58同城资深算法工程师-国际化方向(J28142)
任职要求
岗位要求： 1.计算机科学、机器学习、数据科学或相关专业硕士及以上学历； 2.2年以上的算法工作经验； 3.至少具备以下某一方向的扎实基础： 搜索算法：精通信息检索、相关性排序、多模态搜索技术； 推荐算法：熟悉协同过滤、深度学习推荐模型、用户行为分析等技术； NLP算法：掌握自然语言处理技术（如文本分类、命名实体识别、生成式模型等），熟悉主流框架如 Transformers； 4.熟练使用至少一种编程语言（如 Python、Java、C++ 等），掌握主流的机器学习框架（如 TensorFlow、PyTorch）; 5.拥有良好的数据处理能…
工作职责
职位描述： 我们正在搭建国际化的在线分类信息平台，致力于通过技术创新提升用户体验和平台效率。寻找有才华的算法工程师加入我们的团队，专注于搜索算法、推荐算法和自然语言处理方向的开发与优化。 您将与跨职能团队紧密合作，通过先进的算法技术推动用户增长、提升平台流量以及增强用户对我们的服务的满意度，充分给同学们提供成长的机会。 岗位职责： 搜索算法方向： *使用自然语言处理技术（如语义匹配、实体识别、意图分类等）强化query意图识别 *优化搜索相关性，提升用户查询与结果之间的匹配度。 *开发和改进排序模型、语义理解模型、召回模型等，提高搜索体验。 推荐算法方向： 构建个性化推荐系统，设计高效的召回、排序及多目标优化算法，提升用户留存与转化率。 持续改进推荐策略，优化长尾物品推荐效果。 NLP算法方向： 开发自然语言理解模型，支持搜索、推荐等核心功能。 在商品描述生成、用户意图解析和文本审核等场景中应用先进的NLP技术。 探索大模型技术在分类信息平台中的应用场景，探索电商、二手车等领域中大模型的应用落地，承担大模型预训练和调优等工作，如prompt设计、fine-tuning、模型蒸馏等。 持续跟踪算法领域的最新进展，将前沿技术应用于实际业务。 支持模型在生产环境的部署和调优，确保高效、稳定运行。
1. 负责国际化网约车交易策略算法设计和实现,包括但不限于司乘匹配,运力调度,流量分发,供需预测,仿真系统等方向； 2. 针对不同国家交易市场的供需情况和竞争态势,和业务方协同设定目标,使用机器学习/强化学习/运筹优化等算法和技术,优化成交率等核心业务指标,助力业务发展。
【滴滴国际化出行交易市场算法团队简介】 国际化业务是滴滴的重要增长方向。 出行交易市场算法团队/Short as "IBG MPA" 在我们出海业务中扮演了重要角色。团队致力于打造国际出行业务核心自动化，构建智能化价格、补贴和分单引擎, 提升业务核心指标(i.e. 完单, GMV, 毛利, 司乘体验等), 创造用户价值和商业价值，助力滴滴在国际市场的成功。 算法团队作为滴滴国际化出行交易市场IBG Marketplace(MP)中核心团队, 加入我们，你将有机会在国际化强竞争态的双边动态交易市场下，设计前沿的机器学习、强化学习算法，不断提升解决复杂业务问题的能力。还可以与世界各国同事交流，获得多元化国际视野，并能收获到一群使命驱动/平等开放/志同道合的伙伴们！ 【分单方向简介】 交易算法方向，解决司乘匹配、供需预测等问题，是国际化出行业务的核心技术和竞争力。结合国际化业务特点，我们将深度学习、强化学习、因果推断等技术应用在日常工作中。 【岗位职责】 1. 负责国际化网约车交易策略算法设计和实现,包括但不限于司乘匹配,运力调度,流量分发,供需预测,仿真系统等方向； 2. 针对不同国家交易市场的供需情况和竞争态势,和业务方协同设定目标,使用机器学习/强化学习/运筹优化等算法和技术,优化成交率等核心业务指标,助力业务发展。
【关于我们】 滴滴自2018年初收购巴西出行平台99开始，正式启动了国际化战略。目前，滴滴的国际业务覆盖了拉美、亚太和非洲的14个国家，为当地市场提供以出行为主、涵盖外卖和金融的多样化服务。 IBG Marketplace 算法团队简介: 滴滴国际化出行交易市场算法团队在我们的出海业务中扮演了重要角色。团队致力于设计研发国际化核心的价格、分单引擎，打造自动化、智能化的定价补贴和分单系统，直接提升业务核心指标（完单、GMV、毛利、司乘体验等），创造用户价值和商业价值，助力滴滴在国际市场的成功。算法团队作为滴滴国际化交易市场IBG Marketplace 的核心团队，加入我们不仅可以不断提升自己的技术壁垒，加强对业务的理解深度，同时还可以收获到一群使命驱动平等开放志同道合的伙伴们 【岗位职责】 1. 负责国际化网约车交易策略算法设计和实现,包括但不限于司乘匹配,运力调度,流量分发,供需预测,仿真系统等方向； 2. 针对不同国家交易市场的供需情况和竞争态势,和业务方协同设定目标,使用机器学习/强化学习/运筹优化等算法和技术,优化成交率等核心业务指标,助力业务发展。
1.负责金融反欺诈的算法建设，包含特征挖掘、模型开发等； 2.搭建各业务环节的机器学习、深度学习模型，并负责模型部署应用、维护、监控和设计迭代； 3.深入理解反欺诈场景的业务风险，提炼用户行为、关联关系等风险特征，确定不同欺诈场景的风险表现和模型评估效果； 4.负责欺诈场景中不同风险表现的监控，感知欺诈场景的风险情况，并不断优化模型风险识别能力； 5.跟进配合产品和策略同学的线上决策，灵活响应业务的调整需求； 6.研究前沿机器学习、深度学习、图神经网络等算法在领域的实践和应用；