拼多多【商业化】推荐算法工程师
任职要求
1）优秀的编码能力，扎实的数据结构和算法功底，熟悉TensorFlow\Pytorch\Hadoop\Hive开发平台； 2）在推荐、广告、搜索、多模态大模型、机器学习等某一领域有相关经验者优先； 3）熟悉大规模数据挖掘、机器学习、强化学习、分布式计算、信息检索、运筹…
工作职责
1）负责拼多多核心电商推荐和信息流广告场景(首页Feeds流、百亿补贴、个人中心、大促、秒杀等活动场景)的个性化流量分发，提升用户体验，优化场景的订单、GMV、收入、DAU等指标； 2）负责推荐和信息流广告的召回、粗排、精排、重排、策略方向的优化，提升模型效率、策略的合理性，最大化推荐系统的漏斗效率； 3）研究方向：深度学习、召回模型、LTR、CTRCVR模型、Uplift模型、多模态大模型、创意生成和优选、营销增长算法、运筹优化、模型压缩和加速等。追求技术创新和实际业务的结合，深入剖析电商推荐系统的问题，不断提升用户的体验。
1. 负责美团视频商业化推荐链路全链路（召回、粗排、精排、重排、混排）的模型和策略迭代 2. 和运营和产品紧密协作，通过对场景的深入分析和理解，快速制定解决方案并落地，拿到收益
团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok 在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok用户增长团队挖掘产品增长潜力，以技术驱动用户增长。团队不仅在产品中践行用户增长方法论、持续巩固增长能力，同时也在探索TikTok多模态的产品生态，撬动用户规模高速增长。 我们会极其地贴近业务，和产品、运营的同学们一起去探索用户增长方法论，持续巩固业务的增长能力。一起去通过业务中的数据表现进行洞察分析从而找到业务的机会点，围绕不同的增长业务模式，分析不同的业务需求，进行技术设计和实现。 也会从技术的视野去优化和升级我们的架构和系统，做纯技术层面的改造，用技术驱动业务的发展和改变。 1、激励增长方向 1）通过因果推断、强化学习、运筹规划等前沿技术，构建用户深度体验的增长模型，优化激励策略的精准性与效率，提升平台商业化价值； 2）设计并落地动态激励系统，平衡短期收益与长期用户价值，驱动用户活跃与留存的正向循环； 2、短视频推荐方向 1）主导TikTok Pro端融合激励信号与内容兴趣的混合推荐算法研发，解决业界少有的「激励产品×短视频APP」双形态协同难题； 2）构建专属Pro用户的内容理解与增长模型，结合激励行为、创作生态与内容消费数据，打造差异化推荐体验； 3）探索大模型、多目标优化、序列建模等技术在「激励 x 内容」联合建模中的创新应用，定义下一代增长范式。
1、小米广告算法架构团队，通过技术及模型能力迭代支撑广告推荐业务，持续提升广告点击率、转化率，持续满足广告主需求； 2、负责分布式训练框架及推理框架的研发及性能优化工作，实现大规模稀疏模型的训练及推理能力落地 3、探索容器化、异构计算、分布式训练、分布式推理、机器学习系统等前沿技术架构方向，参与流式与批量计算系统、大规模分布式机器学习流式训练平台的研发，实时追踪业界最先进技术及落地。 4、参与到前沿技术的调用应用项目，致力于通过模型训练、推理框架的能力迭代及性能的优化，支撑更多样的模型结构，更大参数规模的模型在业务场景的应用落地。 5、持续优化代码性能，提升模型迭代效率，为公司节省计算成本。
1、负责小米国际商业化每日百亿流量的广告在线预估请求，对模型预估链路、模型特征工程链路进行设计与优化； 2、负责优化在线预估相关系统的性能，提升系统稳定性和扩展性，构建支出高并发、高可用、低延迟的系统架构； 3、负责对各专项技术调研、新技术引入等攻坚工作，通过推理框架的能力迭代及性能的优化，支撑更多样的模型结构，更大参数规模的模型在业务场景的应用落地，持续地迭代系统； 4、负责指导团队成员工作，带领初工程师完成项目目标；