得物算法策略工程师/专家（搜广推&图像）
任职要求
1、具备优秀的编码能力，扎实的数据结构和算法功底； 2、优秀的分析问题和解决问题的能力，对解决具有挑战性问题充满激情； 3、对技术有热情，有良好的沟通表达能力和团队精神； 4、熟悉机器学习、自然语言处理、数据挖掘中的一项或多项，对推荐系统、计算广告、搜索引擎等相关领域有经验者优先； 5、熟悉图像处理算法，能根据业务需求构建，优化模型。 1、计算机相关专业，硕士及以上学历，5年以上相关经验； 2、有独立建模，训练，优化的经验； 3、熟悉图像处理算法，能根据业务需求构建，优化模型； 4、熟悉使用以下编程语言至少一种：python，Java，scala，c++； 5、掌握主流机器学习算法和深度学习相关技术，熟练使用至少一种深度学习框架如TensorFlow/Pytorch等； 6、在细粒度分类方向，多模态信息处理，图像检索经验者优先。
工作职责
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。
团队介绍：字节跳动搜索团队主要负责抖音、今日头条、西瓜视频等产品的搜索算法创新和架构研发工作。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）探索最前沿的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）探索跨模态匹配技术：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）探索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）探索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，方方面面都进行深入研究和创新。 1、参与搜索引擎研发，探索搜索全链路（分析、召回、粗排、精排、混排）的个性化行为建模，包括CTR、CVR预估、向量召回、价值混排、RAG、NLP、LLM、多模态、机器学习、深度学习等，推动搜索算法的落地与提升； 2、参与搜索算法的优化与迭代，提升转化效率、用户体验和供给生态； 3、深入参与搜索产品的需求设计，负责算法和工程的高质量交付，持续优化效果提升产品体验；支持番茄小说、红果短剧、汽水音乐等搜索业务全链路的策略算法研发，从搜索角度提升各业务信息分发效率； 4、挖掘数据，构建Query理解、召回、排序等模型，提升搜索算法能力； 5、学习前沿技术，探索大模型等创新技术在AI搜索场景的落地。
所在团队负责阿里国际贸易平台上的所有推荐产品，包括猜你喜欢、详情页推荐、个性化楼层等。团队通过大数据和深度学习建模，帮助平台上买卖家快速达成生意。来到这里，你将有机会深度接触到业界的计算平台和深度学习算法，并将算法技术转化为商业价值。具体地，你将有机会负责： 1. 用户画像、召回、排序和策略等模块的技术规划和算法设计，通过技术创新提升买卖家匹配效率。 2. 通过大规模深度学习和图学习，在面对数据稀疏和多国家多行业的情况下对用户实时兴趣、CTR预估、询盘和交易转化预估等问题建模。 3. 通过多样性和发现性策略，拓展用户需求，提升兴趣发现能力，进一步完善和提升推荐侧的产品价值。 4. 探索大语言模型+搜推的创新应用方向，LLM在推荐领域下的全链路建设，包括但不限于大规模的预训练、SFT、LoRA和RLHFL等技术，落地大语言模型+搜推的新的应用落地场景（如生成式推荐等）。
1、负责拼多多推荐\搜索的rankscore设计。 2、负责拼多多推荐\搜索的广告混排策略设计。 3、负责拼多多推荐\搜索的重排策略设计。 4、负责拼多多推荐\搜索创意优选策略设计。 5、负责拼多多推荐\搜索的多样性等用户质保优化，包括打散/频控/相关性控制等。
负责京东主站搜索推荐流量机制策略与场景化模型的研究、开发与部署上线，覆盖推荐内外页，搜索商品列表等主要流量场景： 1. 负责搜索与推荐流量机制的算法化与落地应用，探索构建Human-in-the-Loop的供应链流量运营新形态； 2. 负责搜索与推荐等主要流量域内的场景化模型构建，包括新品、应季等特定场景下精细化模型； 3. 负责商品、内容等多重供给下的流量混排机制的构建，实现整体效率的最大化。