部门介绍
快手消费策略算法部混排方向，核心服务于场域内不同业务（消费/直播/电商/商业化/本地生活）物料间混排排序机制策略的设计与优化，兼顾用户体验与整体流量产生的公司营收利润，实现更高的流量效率，为公司创造价值。
- 参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标；
- 参与机器学习、深度学习领域的技术研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统研发等；
- 分析海量用户行为数据和视频数据，增加有效的特征，挖掘用户兴趣，优化排序机制；
- 通过超大规模的机器学习模型和系统，使用先进的检索和排序手段，优化社区生态，优化快手短视频推荐效果；
- 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；
- 参与搭建推荐系统框架，提供高并发、大数据、高效可靠的线上服务；
- 参与全域流量博弈的机制设计，协助拓展业务边界；
- 参与前沿问题探索与研究，结合实际应用场景，提供全面的技术解决方案。
岗位职责
招聘官网暂未提供完整岗位职责，请前往官网核实。
职位要求
- 硕士及以上学历，计算机、数学或统计学相关专业；
- 熟悉Linux、C++、Java或Python，优秀的编码能力，扎实的数据结构和算法功底；
- 具有推荐系统、机器学习、数据挖掘或者自然语言理解等相关领域知识；
- 善于阅读文献，快速学习 ，具备优秀的分析和解决问题的能力，良好的沟通协作能力。 加分项：
- 有推荐系统、机器学习、信息检索、自然语言理解、计算广告学及算法博弈论相关领域研究或实习经验；
- 有实际线上的高并发架构开发和调优的经验；
- 在SIGKDD、ICML、NIPS、WSDM、WWW、ACL、RECSYS等相关国际顶级会议上有文献发表；
- 有ICPC、Topcoder Algorithm或类似算法竞赛经历者优先。
