阿里巴巴LAZADA-AI Operation AI产品运营专家-杭州
任职要求
1、对AI的应用和发展有一定的了解及敏感度,并能够通过不断的实验,有效应用于各个业务场景,助力业务目标的达成; 2、英文可作为工作语言…
工作职责
1、负责Lazada用户侧AI产品运营,通过AI能力的应用,对电商导购链路等前台用户AI产品进行优化,帮助提升用户体验和平台转化; 2、对AI能力的变化发展能够实时的了解,并抽离成可在电商平台应用的能力,配合平台策略,制定AI产品方案,驱动业务增长; 3、能协同产品、设计、PR等多部门,做好AI产品在东南亚市场的用户教育和市场推广,提升Lazada AI的市场声量
带领Lazada AI运营团队,负责用户侧AI创新应用的推广;利用 AI 赋能品牌实现更精准的用户触达、更高效率的流量转化;AI升级平台运营机制,实现极致的运营效率,成为Lazada增长的核心驱动力。 职责: ● 负责AI与品牌的合作,负责品牌传播、活动策划及品牌联合AI在平台的应用落地 ● 搭建核心AI忠诚用户运营体系,提升留存和口碑 ● 成为AI在平台应用的战略桥梁,实现多部门的沟通协作 ● 负责商品、内容质量及平台知识库管理,确保内容符合品牌调性 ● 用数据洞察用户行为并形成优化闭环
1. 负责阿里云容器产品的架构设计和功能迭代演进。 2. 负责针对云产品和开源应用的容器集成方案设计,产品规划落地和技术支持。 3. 负责容器领域前沿技术的探索,对云原生AI和大数据等场景的支持。
1、负责阿里云容器服务SRE平台建设工作,负责 K8S 生命周期管理,自愈/弹性/限流/驱逐等稳定性能力相关 operator 研发工作,确保集群稳定性SLA达标; 2、负责建立 K8S 配套运维平台,SRE AI Agent 研发,提升运维效率,确保集群运维能力的可持续发展; 3、负责 K8S 集群日常 oncall 体系和能力建设,端到端定位 K8S 集群的功能和性能问题,解决线上问题; 4、牵头跨部门复杂项目(如业务容器化项目),推进业务和技术目标落地。
我们正在寻找AI/ML技术的技术专家,包括计算机视觉(CV),自然语言处理(NLP)和音频信号处理。您将负责与各种利益相关者(产品、运营、政策和工程)合作,并开发最先进的模型。 1、利用自然语言处理、机器学习或计算机视觉等内容理解能力设计和构建产品核心能力,提取数据洞察并优化变现策略; 2、基于最新的深度学习、机器学习、统计和优化技术的算法开发创新性解决方案并构建业务问题原型; 3、从0到1管理数据项目,并与产品经理协作定义用户故事和成功指标来指导开发过程; 4、使用不限于AB测试等方法验证项目的商业价值和预计收益; 5、与工程团队合作部署数据模型并将解决方案规模化。 We are looking for generalists and specialists in AI/ML techniques, including computer vision (CV), natural language processing (NLP), and audio signal processing. You will be responsible for partnering with a variety of stakeholders (product, operations, policy, and engineering) and developing state-of-the-art models. 1. Design and build core capabilities by leveraging content understanding; capabilities, such as natural language processing, machine learning, or computer vision, to extract insights and improve monetization strategies; 2. Develop creative solutions and build prototypes for business problems using algorithms based on the latest deep learning, machine learning, statistics, and optimization techniques; 3. Independently manage data projects from 0 to 1, and collaborate with product managers to define user stories, and success metrics to guide the development process; 4. Verify the business value and estimated revenue of the project using methods such as AB testing; 5. Collaborate with engineering teams to deploy and scale data science solutions.