岗位职责
- 参与百亿级社交关系推荐优化，并利用社交网络关系优化用户视频观看、互动、分享等行为体验，提升用户在快手的消费深度和长期留存；
- 采用GNN图神经网络、多目标建模、迁移学习、因果纠偏、对比学习等技术手段持续优化推荐召回、粗排、精排等推荐链路效率；
- 针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能；
- 与产品、DA等团队合作，共同优化快手社交体验，满足不同年龄、兴趣等人群的社交需求，构建快手社交核心竞争力。
职位要求
- 优秀的编码与代码控制能力, 有扎实的数据结构和算法功底；
- 熟悉Linux开发环境，熟悉C++和Python语言，熟悉TensorFlow或PyTorch；
- 熟悉大规模数据挖掘、机器学习、分布式计算，具备推荐/广告/搜索等信息检索相关领域实际工作经验；
- 具备GNN图算法或社交网络推荐相关工作经验优先；
- 学习能力优秀，具有创造性思维和执行力，对于技术落地有浓厚兴趣，善于思考和运用新知识。
