优酷算法工程师-机器学习（搜索方向）

优酷算法团队重视技术积累和建设，对标业界最前沿的算法和框架，已有多篇 AAAI/KDD/IJCAI/Recsys/CVPR/ICML论文发表。 如果你了解机器学习、深度学习、强化学习、迁移学习、主动学习、特征提取与稀疏学习、等级学习等相关知识，对人工智能抱有极大的热情，勇于挑战各种实际应用难题，欢迎加入我们！ 具体职责包括但不限于： 1、负责机器学习、深度学习领域的技术研发工作，包括但不限于神经元网络模型设计与优化、强化学习、迁移学习、主动学习、维度降低、核方法、谱方法、特征提取与稀疏学习、等级学习、推荐、随机优化等的算法和系统研发等 2、负责机器学习尤其是深度学习前沿问题的探索与研究，结合未来实际应用场景，提供全面的技术解决方案 3、负责提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能 4、负责提供大数据分析建模方案，沉淀行业解决方案，协助拓展业务边界

1、参与优酷搜索链路开发和模型优化； 2、探索多模态、大模型、用户全周期等建模方式的独特增量价值； 3、探索相关性和个性化效率的平衡建模。

团队介绍：字节跳动抖音搜索团队主要负责抖音搜索算法创新和架构研发工作，主要包括短视频、直播、本地生活、视觉搜索等多个业务线。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1、探索前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新。 1、负责电商场景下搜索算法优化与迭代，提升转化效率、用户体验和供给生态； 2、深入挖掘用户行为与商品多模态数据，构建Query理解、召回/排序模型； 3、结合业务需求设计AB实验，推动算法在线上效果提升； 4、跟进领域前沿技术，探索大模型等创新技术在搜索场景的应用。

团队介绍：字节跳动抖音搜索团队主要负责抖音搜索算法创新和架构研发工作，主要包括短视频、直播、本地生活、视觉搜索等多个业务线。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1、探索前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新。 1、负责电商场景下搜索算法优化与迭代，提升转化效率、用户体验和供给生态； 2、深入挖掘用户行为与商品多模态数据，构建Query理解、召回/排序模型； 3、结合业务需求设计AB实验，推动算法在线上效果提升； 4、跟进领域前沿技术，探索大模型等创新技术在搜索场景的应用。