高德地图大模型&推荐算法实习生-高德打车
实习兼职高德研究型实习生地点：北京状态：招聘
任职要求
学历背景 ꔷ 统招硕士及以上学历，计算机、统计学等相关专业优先。 算法能力 ꔷ 扎实的数据结构、机器学习、深度学习基础 ꔷ 熟悉LLM、多模态大模型、深度学习、推荐/营销算法等 工程能力 ꔷ 精通 Python，熟悉 PyTorch、TensorFlow、sklearn 等工具 ꔷ 掌握大规模数据处理技术（Hadoop / Hive / Spark 等），有实际项目经验 加分项 ꔷ 对出行行业充满热情 ꔷ 具备良好的跨团队沟通与协作能力 ꔷ 有较强的业务理解力与落地执行力
工作职责
业务丰富，技术领先 高德打车算法团队深度赋能打车业务全链路，涵盖 用户增长、风控、服务管控、路线与上下车点推荐、ETA 预估、智能客服 等核心场景。多样化的业务挑战为算法创新提供了广阔的发挥空间，团队已在 AI 顶级会议发表成果。 精英阵容，国际视野 团队成员来自泰晤士世界大学排名 Top 10 的高校，以及美国常青藤、清华、北大等顶尖院校，兼具国际化背景与一流技术视野。 持续成长，共享共进 团队每周固定进行技术分享，氛围开放、互助友好；除了解答算法与工程难题，资深同事还会分享项目经验，并传授业务理解与问题解决的方法论，助你快速成长。 我们正在寻找相关专业的优秀实习生，一同探索前沿大模型技术及推荐营销算法在共享出行领域的深度应用，共同攻克业界难题，优化产品体验。 在这里，你将参与高德共享出行核心业务的大模型技术落地、推荐营销算法建设等，包括但不限于： 大模型方向：将大模型技术深度应用在高德打车核心链路上，包括多模态大模型、AIGC、SFT、RLHF、高效推理等，提升平台效率和用户体验； 推荐营销方向：利用深度学习、基于大模型的下一代推荐营销算法等，基于海量用户数据，进行高德打车全链路的推荐营销算法构建和迭代，包括多任务学习、多场景建模、序列决策、因果推断建模、应答时长预测等； 在这里，你的算法将直接服务全国数亿级用户，带来真实而深远的影响；你能接触到前沿大模型、多模态、强化学习等核心技术，并与顶尖同事共创，在开放包容的创新氛围下，发挥AI创造力。
包括英文材料
学历+
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
数据结构+
https://www.youtube.com/watch?v=8hly31xKli0
In this course you will learn about algorithms and data structures, two of the fundamental topics in computer science.
https://www.youtube.com/watch?v=B31LgI4Y4DQ
Learn about data structures in this comprehensive course. We will be implementing these data structures in C or C++.
https://www.youtube.com/watch?v=CBYHwZcbD-s
Data Structures and Algorithms full course tutorial java
机器学习+
https://www.youtube.com/watch?v=0oyDqO8PjIg
Learn about machine learning and AI with this comprehensive 11-hour course from @LunarTech_ai.
https://www.youtube.com/watch?v=i_LwzRVP7bg
Learn Machine Learning in a way that is accessible to absolute beginners.
https://www.youtube.com/watch?v=NWONeJKn6kc
Learn the theory and practical application of machine learning concepts in this comprehensive course for beginners.
https://www.youtube.com/watch?v=PcbuKRNtCUc
Learn about all the most important concepts and terms related to machine learning and AI.
深度学习+
https://d2l.ai/
Interactive deep learning book with code, math, and discussions.
大模型+
https://www.youtube.com/watch?v=xZDB1naRUlk
You will build projects with LLMs that will enable you to create dynamic interfaces, interact with vast amounts of text data, and even empower LLMs with the capability to browse the internet for research papers.
https://www.youtube.com/watch?v=zjkBMFhNj_g
Python+
https://liaoxuefeng.com/books/python/introduction/index.html
中文，免费，零起点，完整示例，基于最新的Python 3版本。
https://www.learnpython.org/
a free interactive Python tutorial for people who want to learn Python, fast.
https://www.youtube.com/watch?v=K5KVEU3aaeQ
Master Python from scratch 🚀 No fluff—just clear, practical coding skills to kickstart your journey!
https://www.youtube.com/watch?v=rfscVS0vtbw
This course will give you a full introduction into all of the core concepts in python.
PyTorch+
https://datawhalechina.github.io/thorough-pytorch/
PyTorch是利用深度学习进行数据科学研究的重要工具，在灵活性、可读性和性能上都具备相当的优势，近年来已成为学术界实现深度学习算法最常用的框架。
https://www.youtube.com/watch?v=V_xro1bcAuA
Learn PyTorch for deep learning in this comprehensive course for beginners. PyTorch is a machine learning framework written in Python.
