高德地图高德-数据挖掘及时空大模型算法专家-北京

参与/负责时空大数据挖掘及时空大模型建模相关工作，包括： ● 用户画像、地理特征、人地关系挖掘； ● 利用高德时空数据、人地关系大数据的特点，通过建模方法创新，深挖数据价值，做大数据的商业价值 ● 从事预训练模型研究、训练、应用，包括但不限于多模态、对比学习、训练任务优化、下游任务迁移、知识融入更新、模型性能提升等 ● 紧跟大模型新技术，搭建自主可控的从数据处理、训练调试到推理服务的全链路平台。利用大模型技术升级改造现有产品的交互和体验，以及打造产品AIGC方面的能力，包括但不限于人地关系垂类大模型的独立训练和垂类大模型与基座大模型的对接等

岗位职责： 1.使用各类数据挖掘技术及机器学习算法以及大模型等前沿技术，基于海量多模态行为数据，构建完整的用户画像与兴趣建模体系，精准刻画用户行为。 2.结合对业务理解，深入挖掘数据价值，将业务问题转化为可建模的算法问题并推动在业务场景下应用，拿到业务结果。 3.深入思考产品业务价值，参与制定及落实团队在技术、业务等多维度发展方向。 4.深入理解食杂零售餐饮供应链业务逻辑和运营模式，与业务、产品、工程、数据等团队紧密协同，完成从业务问题到算法问题的抽象与定义，设计指标体系，进行算法技术选型和方案设计实现，推动落地应用。

1、数据pipeline建设：负责视频生成大模型的训练数据构建与管理，参与数据筛选、标注及质量评估工作。分析和挖掘现有数据资源，设计有效的数据分布策略，支持模型的持续迭代； 2、数据分布分析：对模型训练数据分布进行详细分析，识别数据偏差、不均衡及潜在问题。提供数据分布的可视化报告及改进建议，确保模型训练数据覆盖目标场景和多样性需求； 3、用户数据分析：分析用户交互数据，评估视频生成效果与用户满意度，提取用户反馈中的数据优化方向。构建用户行为分析模型，探索用户需求变化并为模型优化提供参考； 4、优化模型生成效果：构建数据飞轮。通过数据驱动的方法优化视频生成大模型效果，结合A/B测试等手段验证调整效果。与算法工程师合作，制定数据调整与扩展策略，提升模型在真实场景中的生成能力。

1、整合海量全域数据，运用机器学习技术，对用户进行标签识别、人群挖掘、兴趣挖掘、表征学习等； 2、深入业务场景，利用全站海量多维数据，综合运用统计和数据挖掘/机器学习/大模型微调的方法，探索平台新的业务增长点，为各类业务系统提供特征和模型支撑； 3、深度参与归因分析、商业化广告、用户增长等专题类建设工作。