职位职责： 1、与推荐产品、算法、运营多个电商业务部门合作，通过数据分析、数据挖掘、实验分析、异动归因、特征建设等工作协助业务洞察用户策略、内容商品供给、流量分发等方向问题，为业务发展带来增量认知，与业务共同优化电商推荐系统、改善用户体验、为用户创造价值； 2、电商推荐指标体系建设：依据业务核心战略目标，制定完善电商推荐指标体系，规划建设业务指标数据、数据产品，完成核心业务指标异动归因，为业务与管理层提供决策支持，实现数据产品化； 3、实验工程：参与实验设计、实验异动归因、实验效果评估、实验下钻分析等AB实验全流程工作，通过实验分析为推荐策略迭代方向提出优化建议，规范实验评估体系建设，协助业务制定实验评估指标组，制定科学的指标评估方法； 4、推荐策略分析：依据业务战略目标，与对电商业务理解，制定逻辑清晰的分析框架，撰写专业分析报告，通过分析清晰定位业务发展问题，为业务发展提供增量洞察指导业务发展方向； 5、特征挖掘：通过统计学习、机器学习等建模方法，挖掘用户行为规律，内容、商品特征价值，内容、商品供给线索，协助优化推荐算法，挖掘算法驱动业务增长点，推动数据产品、技术落地； 6、方法论沉淀和创新：组织相关团队进行数据产品理念、技能、工具的培训，推动业务部门数据化运营。 职位要求： 1、数据分析、挖掘、建模相关的工作经验，具备电商搜索、推荐、广告数据经验者优先，计算机、统计学、数学专业优先，具有机器学习算法基础者加分； 2、掌握基本数据分析方法，对数据落地到业务有一定经验，有专业的分析报告撰写能力； 3、对特征工程、用户行为建模等有相对丰富的经验，能够基于实际的业务场景，抽象问题为具体的模型，最终提供数据驱动的产品和见解，并影响产品和业务决策的跟踪记录； 4、有使用SQL、Python等数据分析经验，有建模经验择优； 5、对数据科学有热情，具有主人翁精神，沟通表达能力优、协调推动能力强。

职位职责： 1、负责抖音多题材内容的业务算法工作，共同搭建业界领先的推荐系统； 2、深入理解业务和机器学习技术，优化模型&策略，持续提升推荐效果； 3、深入理解用户行为，结合数据挖掘等技术，优化用户创作和浏览等体验。 职位要求： 1、具备优秀的编码能力，扎实的数据结构和算法功底； 2、业务思维强，具备优秀的发现问题、分析问题和解决问题的能力，对解决具有挑战性问题充满激情； 3、对技术有热情，有良好的沟通表达能力和团队精神； 4、熟悉机器学习，对推荐系统相关领域有经验者优先； 5、优秀的分析问题和解决问题的能力，有良好的沟通表达能力和团队精神。

岗位职责： 1、负责搜狐新闻相关的算法研发、优化工作，运用策略和算法手段为用户带来更好的产品体验； 2、参与推荐系统的全链路开发与优化，包括但不局限于召回、排序、混排等； 3、通过对数据的敏锐洞察，深入挖掘产品潜在价值和需求； 4、追踪推荐领域的前沿技术，并进行模型创新，合理的运用在业务中； 任职要求： 1、推荐/搜索/广告/机器学习相关背景，有 1～3年工作经验； 2、有大规模推荐算法和系统研发经验者优先，对推荐算法有热情、乐于学习、思考和创新； 3、关注技术前沿进展，对解决具有挑战性问题充满激情； 4、较好的团队合作精神，较强的沟通能力和自我驱动力。

岗位职责： 1.负责腾讯音乐集团相关产品推荐算法的设计实现与优化； 2.负责完善现有推荐系统的基础算法及并行计算框架； 3.负责音乐平台业务的基于用户/音乐特性的数据挖掘及推荐策略设计实现； 4.负责能够根据业务数据变化不断设计并调整算法策略来提升算法质量，并最终提升用户体验。 岗位要求： 1.硕士及以上学历； 2.计算机，统计，信息，数学等相关专业毕业优先； 3.扎实可靠的编程能力，精通C/C++/GO至少一门编程语言； 4.熟悉业内推荐算法及数据挖掘领域的技术热点和进展，对互联网在线音乐的推荐系统架构设计有深入了解； 5.了解Hadoop/Spark生态相关技术优先； 6.具备规模分布式数据存储与计算开发经验者优先； 7.沟通能力佳，表达能力出众者，音乐爱好者优先。

