高德地图高德-时空大数据建模算法专家-大云图

1. 负责渲染引擎的智能化升级，通过机器学习和深度学习算法，优化地图图面呈现，提升用户视觉体验； 2. 基于时空大数据，构建智能化推荐系统，根据不同场景、比例尺、时间维度，实现精准的内容推荐； 3. 深入分析海量用户行为数据，挖掘数据价值，驱动算法策略的持续优化和创新； 4. 结合高德地图的复杂场景，探索前沿算法在地图渲染和推荐系统中的创新应用。

1、负责饿了么地图及感知算法研发，提升即时物流超算数智化能力； 2、追踪行业前沿对大规模时-空-图数据进行建模，提升饿了么定位、路线规划、时空轨迹、空间智能、地理信息大模型等方向技术能力； 3、沉淀研究成果，协同硬件、工程团队 推进算法落地；

1、参与饿了么即时物流场景下调度策略算法设计与开发，技术驱动业务增长； 2、数据驱动，应用机器学习、运筹学、博弈论等技术提升整体交易市场的效率，降低交易市场的成本，优化用户体验； 3、与跨职能团队（产品、运营等）协作，理解业务需求并将之转化为具体的算法问题，快速响应市场变动； 4、运用机器学习技术和大数据分析方法对现有策略效果进行评价，不断迭代策略模型并验证其有效性。

团队使命： 作为网约车交易市场技术核心团队，我们应用机器学习、运筹优化、因果推断、深度强化学习及生成式AI技术（LLM） ，构建支撑千万级日订单的动态双边市场智能决策系统。通过供需预测建模、动态定价策略、智能补贴分配、生态治理引擎 等策略引擎建设，持续优化平台商业价值与司乘体验，驱动全球领先的出行市场效率革新。 供需调节策略方向的主要工作： - 负责设计研发面向司乘双边市场的动态定价和跨品类联合补贴策略引擎，涉及的技术方向包括：精细化的时空供需预测建模、针对海量数据的细粒度因果建模、大规模运筹优化与求解算法设计、大规模离线仿真系统设计与研发等。 - 负责设计研发面向用户长期增长的智能增长营销策略引擎，构建可持续优化的收益管理与增长引擎系统，涉及的技术方向包括：长周期用户价值（LTV）建模、基于强化学习的序列化决策模型设计、大规模运筹优化与收益管理系统设计等。 - 负责设计研发面向供需调节和用户增长的智能运营系统，构建面向多目标高度封装的全自动智能化的运营引擎，助力网约车业务精细化运营提效。涉及的技术方向包括：不同粒度、周期的时序预测建模、大规模运筹优化求解算法、支持深度人机结合的工业化运营引擎架构。 - 负责设计研发面向网约车交易场景的司乘生态治理引擎，构建面向不同品类业务特点的判责、治理策略系统，涉及技术包括：多模态深度学习建模、大语言模型技术、原子预测和小样本学习等技术。