字节跳动搜索推荐算法工程师
任职要求
1、基础要求：较好的算法设计能力和工程实现能力，有机器学习/强化学习/NLP应用（其一）的实践经验； 2、具备良好的沟通和表达能力，对好的用户体验有自己的认识，有较好的产…
工作职责
团队介绍：字节跳动抖音搜索团队主要负责抖音搜索算法创新和架构研发工作，主要包括短视频、直播、本地生活、视觉搜索等多个业务线。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1、探索前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新。 1、参与抖音，今日头条，西瓜视频，剪映等App，以及国内电商，生活服务等重点业务的搜索推荐模型和策略改进，负责这些业务的搜索流量和用户渗透增长&搜索心智建设任务； 2、以推荐算法为核心技术栈，改进基于超大规模机器学习模型的推荐系统，覆盖从候选挖掘到召回，粗排，精排，多目标融合全链路技术环节； 3、探索短文本推荐和通用推荐技术的上限，重点是推荐和NLP技术的联合应用，以及多模态等前沿技术的探索。
1 负责搜索/推荐召回相关的算法设计、场景技术方案规划，实现方案在业务系统中的落地。算法包含但不限于：向量检索技术、基于树、图、量化、聚类等的各类检索方案、图神经网络、深度表示学习、对比学习、样本增强、集成学习、learning to rank、多任务学习、强化学习、迁移学习、模拟器等。 2 分析海量用户行为序列，深度理解和表示用户长短时兴趣，精准召回商品，提升平台效率和用户体验。 3 熟悉常用的向量检索技术，能够根据业务特点设计和优化索引类型。 4 负责召回多通道融合和各级漏斗方案的设计和优化，以及粗排CTR/CVR/LTR模型的设计和优化。 5 具有较强的业务敏感性，能够自主分析数据发现问题，结合业务实际情况提出有创新性的解决方案，并落地带来业务收益。 6 追踪召回算法前沿技术，能够结合拼多多的业务特点，设计出实际可用的召回前沿技术落地方案，并拿到业务收益。
具体职责包括但不限于： 1、负责深度学习、搜索推荐、自然语言处理领域的技术研发工作；负责1688推荐产品相关的召回，排序，策略等算法的设计和技术规划，直接上手迭代APP首页推荐算法。 2、负责推荐领域前沿问题的探索与研究，包括结合LLM&多模态技术在未来推荐实际应用场景的落地，提供全面的技术解决方案。 3、负责多场景的用户表征学习，兴趣发现性推荐，内容冷启等场景内的应用落地，对整个推荐系统架构进行迭代升级。 4、负责提供分人群行业化的增长策略，沉淀行业解决方案，协助拓展业务边界，非常适合有较强业务sense的同学。
推荐算法工程师服务于哔哩哔哩主站的内容推荐，包括feed流推荐和相关推荐等场景。我们期望使用机器学习，数据挖掘等手段，提升这些场景的推荐效果。 1.负责推荐核心算法研发，提升用户体验，提高业务转化效率； 2.与产品/运营/数据等相关团队密切合作，驱动推荐业务快速迭代； 3.解决具体场景问题，包括新用户的推荐效果，生态机制，多样性策略等。
工作职责 推荐算法工程师服务于哔哩哔哩主站的内容推荐，包括feed流推荐和相关推荐等场景。我们期望使用机器学习，数据挖掘等手段，提升这些场景的推荐效果。 1.负责推荐核心算法研发，提升用户体验，提高业务转化效率； 2.与产品/运营/数据等相关团队密切合作，驱动推荐业务快速迭代； 3.解决具体场景问题，包括新用户的推荐效果，生态机制，多样性策略等。