阅文集团推荐策略工程师

推荐/搜索算法方向： 1、支持快速增长、大规模dau的得物电商业务的推荐/搜索算法工作。职责范围包括提升转化效率，改善购物体验，探索更高效的商业模式，提升内容生态健康程度等； 2、利用海量数据搭建业内领先的机器学习算法和架构，建模用户购物兴趣，提升用户体验； 3、应用先进的机器学习技术，解决各种在线/离线、大数据量/小数据量等不同场景中遇到的技术和业务挑战，包括多类型内容分发、新用户承接、新品冷启动等； 4、对电商生态中用户、商家的行为做深入的分析和理解，制定算法策略促进生态良性发展； 5、独立负责产业务场景中的一个模块，与产品、运营团队一起，对模块的未来发展进行规划和设计，制定推荐策略的目标。 图像算法方向： 1、研究包括但不限于目标检测、分割与分类方向； 2、结合实际应用场景，提供全面技术方案，包括但不限于模型训练、评估、部署； 3、挖掘发现公司潜在业务需求，推动业务落地。

-参与大模型在信息流推荐场景中的应用探索与落地，包括内容理解、用户兴趣建模、推荐策略优化等方向 -参与大模型相关算法方案设计与实验，包括Prompt设计、模型微调（SFT/蒸馏等）及效果评估 -基于离线数据与在线指标，对推荐效果进行分析与优化，推动模型能力在业务中的迭代 -与工程及产品团队协作，推动大模型能力在推荐系统中的工程化与规模化应用

-参与百度APP、贴吧、好看等多产品线的个性化push核心策略的研发工作，为数亿用户提供卓越的个性化推荐体验 -负责业界领先推荐算法的调研和评估，通过超大规模深度学习、强化学习等技术对产品目标建模，并通过特征、模型优化等持续优化模型效果 -通过对数据的敏锐洞察，深入挖掘产品潜在价值和需求，通过技术创新推动产品成长 -在个性化推荐的场景下，将人工智能前沿技术与业务相结合，打造最懂用户的个性化推送系统

-负责手百app、Feed信息流推荐场景排序模型策略的研究和开发，以及业界先进排序及大模型算法的调研和评估 -通过大规模机器学习算法/深度神经网络模型/序列生成模型等算法的优化，提高多目标的排序能力和推荐列表的序列生成效果 -理解用户需求，基于用户在搜索、信息流及其他百度产品矩阵行为，对用户进行精准建模和刻画 -大模型算法及相关应用落地，研究数据挖掘或统计学习领域的前沿技术,并用于实际问题的解决和优化 -通过对数据的敏锐洞察,深入挖掘产品潜在价值和需求,进而提供更有价值的产品和服务,通过技术创新推动产品成长