美团平台为用户的基础产品体验负责，还承担了美团的用户增长、市场和品牌营销以及多条业务线的产品设计职责，建立了融合文字、图片、视频和直播等不同形式的內容生态系统，同时整合地图服务部、客户服务和体验部、企业业务部、网约车业务部等部门，致力于用科技提升美团数亿消费者、近千万商家、骑手、司机和团长的服务体验。美团平台拥有高并发、多业务的复杂场景，为技术深度优化提供了最佳实践可能。这里有简单、讲逻辑、有爱的团队，更是一块理想的实战场地，舞台广阔，欢迎你来尽情施展。 岗位职责 1）负责美团视频推荐策略建设，提升用户的消费深度与体验 2）深刻理解用户意图与内容偏好，持续提升推荐能力及精准度 3）分析并探索用户需求，结合C端产品及交互优化设计解决方案 4）独立完成框架式策略能力设计，并持续监控数据进行有效迭代 岗位基本需求 1）本科及以上学历，3年+策略相关经验，有网赚类或视频产品经验优先 2）良好的用户洞察能力，乐于发现用户需求，且能提炼共性策略及机会 3）优秀的业务思维，并能从业务需求和数据中持续探寻产品的优化方向 4）结果为导向，有很强的Owner 意识，能够通过多种方式影响团队 岗位亮点 交易与内容双轮驱动，短视频助力美团增长。

工作职责 业内研究表明，生成式的推荐系统存在Scaling Law现象，Scaling Law的出现相较于现有推荐系统无法通过扩充持续提升效果的现象，提出了新的可能性。该团队负责小红书生成式推荐方向，目前已经完成了原型架构的开发和线上验证，欢迎业内MLLM领域的专家一起，共同探索生成式推荐在真实业务场景的价值。 【职位描述】 1、负责生成式推荐在小红书社区推荐&展示广告场景的研发； 2、通过Post-training/RLHF等技术，提升MLLM在推荐/广告领域的表现； 3、在生成式架构下，借助MLLM来提升或重塑内容分发的效率（如冷启动/中长尾/Scaling-law等）； 任职资格 【任职资格】 1、3年以上工作经验，有大规模场景的内容理解或AIGC经验（如相关性、图搜、； 2、负责过完整的MLLM项目，具有完善的业务和技术视角； 3、具备大规模场景下的创新能力，在实际业务场景中发表过高水平论文者优先；

商业增值部是服务于美团核心本地商业客户的增值服务平台，覆盖餐饮、即时零售、医药、休闲娱乐、丽人医美、生活服务、酒旅度假等业务领域。我们致力于构建健康的本地商业生态，通过为平台客户和消费者提供符合其需求的多元、便捷、高效的商业产品和服务，帮助生态伙伴提高效率、优化经营、实现持续健康发展，推动本地商业数字化营销的发展，促进商业生态繁荣。作为本地商业的头部平台，我们为产品、运营、商务、技术、商业分析等领域人才提供广阔的发展空间。诚邀你加入美团商业增值团队，共筑本地商业的健康繁荣生态！ 岗位职责 1、结合到餐业务特性、流量场景特点，通过数据分析、行业调研等方式，明确分场景的广告变现模式及阶段性产品迭代重点； 2、负责推荐广告策略设计，通过召排策略优化、创意优化、机制设计等，完成广告收入和体验目标； 3、持续探索、完善推荐方向的指标体系、评估方法，异动分析下钻框架，并推动数据基建和核心看板建设； 4、协同推荐各渠道业务产运团队、算法团队、引擎团队，建立协作机制，推动项目落地，完成业务目标。 岗位基本需求 1、至少3年流量策略产品经验，有推荐/搜索广告策略经验者优先； 2、较强的业务理解能力和数据敏感度，有一定的数据分析方法论，能熟练使用SQL； 3、逻辑缜密、沟通良好、勇于挑战、善于分析和解决问题、良好的自驱力。 岗位亮点 1、深入接触O2O广告核心业务，对于行业视野提升、效果广告能力提升均有良好的空间； 2、推荐作为重要流量渠道，能深度参与并影响业务，价值创造空间大； 3、靠谱团队，团队氛围好。

工作职责 业内研究表明，生成式的推荐系统存在Scaling Law现象，Scaling Law的出现相较于现有推荐系统无法通过扩充持续提升效果的现象，提出了新的可能性。该团队负责小红书生成式推荐方向，目前已经完成了原型架构的开发和线上验证，欢迎业内在推荐/广告/搜索等领域的专家一起，共同探索生成式推荐在真实业务场景的价值。 【职位描述】 1、负责生成式推荐在小红书社区推荐&展示广告场景的研发； 2、在生成式架构下，重新思考传统推荐架构中的行为建模技术（如超长序列、多兴趣等），并在召回/排序等场景中进行应用； 3、与MLLM和架构团队配合，将其他生成式模型的知识和能力迁移进实时的生成式推荐架构中； 任职资格 【任职资格】 1、3年以上工作经验，熟悉推荐系统，在召回、排序、混排中任一模块有丰富的迭代经验； 2、动手能力极强，有ACM竞赛名次或参与过业内高难度项目； 3、具备大规模场景下的创新能力，在实际业务场景中发表过高水平论文者优先；

