鹰角网络推荐工程服务端开发
任职要求
1. 本科及以上学历，3年以上推荐算法工程化开发经验； 2. 熟练掌握Go、Python开发语言，熟悉微服务架构与容器化部署，具备扎实的工程编码能力； 3. 熟悉Kafka、Redis、ES，能够与SRE合作维护生…
工作职责
1. 负责个性化推荐系统的算法工程化实现，包括召回、排序链路的开发、部署与迭代，确保算法策略高效落地； 2. 负责推荐系统的性能优化与线上稳定性保障，优化模型推理速度、特征计算效率； 3. 开发推荐监控，观测核心指标波动，分析异常原因； 4. 配合算法、产品团队，将业务目标转化为工程化解决方案，推动推荐算法在各业务场景的落地应用；
1. 负责阿里巴巴国际站搜索推荐相关业务的分析和实施，包括工程搭建、业务数据分析、系统稳定性以及性能保障等； 2. 基于搜索推荐引擎以及算法的理解，结合产品和业务的发展方向，完成相关系统建设； 3. 分析现有系统的瓶颈，解决各种疑难问题，对系统进行持续优化，打造易扩展、高并发、低延时要求的业务架构； 4. 紧跟业界前沿，针对不断增长的业务需求，并结合AIGC等新技术的预研，完成项目的技术选型、设计和落地。
生活服务业务是快手商业化增速最快的业务之一，包含线索和本地团购类型行业。一起来探索端到端生成式推荐OneLoc，Scaling Law，近场分发场景下的多模态表征，基于RL的长期价值最大化。 1、负责生服广告和自然内容推荐系统的核心精排模型算法持续迭代优化，提升业务的核心指标，帮助快手生服业务高速增长； 2、基于快手的海量用户和商家数据，探索使用机器学习、迁移学习、强化学习、LLM、diffusion、多模态技术、博弈论等前沿技术来解决快手生活服务业务所面临的多元异构数据的挑战，将前沿技术在生服业务上落地，推动业务高速发展； 3、通过数据分析挖掘业务潜在机会，面向流量投放侧和广告主优化侧进行算法设计和效果优化。
1. 负责服务零售和酒旅场景下的推荐算法研发，提升用户意向率，拓宽品类多样性，增加用户点击； 2. 设计并优化个性化推荐策略，包括召回、排序、重排等模块。 3. 与产品和工程团队协作，推动算法方案落地并持续迭代。 4. 分析用户行为数据，挖掘潜在需求并构建数据驱动的推荐模型。 5. 跟踪业界最新技术动态，探索前沿算法在业务场景中的应用。
1、参与搜索/推荐业务的架构设计，迭代优化；负责推荐/搜索的在线检索系统，在线推荐系统等方向的实现和优化； 2、核心组件的研发优化，新技术的应用和落地；针对高并发高吞吐的大规模系统，提高系统的稳定性，性能，可拓展性； 3、对现有系统的不足进行分析，生产环境trouble-shooting，设计和实现必要的工具提高研发效率； 4、全面拥抱大模型时代，在日常研发、办公等多种场景实践agent技术。