字节跳动数据科学家

1.负责电商【货场】的效率指标研究与优化; 2.构建仿真/运筹优化模型，解决仓储、物流、流量资源的动态匹配问题； 3.搭建端到端成本效益评估体系，包括不限于货盘坑位/流量规划、库存管理计划、履约资源规划等，平衡全链路收益与成本、时效性与用户体验，配合设计和实现预估效果的验证与复盘 4.与业务、系统工程、产品、算法同事合作，了解业务问题，提出解决方案并实现，结合业务具体问题，落地机器学习和仿真/运筹学领域的成熟技术。

1、基于对营销、运营、搜推流量方向的深刻业务理解，通过科学的指标体系定义和探索性数据分析，准确描述业务现状，快速发现、定位各个业务与技术方向的问题与机会 2、熟悉 AB 实验流程和评估方法，负责复杂实验的设计和评估，通过实验分析驱动算法&策略持续优化创新 3、将复杂问题进行拆解、定义并设计合理的解决方案，利用数据挖掘、统计建模等方法主动完成较为深入的专项数据分析与洞察，并与各协作团队紧密配合，推进洞见落地取得收益

公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)

1.设计营销效率模型，优化广告投放、用户增长预算分配及站内资源（定价/引流/促销）组合策略； 2.研究用户生命周期价值（LTV），挖掘高潜力用户群体与增长机会，驱动精细化运营； 3.结合消费心理学与社会学洞察，构建用户行为预测模型，提升”人-场”匹配效率； 4.从业务问题拆解、假设抽象到数学建模全流程推进，运用机器学习量化核心业务指标的关键影响因子，基于海量历史数据进行验证、预测、归因及策略模拟； 5.设计实验框架（如A/B测试）验证策略有效性，建立因果推断模型和统计模型量化资源投入ROI； 6.推动模型工程化落地，主导从实验验证（POC）到生产环境部署的全流程，构建高效的实时特征工程管道，保障模型在实际业务中的顺利应用与持续优化。