岗位职责
- ETA 精准预测：深入研究影响包裹时效的各种因素，构建深度学习和统计模型，为电商物流提供端到端预计到达时间 (ETA) 预测。并结合商家行为/物流网络刻画等因子刻画降低ETA预测的不确定性；
- 个性化时效表达：构建基于因果推断的 ETA 表达模型， 基于用户画像、历史行为、偏好等数据，构建个性化的 ETA 展示策略和物流服务方案，为用户提供可靠/符合期待的物流服务体验；
- 因果推断驱动的决策优化：将因果推断应用于表达决策、分单决策等场景，制定更科学合理的决策方案，优化用户体验的同时促进消费者的购买转化；
- 在线动态决策：研究和开发基于在线优化技术的动态决策方案，做好表达准确率/超时率/不确定性/转化指标/体验指标之间的动态权衡；
- 包裹轨迹预测与异常检测：利用深度学习、时间序列分析等技术，对包裹的时空轨迹序列进行建模与预测，并结合因果推断识别潜在的异常情况，提前预警并采取干预措施，提升物流履约的稳定性和可靠性。
职位要求
- 在机器学习 / 因果推断 / 运筹优化 / 供应链物流行业 的某个领域有深入的研究或者经验，有较强的实践能力；
- 本科及以上学历，数学、统计学、计算机、供应链与物流等相关专业；
- 具备扎实的数据结构和算法设计基础，熟练使用 Python，并熟悉至少一种深度学习框架（如 TensorFlow, PyTorch）；
- 熟悉因果推断、强化学习、在线优化等相关理论和方法，并有相关项目经验者优先；
- 有较强的学习能力和好奇心，逻辑清晰，具备良好的团队合作和沟通能力。
