字节跳动广告算法工程师-本地生活
任职要求
1、计算机相关专业，本科及以上学历背景；推荐、广告相关领域经验者优先； 2、具备优秀的编码能力，扎实的算法功底，对技术充满激情，追…
工作职责
1、负责本地生活广告全链路的投放效果优化，包括召回、粗排、精排、混排等相关模块的模型和策略优化； 2、负责广告主投放产品的迭代，包括出价产品，投放工具，营销能力等，持续提升广告主的投放效率和ROI； 3、深入本地生活广告的业务场景，通过推荐，广告，搜索的协同作用，在提升广告收入的同时，保证抖音、头条等产品的用户体验。
1、负责字节跳动本地与线索行业的算法优化工作，包括召回、粗排、精排、混排等整个ranking漏斗的模型优化； 2、从线索与本地业务出发，进行场景差异性建模，提升整体变现效率； 3、利用大规模机器学习算法对用户实时兴趣进行建模，提升转化效率； 4、利用NLP等技术进行多模态、图文内容理解、直播内容理解等建模优化，应用于整个ranking链路，提高变现效率。
-负责百度地图本地生活商业广告营销、商业搜索、商业推荐等业务的策略算法的研发 -探索LLM大模型技术在地图广告、搜素、推荐场景中的应用，包括用户画像构建、特征增强、生成式召回排序的深入应用落地 -负责广告、推荐业务的算法策略迭代优化，提升整体的商业变现效率 -负责广告、推荐业务数据分析处理和指标分析，指导业务的策略迭代
-基于海量LBS数据和百度AI技术，优化百度地图搜索体验、商业搜索、商业推荐ctr、cvr等核心引擎的效果 -负责百度地图本地生活酒店、美食、中商户的推广引擎策略迭代，通过算法、策略途径提升地图上的交易用户规模和商业收入 -能够带领算法团队完成关键的技术攻坚和算法设计，把握好算法迭代优化的思路和方向 -能够独立负责一到两个有挑战的算法topic的落地
生活服务业务是快手商业化增速最快的业务之一，包含线索和本地团购类型行业。一起来探索端到端生成式推荐OneLoc，Scaling Law，近场分发场景下的多模态表征，基于RL的长期价值最大化。 1、负责生服广告和自然内容推荐系统的核心精排模型算法持续迭代优化，提升业务的核心指标，帮助快手生服业务高速增长； 2、基于快手的海量用户和商家数据，探索使用机器学习、迁移学习、强化学习、LLM、diffusion、多模态技术、博弈论等前沿技术来解决快手生活服务业务所面临的多元异构数据的挑战，将前沿技术在生服业务上落地，推动业务高速发展； 3、通过数据分析挖掘业务潜在机会，面向流量投放侧和广告主优化侧进行算法设计和效果优化。