阿里巴巴算法工程师-机器学习（T-Star Lab 日常实习）
任职要求
1、毕业时间在2026年11月及以后的在校本硕博同学，计算机相关专业； 2、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，极佳的工程实现能力，精通C/C++、Java、Python等至少一门编程语言； 3、有数理分析方面良好的素养以及数理统计基础；有良好的数据敏感能力、较强的逻辑分析能力； 4、有较强的学习能力，对新事物保有好奇心，并能快速适应新…
工作职责
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 在这里，你将参与机器学习、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； 在这里，你将进行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； 在这里，你将有机会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； 在这里，你将参与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。 加入我们，共同专注于大数据之上的机器学习算法研究与应用。将对人工智能的极大热情投入到挑战各种实际应用难题中。来吧，我们等你加入！ T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper ④有机会提前获得秋招直通T-Star的正式Offer。
岗位课题包括以下两个研究方向： 1. 利用大模型的序列描述能力和外投广告的全域数据，建模消费者全域行为兴趣模型，发掘消费者兴趣； 2. 广告召回、粗排、精排多阶段联合建模，保障计算效率的同时，提升模型打分准确度。 课题背景： 大模型技术在搜推广领域已经有很多的工作产出，包括基于大模型的召回方法（Tiger、Universal retriever等）和排序模型（HSTU等），然而，他们都面向整个商品推荐漏斗的不同阶段（召回、精排或机制），这样一方面整个推荐链路仍然存在不同阶段不一致，同时分阶段使用不同的模型也存在算力浪费的问题。本项目期望推动大模型打分在外投全域广告投放中的应用，将各个打分阶段联合建模，提升模型精度的同时保证模型计算效率。 岗位职责： 你将负责阿里妈妈外投效果广告投放算法工作，包括但不限于： 1. 负责大模型在客户交互和投放算法上的应用方案设计； 2. 负责根据外投效果广告业务场景，对大模型进行改造和性能优化； 3. 负责深度模型架构升级，提升在线广告投放模型性能和效果； 4. 负责深度学习模型在用户表征学习、召回模型、精排打分模型的应用；
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2026年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 1、参与机器学习、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、进行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、有机会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、参与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。 加入我们，共同专注于大数据之上的机器学习算法研究与应用。将对人工智能的极大热情投入到挑战各种实际应用难题中。来吧，我们等你加入！
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. 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。