高德地图高德-高德打车算法专家-推荐算法/大模型
任职要求
1. 算法：拥有扎实的统计学功底，对数据敏感、深刻理解和熟练运用主流机器学习算法，有实际落地经验者优先。 2. 工程：开发严谨高效，掌握Python 或 C++。有使用sklearn、TensorFlow、Pytorch等开源工具的经验。 3. 经验：拥有2年以上工业界机器学习的研发…
工作职责
负责高德共享出行业务核心的推荐算法建设、大模型技术落地等，包括但不限于： 1. 推荐算法方向：利用机器学习、深度学习等算法处理海量用户数据，进行高德打车全链路的推荐算法构建和迭代，包括多任务学习、多场景建模、序列推荐、因果推断建模、应答时长预测等； 2. 大模型方向：将大模型技术应用在打车核心链路上，包括多模态大模型、AIGC、PE、SFT、RLHF、高效推理等，提升平台效率和用户体验；
负责高德共享出行业务核心的推荐算法建设、大模型技术落地等，包括但不限于： 1. 推荐算法方向：利用机器学习、深度学习等算法处理海量用户数据，进行高德打车全链路的推荐算法构建和迭代，包括多任务学习、多场景建模、序列推荐、因果推断建模、应答时长预测等； 2. 大模型方向：将大模型技术应用在打车核心链路上，包括多模态大模型、AIGC、PE、SFT、RLHF、高效推理等，提升平台效率和用户体验；
负责高德共享出行业务核心的推荐 & 营销算法建设、大模型技术落地等，包括但不限于： a. 推荐 & 营销算法方向：利用深度学习、因果推断等算法技术处理海量用户数据，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、序列建模&推荐、因果推断建模等； b. 大模型方向：将大模型技术应用在打车核心链路上，包括大模型用户画像提取，大模型排序，生成式推荐，结合大模型预训练、蒸馏、SFT和强化学习等技术进行应用；
负责高德共享出行业务核心的推荐算法建设、大模型技术落地等，包括但不限于： 1. 推荐算法方向：利用机器学习、深度学习等算法处理海量用户数据，进行高德打车全链路的推荐算法构建和迭代，包括多任务学习、多场景建模、序列推荐、因果推断建模、应答时长预测等； 2. 大模型方向：将大模型技术应用在打车核心链路上，包括多模态大模型、AIGC、PE、SFT、RLHF、高效推理等，提升平台效率和用户体验；
负责高德共享出行业务的上下车点和路线效果的优化，包括但不限于： 1. 业务：利用机器学习、深度学习等算法处理时空轨迹、语音通话等海量数据，进行高德打车在个LBS相关场景召回、粗排、精排、重排等环节上的优化，以及路线旅行时间预测和时空数据能力的建设。 2. 角色：指导或参与数据可视化分析、算法选型、数据清洗、模型搭建、参数调优、工程化上线、用户反馈跟踪的全链路研发。