美团到店研发-到餐搜推算法实习生
任职要求
1、在校大学生，计算机、电子、通信、数学、统计学等相关专业，至少实习3个月，每周至少实习4天。 2、掌握机器学习和深度学习算法的基本理论，具备良好的学习能力。 3、熟悉TensorFlow/PyTorch等框架，至少熟悉python、java等任意一门编程语言。 4、具备出色的问题分析和解决能力，具有团队合作意识，对具有挑战性的问题充满激情。 具备以下条件优先 在搜索、广告或推荐等领域有实习经历
工作职责
1、参与美团到餐业务的搜推算法策略迭代，优化用户搜推体验，提升点击率、转化率等核心指标。 2、参与大规模机器学习模型和系统的应用，优化查询理解、召回、粗排、精排、重排等某一个算法模块。
1.负责美团到餐业务的搜推算法策略迭代，优化用户搜推体验，提升点击率、转化率等核心指标。 2.应用大规模机器学习模型和系统，优化查询理解、召回、粗排、精排、重排等算法模块。 3.深入思考产品业务价值，参与制定及落实团队在技术、业务等多维度发展方向。 4.与其他团队密切合作，包括数据工程师、前后端工程师、产品经理等，实现高质量的产品和解决方案。
开发时序预测和履约预测算法，涵盖热点预测、需求预测、业绩预测、排队时长预测、履约时长预测以及天气影响等任务。 负责酒店、民宿、机票等业务的定价与补贴策略开发，涉及商家和平台的多视角定价策略，包括离线和实时价格调控，以优化商家营收、平台收益和平台规模等指标。 开发酒旅、门票、到综、到餐等业务的营销算法，参与智能营销方案的设计与实现，构建人群细分、补贴券化和效果评估等模型，实现增量撬动比和ROI等指标的优化。 负责度假套餐组合（如酒+X）及到餐团购套餐（如二人餐）的构建，生成选品组合，并提供销量预测、套餐定价和推荐理由，增加供给竞争力，满足用户一站式多样化需求。
1、参与亿级用户规模的本地生活搜索优化，负责迭代到店业务搜索算法，包括到餐、到综、酒旅等，提升点击率、转化率等核心指标，提升用户在快手的本地生活搜索购物体验，促进生态良性发展； 2、参与机器学习与深度学习算法的核心研发工作，对本地生活搜索全链路进行建模优化，包括但不限于召回、相关性、粗排、精排、机制等方面，深度进行序列建模、迁移学习、强化学习、对比学习、多模态大模型等的算法和系统研发； 3、针对海量用户行为数据，提供基于分布式计算的算法解决方案，大幅提升算法计算规模和性能； 4、深入思考产品业务价值，参与制定及落实团队在技术、业务等多维度发展方向。
我们是致力于成为AI驱动的本地生活服务革新者，通过大模型技术重构餐饮、零售、到店服务等核心场景的业务逻辑。 岗位使命 将本地生活领域复杂的业务场景转化为大模型可理解的数字孪生体，通过算法应用的创新实现从用户需求理解到服务交付的端到端智能化重构。 核心方向 1. 重构传统业务，实现端到端简化 2. 构建到餐、到综、酒旅等领域知识图谱，建立百万级商户服务与用户需求的动态匹配 3. 运用多模态业务理解大模型，实现对非结构化服务数据（菜单、评价、商品等）的深度理解和使用 4. 研发基于大模型的商品识别、智能匹配、选品选货、价格力等决策模块