logo of meituan

美团搜索推荐算法专家

社招全职3年以上核心本地商业-美团平台地点:北京状态:招聘

任职要求


1.硕士研究生及以上学历,计算机、统计学、数学或相关专业,具备良好的数学基础和编程能力;
2.熟悉机器学习深度学习自然语言处理等领域的专业知识,3年及以上搜相关领域算法优化工作经验;
3.熟练使用Hive/Spark/Hadoop大数据工具,熟悉TensorFlow/PyTorch等框架,具备大规模深度学习项目实际经验,具备良好的代码开发能力;
4.具备优秀的逻辑思维能力和问题分析能力,能够对复杂问题进行拆分,制定方案时能将理论实践与创新思维相结合;
5.具备良好的沟通协作能力,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
1.熟悉地图LBS业务;
2.在机器学习数据挖掘信息检索等领域有发表过论文;
3.有搜索、推荐、广告等业务上大规模机器学习优化落地经验。

工作职责


1.负责美团平台地图服务的搜推算法策略迭代,优化用户搜推体验,提升地理位置搜索推荐准确率,提高用户点击率和转化率等核心指标;
2.应用大模型/NLP/深度学习/机器学习等理论和方法,优化查询理解、召回、粗排、精排、重排等算法模块;
3.负责前沿技术探索,包括大模型技术在搜索场景的落地应用。
包括英文材料
学历+
机器学习+
深度学习+
算法+
Hive+
Spark+
面向对象+
Hadoop+
TensorFlow+
PyTorch+
NLP+
大数据+
数据挖掘+
信息检索+
相关职位

logo of meituan
社招4年以上食杂零售

1. 负责美团零售相关业务的搜索推荐算法研发,优化搜推全链路各方向的模型和算法策略,注重解决业务问题,提升搜索推荐的使用体验、流量效率与商家收益。 2. 与业务、产品团队密切合作,从业务中洞察问题、量化问题、设计实现高效的优化方案,扩大算法的业务价值。 3. 跟踪搜索推荐的算法技术趋势,提升业务效果的同时完成技术文章沉淀。

更新于 2025-06-22
logo of meituan
社招核心本地商业-点

1、负责提升点评全链路搜索引导的效果,包括SUG、搜索发现、大家还在搜等模块,为用户提供有用、实时、相关和安全的搜索引导,帮助用户减少输入成本,激发用户的搜索需求,促进搜索规模的增长 2、持续跟踪业界技术趋势,提升点评搜索推荐系统核心技术能力,探索大模型技术在搜索推荐场景中的落地可行性

更新于 2024-12-23
logo of bytedance
社招A165186

团队介绍:字节跳动搜索团队主要负责抖音、国际化短视频、今日头条、西瓜视频等产品以及电商、生活服务等业务的搜索算法创新和架构研发工作。我们使用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。 1、探索前沿的NLP技术:从基础的分词、NER,文本、多模态预训练,到业务上的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、跨模态匹配技术:在搜索中应用CV+NLP深度学习技术,实现多模态视频搜索强大的语义理解和检索能力; 3、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、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的方方面面都有深入研究和创新; 5、推荐技术:基于超大规模机器学习技术,构建业界领先的搜索推荐系统,对搜索推荐技术进行探索和创新。

更新于 2025-05-08
logo of bytedance
社招3年以上A170652B

团队介绍:字节跳动抖音搜索团队主要负责抖音搜索算法创新和架构研发工作,主要包括短视频、直播、本地生活、视觉搜索等多个业务线。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、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、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、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的方方面面都有深入研究和创新。 1、参与抖音,今日头条,西瓜视频,剪映等App,以及国内电商,生活服务等重点业务的搜索推荐模型和策略改进,负责这些业务的搜索流量和用户渗透增长&搜索心智建设任务; 2、以推荐算法为核心技术栈,改进基于超大规模机器学习模型的推荐系统,覆盖从候选挖掘到召回,粗排,精排,多目标融合全链路技术环节; 3、探索短文本推荐和通用推荐技术的上限,重点是推荐和NLP技术的联合应用,以及多模态等前沿技术的探索。

更新于 2025-02-18