阿里巴巴阿里国际-高级算法工程师（推荐广告）-北京/杭州
任职要求
1. 计算机科学、数学、统计学等相关专业硕士及以上学历，精通c/c++,java,python等至少一门编程语言。 2.有大模型算法，搜索算法，推荐算法，广告算法, 自然语言处理，知识图谱等相关研究经验或工作经验优先，在相关领域顶级会议上发表论文者优先。 3. 强烈的技术热情和学习渴望，对技术驱动业务有不懈的追求，具备优秀的分析和解决问题的能力，良好的沟通能力，较强的团队合作精神。 4. 良好的英文沟通表达能力，有国际化工作背景优先。
工作职责
我们寻找熟练掌握机器学习、深度学习、强化学习、Graph Embedding，图像&NLP技术，运筹学，经济学和博弈论等相关知识，有扎实的搜索推荐广告等相关算法技术背景，对技术推动业务发展抱有极大的热情，勇于挑战各种实际应用难题，具有聪明、乐观、皮实、自省、追求卓越的候选人，来阿里国际-智能技术-Lazada 广告技术团队和我们一起乘风破浪吧。 1.基于Lazada的海量用户和商家数据，探索使用深度学习，强化学习，Graph Embedding，迁移学习，知识图谱等前沿技术来解决广告业务所面临的多国家多语言场景，大规模异构数据的挑战，将前沿技术在广告业务上落地，用技术推到业务高速发展。 2.负责广告系统的核心召回、排序、竞价机制算法持续迭代优化，提升广告业务的核心指标，帮助Lazada广告业务高速增长。
工作地点【北京/杭州均可】 1. 团队介绍 国际化业务是滴滴的重要增长方向。定价补贴团队在我们的出海业务中扮演了重要角色。团队致力于设计研发国际化核心的价格引擎，打造自动化、智能化的定价补贴系统，直接提升业务核心指标（完单、GMV、毛利等），创造用户价值和商业价值，助力滴滴在国际市场的成功。目前包括司机乘客动态定价、智能补贴等方向，并持续基于业务发展和用户需求持续孵化更多项目。 在这里你能从事滴滴的核心业务，为国际化强竞争态的双边动态交易市场，设计前沿的机器学习算法。与世界各国同事英文交流，提升英语水平和国际化视野。作为核心战略方向，你有机会伴随业务快速成长，在中国公司扬帆出海的趋势下，积累宝贵的国际化先行经验。 2. 职位描述 基于国际化强竞争态的双边动态交易市场，综合运用机器学习（因果推断，时序预测，转化率预估）、运筹优化、强化学习等前沿算法和技术，设计最核心的定价补贴策略，以此驱动司乘动态定价、智能司机补贴、智能乘客补贴等系统，支持国际化所有国家和城市，直接提升国际化业务核心指标，助力滴滴在国际市场的成功
我们是阿里巴巴国际数字商业集团的智能技术团队，负责阿里巴巴旗下多个国际化电商平台的搜索、推荐、广告、用增等技术。团队致力于将最前沿的AI技术与国际化电商业务问题深度结合，为用户打造更好更智能化的网上购物体验，同时赋能百万商家实现更高效的经营。 选择加入我们意味着投身入于高速发展的国际化电商业务，一起打造最先进的AI技术以驱动全球电商业务发展。 岗位描述： 1、参与并负责搜索、推荐算法研发，提升全球不同语言的搜索精准性和国家差异化个性化推荐体验。 2、参与并负责广告算法研发，提升全域流量广告流量变现效率，通过竞价及投放优化、素材生成等提升商家投放效率。 3、参与并负责用增算法的研发，提升电商获客效率，建设优化个性化外投广告、个性化触达消息、个性化权益补贴等算法能力。 4、参与研发生成式AI技术，推动生成式AI在国际电商领域的创新应用。
业务介绍： 我们是阿里巴巴国际数字商业集团的智能技术团队，负责阿里巴巴旗下多个国际化电商平台的搜索、推荐、广告、用增等技术。团队致力于将最前沿的AI技术与国际化电商业务问题深度结合，为用户打造更好更智能化的网上购物体验，同时赋能百万商家实现更高效的经营。 选择加入我们意味着投身入于高速发展的国际化电商业务，一起打造最先进的AI技术以驱动全球电商业务发展。 岗位描述： 1、负责支持业务迭代：推进来自搜索、推荐、广告、用增各域的产品需求快速落地。 2、负责系统架构设计：负责搜索、推荐、广告引擎的架构设计与优化，支撑多语言场景下的高并发请求处理，满足全球用户低延迟、高可用的服务需求。 3、负责性能调优：针对召回排序、模型训练&推理、特征计算等模块进行工程性能优化（如分布式计算加速、内存管理、GPU资源调度等），提升算法迭代效率。 4、负责工程平台开发：构建算法与工程协同的标准化平台，包括特征实时化平台、在线推理服务框架、AB实验平台等，支持算法快速迭代与业务效果验证。 5、负责大模型工程优化：负责生成式AI技术的工程落地，包含大模型训练、推理加速、多模态内容生成等技术工作。 补充说明：同时也招聘面向25年应届毕业的同学；
1. 负责阿里国际站效果广告场景的算法设计和优化，包括并不限于： 2. 负责阿里国际站搜索广告Query理解、搜推广告深度召回、相关性、排序建模、机制出价、商家赋能等应用和创新 3. 负责超大规模深度学习在用户/商品表征学习、向量化召回、点击/成交转化模型预估等的应用和创新 4. 负责基于用户与商品知识图谱的稀疏特征与少样本推荐算法模型的应用和创新 5. 负责基于离线优化问题求解与在线实时调控策略的机制设计与出价 6. 负责研究&推动用户冷启动&商品冷启动在搜索&推荐的应用 7. 负责大语言模型等能力在搜索广告业务中的应用 8. 结合以上方向的探索和研究，撰写发表论文，和业界、学术界保持良好的交流