阿里巴巴业务技术线-推荐架构工程师-大数据方向

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、参与抖音，今日头条，西瓜视频，剪映等App，以及国内电商，生活服务等重点业务的搜索推荐模型和策略改进，负责这些业务的搜索流量和用户渗透增长&搜索心智建设任务； 2、以推荐算法为核心技术栈，改进基于超大规模机器学习模型的推荐系统，覆盖从候选挖掘到召回，粗排，精排，多目标融合全链路技术环节； 3、探索短文本推荐和通用推荐技术的上限，重点是推荐和NLP技术的联合应用，以及多模态等前沿技术的探索。

1.主导多模态推荐系统研发，结合文本、图像、视频等多模态数据优化商品理解、用户行为分析及推荐策略，推动多模态与电商场景的深度融合。 2.设计并实现跨模态对齐技术（如图文/视频语义一致性建模），提升推荐系统的泛化能力和冷启动效果，探索多模态大模型在电商中的创新应用（如CLIP、BEiT3等框架优化）。 3.推动多模态模型的工程化部署，包括分布式训练加速（如TensorRT-LLM）、推理效率优化及性能调优。 4.结合搜索与推荐场景，探索多模态特征在排序、检索中的辅助作用，提升用户交互体验。

Part 1，后端开发： 1、负责数据产品后端的设计与实现，确保系统具备良好的架构设计、扩展性及高可用性； 2、根据系统设计，完成平台的开发、测试和线上维护工作，保障系统的稳定运行； 3、负责系统的服务端调优，持续提升系统性能和服务质量，并编写设计、开发、测试等相关文档，为团队提供清晰的技术指导。 Part 2，AI应用探索与开发： 1、参与AI技术在数据产品中的应用探索，包括但不限于自然语言处理、机器学习、深度学习等方向； 2、负责AI应用的后端开发工作，实现AI模型与现有数据产品的无缝对接； 3、与数科、算法紧密合作，将AI技术转化为实际的产品功能，提升数据产品的智能化水平； 4、跟踪AI领域的最新技术动态，结合业务需求，推动AI技术在数据产品中的创新应用。

1、参与亿级规模的直播推荐优化，提升营收、时长、留存等核心指标； 2、参与推荐系统的设计和研发工作，包括但不限于网络设计与优化、强化学习、迁移学习等； 3、参与超大规模机器学习模型研发，使用先进的检索和排序手段，优化社区生态，优化快手的推荐效果； 4、参与搭建推荐系统框架，提供高并发，大数据，高效可靠的线上服务； 5、参与全域流量博弈的机制设计，协助拓展业务边界； 6、参与前沿问题的探索与研究，结合实际应用场景，提供全面的技术解决方案。