顺丰大数据挖掘与分析工程师
任职要求
1.计算机、数学、统计学等相关专业背景，本科以上学历。 2.3年以上大数据挖掘或算法开发经验，熟练主流机器学习算法。 3.较强的编程能力，掌握Python/Java/Scala中至少一门编程语言，熟练使用Hive、S…
工作职责
1. 数据挖掘与分析：负责物流风控相关数据的收集、清洗、分析和挖掘，构建用户风险画像、风险评估模型等，识别潜在风险。 2. 算法开发与优化：设计并实现风控算法，如信用评分、反欺诈、异常检测等，持续优化算法性能。 3. 风控策略制定：基于数据分析结果，协助制定和优化风控策略，提升风控效率和准确性。 4. 跨部门协作：与产品、运营、技术等部门合作，推动风控策略落地。 5. 行业研究：跟踪物流风控领域的最新技术和趋势，能基于物流场景进行算法的优化与改造，沉淀算法能力，提出创新解决方案。
1、参与亿级用户规模的电商搜索优化，提升电商搜索场景的GMV、购买用户数、点击率、转化率等核心指标，提升用户电商搜索购物体验，促进生态良性发展； 2、参与机器学习与深度学习算法的核心研发工作，对搜索全链路进行建模优化，包括但不限于召回、相关性、粗排、精排、机制等，深度进行序列建模、迁移学习、强化学习、对比学习、多模态大模型等的算法和系统研发； 3、针对海量用户行为数据，提供基于分布式计算的算法解决方案，大幅提升算法计算规模和性能； 4、参与搜索推荐机制的顶层设计，结合业务战略，优化电商流量结构和GMV结构，促进电商生态的健康发展。
-角色和剧本模型训练：优化角色和剧本类大模型的行为策略、长期记忆管理和多模态交互能力，突破角色行为一致性、情感表达合理性等技术瓶颈 -前沿探索：研究人格化模型在情感计算、社会常识推理等方向的突破，定义 AI 角色从「功能执行」到「人格化陪伴」的技术范式 -极致性能优化：大规模模型的分布式训练优化，提升角色类模型的推理效率与资源利用率，指令微调、偏好对齐、数据增强等技术的场景化创新 -规模增长：通过传统搜索、信息流等途径结合用户分析进行产品用户规模增长
用户方向 1.通过数据分析构建用户画像，分析用户交易行为及用户旅程，挖掘trade-in, trade-across, trade-up的驱动因素及转化路径； 2.设计因果推断实验（如A/B测试、双重差分法），量化促销活动、定价策略对用户消费、用户增长的影响，评估广告渠道ROI优化投放策略； 3.构建用户分层模型，识别高价值消费人群，输出定向运营策略（如精准发券、商品推荐），制定留存策略； 4.研究用户生命周期内的消费习惯，结合消费者心理学理论，优化“人-货”匹配效率，提升用户ARPU值。
1.负责美团-团购频道的搜/推算法策略迭代，优化用户搜推体验，提升频道转化率； 2.应用大规模机器学习算法，优化查询理解、相关性、召回、粗排、精排、重排等算法模块； 3.深入思考产品业务价值，参与制定及落实团队在技术、业务等多维度演进方案； 4.与前后端工程、产品、数据等团队密切合作，实现高质量的产品和解决方案。