TensorFlow+
https://www.youtube.com/watch?v=tpCFfeUEGs8
Ready to learn the fundamentals of TensorFlow and deep learning with Python? Well, you’ve come to the right place.
https://www.youtube.com/watch?v=ZUKz4125WNI
This part continues right where part one left off so get that Google Colab window open and get ready to write plenty more TensorFlow code.
Scikit-learn+
https://www.ibm.com/think/topics/scikit-learn
Scikit-learn, or sklearn, is an open source project and one of the most used machine learning (ML) libraries today.
https://www.youtube.com/watch?v=SIEaLBXr0rk
Today we to a crash course on Scikit-Learn, the go-to library in Python when it comes to traditional machine learning algorithms (i.e., not deep learning).
Hadoop+
https://www.runoob.com/w3cnote/hadoop-tutorial.html
Hadoop 为庞大的计算机集群提供可靠的、可伸缩的应用层计算和存储支持，它允许使用简单的编程模型跨计算机群集分布式处理大型数据集，并且支持在单台计算机到几千台计算机之间进行扩展。
[英文] Hadoop Tutorial
https://www.tutorialspoint.com/hadoop/index.htm
Hadoop is an open-source framework that allows to store and process big data in a distributed environment across clusters of computers using simple programming models.
Hive+
[英文] Hive Tutorial
https://www.tutorialspoint.com/hive/index.htm
Hive is a data warehouse infrastructure tool to process structured data in Hadoop. It resides on top of Hadoop to summarize Big Data, and makes querying and analyzing easy.
https://www.youtube.com/watch?v=D4HqQ8-Ja9Y
Spark+
[英文] Learning Spark Book
https://pages.databricks.com/rs/094-YMS-629/images/LearningSpark2.0.pdf
This new edition has been updated to reflect Apache Spark’s evolution through Spark 2.x and Spark 3.0, including its expanded ecosystem of built-in and external data sources, machine learning, and streaming technologies with which Spark is tightly integrated.
相关职位
社招2年以上技术
打车场景下，上下车点推荐是指在用户发单前，系统根据用户的历史行为、环境信息，为用户推荐最合适的上下车位置。合理的上下车点有助于司乘高效碰面，甚至关系司乘的安全。上下车点推荐是典型的线上-线下的业务场景。 1、通过机器学习、深度学习优化上车点推荐系统（推荐乘客最理想的上下车位置），减少接驾时间，降低司乘沟通成本，提升用户出行体验，主要参与特征工程和多任务、多场景，特征交互等模型优化 2、现实物理世界结构复杂，从二维的物理平面到路网的拓扑，需要有效的组织各类地理元素、构建场景特征，探索CNN、GRAPH等各类表征学习的方案。 3、行为和内容的融合，在地理领域解决冷启动、用户需求多样性，都面临独特的挑战。 4、地图位置信息和大模型结合的创新研究探索。
更新于 2025-06-24
社招技术
在打车场景中，POI是用户目的地的数字化表达，是最基础的数据之一，直接影响用户能不能找到目的地、正确到达目的地。传统的数据更新依赖人工，现实的快速变化带来了更新成本剧增和更新速度降低。但这些在LLM时代迎来了转机，LLM更强的特征表达能力、更智能的规划能力让数据更新迎来了新的机会。在这你将迎来以下挑战： 1、追踪LLM/Agent的前沿技术：通过海量人工反馈资料，训练Agent替代人工，完成数据的自动化更新，降低成本、加快效率、提升质量 2、研究落地最新多模态对齐方案：在常见的图像、文本之外，我们场景中还包括位置信息（坐标），多模态对齐工作，对充分发挥数据价值，提升模型性能至关重要，是业内持续投入的重点&难点方向
更新于 2025-09-01
社招3年以上市场拓展-市场
1、负责制定高德打车在国际化市场的市场营销策略。 2、探索有效的市场营销渠道，建立在不同国家或地区市场投放、品牌合作渠道网络， 3、探索海外本地化市场营销模式，助力高德打车在本土市场提升品牌认知和用户转化。 4、基于数据分析，优化市场营销模式和渠道，沉淀海外市场营销方法论。
更新于 2025-06-20
社招3年以上运营-用户运营
1、负责制定高德打车在国际化市场的拉新增长策略。 2、探索有效的规模拉新渠道，建立在不同国家或地区拉新增长渠道网络， 3、联动产品运营研发等部门，建立面向海外拉新增长的营销产品工具及链路。 4、基于数据分析，优化渠道获客转化漏斗，保证用户质量，提升风控能力。
更新于 2025-06-20