高德地图高德-商家增长算法工程师/专家-信息算法专项
任职要求
1.计算机科学，数学学科，统计以及其他相关专业，具有扎实的数学基础； 2.熟练掌握数据挖掘、机器学习的基础理论和方法，有至少两年或者两年以上相关研究经验，熟悉 tensorflow或者pytorch的架构，分布式数据处理架构（Hadoop、Spark） 等； 3.熟练使用C++/Java/Python等编程语言，熟悉unix 和linux 系统，能够熟练处理千万到上亿规模的数据集，并且能够用SQL, python进行比较复杂的数据分析； 4.有LTV预测、量价关系预测、因果推断等相关算法经验优先；有过成功的商机挖掘、营销增长、经营归因等相关项目经历优先； 5.能自我驱动、自我激励，具备较强的学习能力。
工作职责
1.负责高德信息业务商家增长算法工作，基于数据与算法来提升商家拓展、运维效率，提升商家规模与经营效果； 2.负责商家供给算法体系设计与优化，构建供需分析模型与商家LTV预估算法，挖掘高价值商机，管理商机生命周期，驱动业务增长； 3.设计商机全链路智能分发系统，开发商机与作业人员匹配模型，构建商机推荐机制与作业中控算法，持续提升商机转化效率与人店匹配精准度； 3.打造智能化商家运维体系，研发留存意向模型与运维动作价值评估系统，建立广告/交易量价关系预测及因果推断流失归因算法，优化运维效率和商家留存； 4.深入分析行业特性和作业模式差异，抽象可复用的算法框架，协同产品、运营团队构建端到端解决方案，推动算法在作业人员招聘、绩效考核等跨部门场景落地。
高德信息算法专项招聘方向 业务背景 高德地图作为行业领先的出行平台，持续探索AI与大数据技术在地图、导航、出行服务等领域的创新应用，现面向算法、工程、数据领域招聘顶尖人才，推动技术驱动业务增长与用户体验升级。 核心岗位方向 算法与AI应用 1. 推荐与个性化算法：负责用户兴趣建模、个性化推荐系统设计与优化（覆盖推荐算法专家、个性化推荐/搜索算法工程师）。 2. 广告算法：优化广告预估模型、创意策略、流量分配机制及增长路径（需熟悉CTR/CVR预估、机制设计）。 3. 强化学习与智能决策：研究强化学习在路径规划、动态资源分配等场景的落地应用。 4. 多模态内容理解：探索文本、图像、时空数据融合的多模态算法，提升内容分析与场景理解能力。 搜索与数据技术 1. 搜索算法：优化搜索排序、语义理解及RAG（检索增强生成）引擎开发（需熟悉NLP、信息检索技术）。 2. 用户画像与增长：构建用户行为分析体系，驱动商家/用户增长策略（需具备数据挖掘与增长分析经验）。
1.负责高德信息业务商家增长算法工作，基于数据与算法来提升商家拓展、运维效率，提升商家规模与经营效果； 2.负责商家供给算法体系设计与优化，构建供需分析模型与商家LTV预估算法，挖掘高价值商机，管理商机生命周期，驱动业务增长； 3.设计商机全链路智能分发系统，开发商机与作业人员匹配模型，构建商机推荐机制与作业中控算法，持续提升商机转化效率与人店匹配精准度； 3.打造智能化商家运维体系，研发留存意向模型与运维动作价值评估系统，建立广告/交易量价关系预测及因果推断流失归因算法，优化运维效率和商家留存； 4.深入分析行业特性和作业模式差异，抽象可复用的算法框架，协同产品、运营团队构建端到端解决方案，推动算法在作业人员招聘、绩效考核等跨部门场景落地。
推荐/搜索算法方向： 1、支持快速增长、大规模dau的得物电商业务的推荐/搜索算法工作。职责范围包括提升转化效率，改善购物体验，探索更高效的商业模式，提升内容生态健康程度等； 2、利用海量数据搭建业内领先的机器学习算法和架构，建模用户购物兴趣，提升用户体验； 3、应用先进的机器学习技术，解决各种在线/离线、大数据量/小数据量等不同场景中遇到的技术和业务挑战，包括多类型内容分发、新用户承接、新品冷启动等； 4、对电商生态中用户、商家的行为做深入的分析和理解，制定算法策略促进生态良性发展； 5、独立负责产业务场景中的一个模块，与产品、运营团队一起，对模块的未来发展进行规划和设计，制定推荐策略的目标。 图像算法方向： 1、研究包括但不限于目标检测、分割与分类方向； 2、结合实际应用场景，提供全面技术方案，包括但不限于模型训练、评估、部署； 3、挖掘发现公司潜在业务需求，推动业务落地。
团队介绍：Data-电商-智能对话团队，致力于打造业界领先的大模型对话系统。团队服务的日活用户超过数亿，应用场景覆盖抖音电商全链路，包括平台客服、平台商服、商家客服、达人客服，以及创新的智能导购等核心业务场景，通过持续的技术创新和优化，成功构建了一套完整的智能对话解决方案，为电商业务带来了显著的效率提升和用户体验改善。 1、数据挖掘：负责领域知识和训练数据的构建与维护，利用数据飞轮机制不断优化数据质量和丰富度，提升模型性能和应用效果； 2、大模型训练：针对业务需求进行大模型的继续训练（CT）、有监督微调（SFT）和强化学习，以及多模态模型训练，实现模型在垂直领域的深度适配，与业务专家合作，构建和优化结构化的提示词系统，利用COT等先进技术增强大模型的推理能力，高效、精准解决实际问题； 3、信息检索：开发和优化Query理解、语义索引、相关性排序等技术，提升RAG的效果，实现大模型与知识库的深度融合，基于领先的智能体框架，运用并增强大模型的推理、对话和反思能力，解决复杂业务问题； 4、大模型评测：制定和实施全方位的大模型评估方案，结合人工评估和自动化评估手段，建立完整的评测体系，确保模型性能的可靠性和稳定性； 5、用户增长：通过强化学习、用户增长等技术，优化对话策略，提高用户的平台使用体验和长期复购率，实现业务的可持续增长； 6、应用落地：深入理解业务痛点，定义问题解决方案，设定任务标准和目标，通过持续的技术创新和优化，实现最佳的业务效果和用户体验。