岗位职责
- 独特的业务问题，涉及到商品/直播/短视频等多种体裁的混合推荐，多个场景/多种目标的联合建模；
- 超大规模的推荐模型优化，利用深度学习、迁移学习、多任务学习、表征学习、强化学习等多种方法提升信息匹配的效率；
- 在用户长短期兴趣建模和特征交互方式上持续研究探索，不断提高用户兴趣的匹配精度；
- 在多样性，发现性，用户/物品冷启动，高品质商品和主播的挖掘等问题专项研究，构建良性的循环机制，优化内容电商生态；
- 结合内容电商的业务特性，进行模型和算法创新，打造业界领先的推荐算法和系统。
职位要求
- 扎实的算法和数据结构基础，优秀的问题理解能力和编码能力；
- 机器学习基础理论扎实，熟悉常用的算法模型（如CF、FM、Word2vec、LR、GBDT、DNN），对模型调优有一定实践经验；
- 对推荐系统召回/排序/多样性/冷启动中一个或多个方向有过深入的实践，了解业界经典的模型和方法；
- 熟悉至少一门编程语言（C/C++/Java/go/python），熟悉至少一种大数据计算工具（hive sql/spark/mapreduce），熟悉至少一种神经网络框架（Tensorflow、Pytorch），熟悉Linux开发环境，具备一定的工程能力；
- 善于沟通，乐观自信，良好的团队合作精神；对新技术充满好奇，能够持续学习，乐于实践，无惧试错。 加分项 ：
- 有个性化推荐、广告、搜索等相关领域的项目经验；
- 在KDD、NeurIPS、WWW、SIGIR、WSDM、CIKM、ICLR、ICML、IJCAI、AAAI、RecSys等会议发表过论文；
- 有过数据挖掘/机器学习或ACM-ICPC/NOI/IOI相关的竞赛经历并取得优秀成绩；
- 有高关注度的机器学习相关博客或github项目。
