优酷算法工程师-机器学习(推荐方向)
任职要求
1、计算机相关专业研究生以上学历,在机器学习,数据挖掘,统计学理论,最优化理论等领域有着深厚积累 2、有搜索、推荐、广告、NLP、图像识别等相关背景优先,熟悉机器学习,NLP、数据挖掘、知识工程的经典算法,并能在业务中解决实际问题 3、熟悉机器学习和数据挖掘领域前沿技术,在国际顶级会议(Recsys、KDD、NIPS、ICML、ACL)以第一作者发表过高水平论文者优先 4、有机器学习、数据挖掘等相关项目实际经验者,或者知名数据挖掘比赛(例如KDD Cup等)中取得领先名次者优先 5、有较强的工程能力,熟练掌握java,C++, Python或至少一种常见编程语言 6、踏实勤奋,自我驱动,善于沟通
工作职责
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
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。