顺丰大数据挖掘与分析工程师
任职要求
1.硕士及以上学历，有3年以上数据挖掘项目/算法型落地项目的工作经验者优先； 2.熟悉hive、python、spark的使用和底层原理； 3.熟练使用Flink优先； 4.精通数据分析、数据挖掘相关的技术，如聚类、回归、卡方检验等，能够针对具体业务有效分析和建模； 5.熟悉常用的机器学…
工作职责
1.参与顺丰多业务项目下的预测模型的数据分析与模型搭建工作； 2. 熟悉营运各环节（收、转、运、派）的业务数据，对于预测的细化场景可以识别关键问题、分析出有效结论，并且设计解决方案，反哺模型的优化，实现端到端统一建设； 3. 负责构建机器学习、深度学习等模型，并实现生产模型服务的搭建与运维； 4. 构建算法模型效果评价体系，并搭建看板进行效果监控和呈现，助力算法模型持续优化；
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。