字节跳动机器学习算法实习生-电商业务
任职要求
1、本科及以上学历在读，计算机、软件工程等专业优先； 2、有扎实的代码能力，熟悉深度学习/图神经网络/机器学习框架，如Pytorch、Tensorflow、DGL、Pyg、Sklearn等； 3、熟悉机器学习/图学习/序列学习算法中的一项或者多项，如图建模、时序信号建模、节点/子图分类、社区挖掘、表征学习、自监督/半监督学习等，有一定深度和广度； 4、熟悉相关算法在数据挖掘、搜索推荐、内容理解、治理风控的应用者优先； 5、熟练使用Numpy、Pandas等独立进行建模实验，熟悉大数据工具Hive、Spark、Hadoop者优先； 6、在数据挖掘、机器学习（KDD、ICML、NIPS、VLDB等）等领域顶级会议有文章发表者，或在数据挖掘竞赛（Kaggle、天池）优胜者优先。
工作职责
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：Data-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动产品，帮助用户发现并获得好物，享受美好生活。在这个团队，我们不仅要通过推荐和搜索算法帮助用户买到感兴趣的好东西，也要通过风控算法和智能平台治理算法去甄别违规行为，保护用户的购物体验；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户体验；另外我们还会用人工智能来帮助商家提升经营能力。我们的使命：没有难卖的优价好物，让美好生活触手可得。 1、负责运用算法挖掘、识别和预测电商场景中的风险和低质的商家/商品/带货主播，并配合业务进行管控； 2、负责运用算法挖掘影响商品体验和履约时效体验的事件和行为，建设数据模型，协助构建良好的生态体验环境，为业务提供支持； 3、参与构建挖掘电商直播、商品、商家和带货主播等多种实体的数据，对大规模网络/海量特征序列进行建模，支撑内容理解/多模态表征/社区挖掘等业务场景解决问题，并为商品/直播/视频治理提供支持； 4、参与构建大规模的图存储和图学习平台，完善电商社区内商家/商品/带货主播的关系建设，并赋能治理业务； 5、探索和调研机器学习/图学习/序列学习和相关方向前沿技术，并落地于真实业务场景。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Data-电商-供应链和物流团队，通过应用机器学习和运筹优化算法，助力字节电商在全球范围内向用户提供低价好物以及快速优质的购物体验。团队的方向包括：参与优化通向全球各个国家地区的仓储物流网络，提升履约时效，降低成本，优化用户体验；跟踪全球电商趋势，优化电商货品供给，预测商品需求，指导备货，探索AIGC赋能时尚供应链。 1、参与字节跳动电商业务供应链及物流全链路智能化体系建设，负责面向业务的数据挖掘及算法模型迭代； 2、结合海量电商底层数据，通过数据挖掘、机器学习、深度学习、统计推断等算法手段，在订单粒度预测履约全生命周期内的事件发生，如商家虚假发货、用户投诉、末端妥投失败、虚假派送、用户差评等； 3、深入理解电商业务场景，通过数据挖掘，提炼出物流运营模式优化、物流成本降低及服务质量改善的方向。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Data-电商-供应链和物流团队，通过应用机器学习和运筹优化算法，助力字节电商在全球范围内向用户提供低价好物以及快速优质的购物体验。团队的方向包括：参与优化通向全球各个国家地区的仓储物流网络，提升履约时效，降低成本，优化用户体验；跟踪全球电商趋势，优化电商货品供给，预测商品需求，指导备货，探索AIGC赋能时尚供应链。 1、参与字节跳动电商业务供应链及物流全链路智能化体系建设，负责面向业务的数据挖掘及算法模型迭代； 2、结合海量电商底层数据，通过数据挖掘、机器学习、深度学习、统计推断等算法手段，在订单粒度预测履约全生命周期内的事件发生，如商家虚假发货、用户投诉、末端妥投失败、虚假派送、用户差评等； 3、深入理解电商业务场景，通过数据挖掘，提炼出物流运营模式优化、物流成本降低及服务质量改善的方向。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Data-电商-供应链和物流团队，通过应用机器学习和运筹优化算法，助力字节电商在全球范围内向用户提供低价好物以及快速优质的购物体验。团队的方向包括：参与优化通向全球各个国家地区的仓储物流网络，提升履约时效，降低成本，优化用户体验；跟踪全球电商趋势，优化电商货品供给，预测商品需求，指导备货，探索AIGC赋能时尚供应链。 1、参与字节跳动电商业务供应链及物流全链路智能化体系建设，负责面向业务的数据挖掘及算法模型迭代； 2、结合海量电商底层数据，通过数据挖掘、机器学习、深度学习、统计推断等算法手段，在订单粒度预测履约全生命周期内的事件发生，如商家虚假发货、用户投诉、末端妥投失败、虚假派送、用户差评等； 3、深入理解电商业务场景，通过数据挖掘，提炼出物流运营模式优化、物流成本降低及服务质量改善的方向。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：Data-电商团队，负责电商创新项目的算法和大数据工作。依托于字节跳动产品，帮助用户发现并获得好物，享受美好生活。在这个团队，我们不仅要通过推荐和搜索算法帮助用户买到感兴趣的好东西，也要通过风控算法和智能平台治理算法去甄别违规行为，保护用户的购物体验；我们还要建设智能客服技术、大规模商品知识图谱来提升各个交易环节的效率；我们也要结合机器学习和运筹算法，来优化供应链和物流的效率和成本，并进一步提升用户体验；另外我们还会用人工智能来帮助商家提升经营能力。我们的使命：没有难卖的优价好物，让美好生活触手可得。 1、负责运用算法挖掘、识别和预测电商场景中的风险和低质的商家/商品/带货主播，并配合业务进行管控； 2、负责运用算法挖掘影响商品体验和履约时效体验的事件和行为，建设数据模型，协助构建良好的生态体验环境，为业务提供支持； 3、参与构建挖掘电商直播、商品、商家和带货主播等多种实体的数据，对大规模网络/海量特征序列进行建模，支撑内容理解/多模态表征/社区挖掘等业务场景解决问题，并为商品/直播/视频治理提供支持； 4、参与构建大规模的图存储和图学习平台，完善电商社区内商家/商品/带货主播的关系建设，并赋能治理业务； 5、探索和调研机器学习/图学习/序列学习和相关方向前沿技术，并落地于真实业务场景。