特征，挖掘用户兴趣、内容价值，提高推荐系统的天花板； 4、端到端优化推荐大模型链路，改进短视频推荐系统，优化数十亿用户的使用体验。

团队介绍：短视频平台算法团队，负责国际化短视频产品的基础推荐算法，加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，直接为核心用户体验负责，支持产品在全球赛道上高速发展。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、多模态大模型的落地探索，推荐大模型的应用研究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。 课题介绍： 随着硬件算力的发展以及大模型在CV/NLP/多模态以至于AGI领域的不断突破，推荐场景下的大算力驱动能够帮助模型更全面深刻理解用户偏好，进而更好地理解用户需求，挖掘用户潜在兴趣，进而带来更好地用户体验。排序模块作为整个短视频推荐系统中非常重要的一环，承载着用户与视频之间的细粒度匹配挖掘进而挑选出用户最感兴趣的视频。如何找到合适的路径来最大化大算力下模型的记忆、泛化、推理能力，成为了研究的重中之重。 1、设计并实现最前沿的适合推荐系统的深度神经网络； 2、紧跟行业前端科研，推动优化推荐大模型训练、推理效率； 3、分析基础数据，完善基础特征，挖掘用户兴趣、内容价值，提高推荐系统的天花板； 4、端到端优化推荐大模型链路，改进短视频推荐系统，优化数十亿用户的使用体验。