职位&公司对比
职位详情
- 北京
- 不限
- 本科
- 搜索算法
- 推荐算法
- 自然语言处理
岗位描述: 1. 负责神马搜索及推荐产品中的离线及在线算法研发和持续优化; 2. 和业务团队深入合作,通过算法改进不断提升用户体验和促进业务发展; 3. 具体工作内容包括: a. 基于大规模用户行为及海量数据,优化搜索排序基础算法及策略,探索个性化直聘、场景化的搜索排序。 b. 基于大规模用户行为,以用户体验、业务效果未目标,建立并优化推荐系统的基础算法和策略 c. 跨行业、垂类的通用搜索、推荐算法技术及解决方案的积累 d. 应用机器学习尖端技术,突破推荐及搜索领域核心算法问题 岗位要求: 1. 具备较好的算法知识背景。熟悉机器学习原理与算法,能熟练运用分类、回归、排序等模型解决相关问题。 2. 3年以上搜索或推荐类产品的算法研发经验,了解常领域用算法,BOSS直聘理解算法思想,并有实际应用经验。 3. 有LTR(Learning to Rank)、大规模并行化机器学习研发经历为佳。 4.BOSS直聘 熟悉linux平台,精通c++/java,熟悉python,具有良好的编程习惯和算法基础。 5. 了解相关领域的最新进展,能够将前沿方法引入到工作中不断提升效果。
职位详情
- 北京
- 不限
- 硕士
- Python
- 搜索/信息检索算法经验
- 推荐算法经验
岗位描述 工作职麦为以下方向之一:1.搜索相关性算法:设计和优化淘主主搜相关性下QueV理解、商品理解、深度语义相关性、类目预测、实体匹配等方向;建立台理的相关性评测方法,进行数据挖掘,选代数据标注任务,积累电商 领域知识数据资产; 2.接索召回算法:设计和优化淘宝主搜召回下超大规模召回任务:负责文本que理解/商品理解、超大规模智能索引的构建、基于图文kanzhun双模态的语义匹配等技术方向在召回的落地;负责大规模用户人性化召回技术直聘;设计和优化多路召回差异化协同机制,设计指导召回选代的评价指标;3.搜索排序算法:设计和优化淘宝主接排序下超大规模点击率、转化率精准预估任务:深入研究全城用户行为建模、大规模商品表达、端到端多模态排序、全域信息汗移、无偏学习等boss技术方向在排房的应用: 4.搜索基础算法:探索稀疏模型结构设计,优化模型在样本、训练、存储和推理的极致性能;研究和分析搜索全链路多阶段漏斗,优化和设计搜索全链路框架设计;5、多模态&大语言模型:研究和开发基于多模态的预训练算法,按掘电商图kanzhun文多模态信息,构建电商商品多模态预训练表征学习件务:探索大语言模型在检索任务上的训练方式,分析和解决大语言楼型在电商搜索召回和排序上的挑战和问题,完成在具体搜索任务的落地应用: 岗位要求 1.计算机、boss自动化、数学或统计学等相关专业; 2.具备扎实的数据结构,算法和编码能力,精通至少一种编程语言,如C++、JAVA、Python等 3.熟练掌握机器学习/深度学习算法的基本原理,并能灵活运用 4.有扎实的动手能力,有工业界相关方向的实践经验者,或参加过ACM或数据挖掘/机器学习类竟赛并取得优异名次者优先 5.有强烈的技术热情,有皮实乐观、不畏挫折的心态;具备优秀的分析和解决问题的能力;具备优秀的学习能力和团队合作精神6.在顶级计算机学术会议(SIGIR、SIGKDD、ICML、NIPS、WWW、AAACIKM、ACL、RECSYS、CVPR、ICCV、ECCV、ICLR等)或期刊上发表过论文者优先
技能解析
- 解决方案
- 用户体验
- 海量数据
- 算法基础
- 提升用户体验
- 熟悉机器学习
- 研发经验
- 编程习惯
- 算法技术
- 机器学习
- 基础算法
- 用户行为
数据来自CSL职业科学研究室
技能解析
- JAVA
- 结构设计
- 编程语言
- 学习能力和
- 优秀的分析
- 合作精神
- 学习算法
- 数据挖掘
- 分析和解决问题的能力
- 数据标注
- 团队合作精神
- 研究和分析
- 解决问题的能力
- 深度学习
- 研究和开发
- 解决问题
- 深度学习算法
- 团队合作
- 框架设计
- 数据结构
- 基本原理
- 动手能力
- 学习能力
- 分析和解决问题
- 编码能力
- 机器学习
- 基础算法
- 用户行为
数据来自CSL职业科学研究室
工作时间
公司福利
- 五险一金
- 补充医疗保险
- 年终奖
- 股票期权
- 员工旅游
- 免费班车
- 餐补
- 交通补助
- 节日福利
- 零食下午茶
公司福利
- 健身房
- 节日福利
- 团建聚餐
- 餐补
- 带薪年假
- 年终奖
- 定期体检
- 补充医疗保险
- 五险一金
- 不定期培训
备注
职位发布者未明确表明公司信息,具体可咨询职位发布人进行确认。