优酷算法工程师-机器学习（推荐方向）
任职要求
1、熟悉常用机器学习算法，对模式识别、深度学习、增强学习等相关领域，良好的工程实现能力，精通C/C++、Java、Python等至少一门编程语言 2、候选人有数理分析方面良好的素养以及数理统计基础 3、良好的数据敏感能力、较强的逻辑分析能力 4、有实际成果并发表在国际顶级会议、期刊者优先；在算法&大数据权威比赛中取得优异成绩者优先 同时，我们还希望你： 1、学习能力强，对新事物保有好奇心，并能快速适应新环境 2、良好的沟通能力和团队协同能力；能与他人合作，共同完成目标 3、对所在领域有热情，相信方法总比困难多，善于独立思考并反思总结
工作职责
我们专注于大数据之上的机器学习算法研究与应用，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
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
我们专注于大数据之上的机器学习算法研究与应用，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、多模态内容理解与应用：构建视频/直播多模态表征体系，融合视觉、音频、文本特征实现多层级语义刻画，优化标签体系与用户兴趣画像，提升内容与用户兴趣匹配精度，解决冷启动问题； 2、推荐系统全链路优化：参与召回、粗排、精排、混排全链路算法设计，针对直播/短视频场景需求优化推荐效果；搭建离线评估体系，确保离线指标与线上业务目标对齐； 3、前沿技术落地探索：推动生成式推荐在短视频/直播场景落地，结合大模型探索创新推荐范式；解析模型评测数据，完成算法工程化落地，协同产品、工程团队提升推荐全链路价值。
1、多模态内容理解与应用：构建视频/直播多模态表征体系，融合视觉、音频、文本特征实现多层级语义刻画，优化标签体系与用户兴趣画像，提升内容与用户兴趣匹配精度，解决冷启动问题； 2、推荐系统全链路优化：参与召回、粗排、精排、混排全链路算法设计，针对直播/短视频场景需求优化推荐效果；搭建离线评估体系，确保离线指标与线上业务目标对齐； 3、前沿技术落地探索：推动生成式推荐在短视频/直播场景落地，结合大模型探索创新推荐范式；解析模型评测数据，完成算法工程化落地，协同产品、工程团队提升推荐全链路价值。