岗位职责: 1.推荐系统方向的系统设计和后端开发实现、推荐策略和算法等。2.ctr server、标签系统、用户画像、内容推荐等相关方向的研发工作。3.海量用户服务架构、大规模数据平台、算法平台等相关开发和建设。 任职资格: 1.重点本科以上学历，计算机/数学相关专业；1年以上推荐相关方向研发经验。2.熟悉java或者c++,java语言优先；熟悉linux开发环境，较好的编程功底。3.对数据敏感，较强的动手实践能力、代码工程经验，逻辑思维强。加分项：1.了解nlp、特征工程、推荐系统、策略优化等。2.有大规模推荐系统架构设计和开发经验，知名互联网工作经历，有带团队经验优先。

职位描述： 1. 负责个性化推荐系统的架构设计与开发，包括训练框架优化、推理服务性能提升、推荐策略功能实现等。 2. 与算法团队紧密合作，参与推荐策略的落地与迭代，推动业务目标达成。 3. 关注业界前沿技术，探索并引入新技术与工具，持续提升系统效率与效果。 任职要求： 1. 扎实的编程能力与算法基础，熟练掌握C++/Python开发，具备Linux环境下开发经验。 2. 熟悉分布式系统、高性能计算、服务优化等技术，有大规模系统优化经验者优先。 3. 了解推荐系统、搜索算法等相关领域知识，有推荐业务开发或优化经验者优先。 4. 具备良好的沟通能力和团队协作精神，能够快速学习并解决复杂问题。 5. 以业务目标为导向，具备强烈的责任心和自驱力，能够在快节奏环境中高效工作。

职位描述 1. 负责探索兴趣、高热内容高效融合的个性化推荐系统，探索大模型技术在推荐系统中的应用，构建博文推荐、词推荐在同步场景的统一解决方案； 2. 负责推荐系统中多样性、偏差问题、公平性问题、用户兴趣层次等方面问题的持续分析和优化； 职位要求 1. 计算机相关专业，硕士及以上学历； 2. 扎实的算法和数据结构基础，优秀的编码能力，优秀的分析和解决问题能力； 3. 机器学习基础扎实，熟悉深度学习算法（CNN/RNN/LSTM/RL/Transformer/面向内容推荐的大规模Sparse&Dense模型等）； 4. 熟悉至少一种主流深度学习编程框架（TensorFlow/PyTorch）； 5. 具备优秀的学习能力和良好的团队合作精神，较好的沟通能力以及抗压能力；

岗位职责: 1.负责酷我音乐各业务场景推荐策略优化及算法研发； 2.通过理解用户行为，结合数据挖掘技术，快速迭代并优化用户体验，以及各项数据指标； 3.能够有效学习并落地工业界前沿推荐算法，对业务增长起到推动作用。 任职要求: 1.计算机、数学或相关专业本科以上学历，三年以上工作经验； 2.熟悉常用机器学习算法、深度学习算法，并在推荐系统/搜索/广告等有理论基础和实践经验； 3.熟悉TensorFlow、pytorch常见深度学习框架，熟悉Spark，Hive等大数据处理工具； 4.具有良好的工程实现能力，熟练掌握C/C++、Java、Python等至少一种编程语言； 5.有较好的学习能力、沟通能力、团队协作能力，积极主动，愿意接受挑战。

岗位介绍： 深度参与彩贝壳算法模型搭建，负责推荐/预测模型评估，决策， 并持续优化算法模型等内容。 岗位要求： 1.有5年以上互联网工作经验，熟悉推荐/搜索相关流程，2年以上推荐/搜索领域实际工作经历 2.具有扎实的数据结构和基础算法功底，深入了解JavaCore，具有丰富的JVM调优经验以及Java源码阅读能力 3.熟悉常见的Java技术栈，包括Springboot,Dubbo,Redis,进程内缓存等，并对其中一项有深入研究 4.对召回，粗排，精排，预测等工程侧流程，有着深刻的认知以及优化意识 5.具备优秀的代码设计能力，能灵活应用相关设计模式 6.积极主动，认真负责，具备良好的技术问题分析能力，团队协作能力，强烈的责任心以及抗压能力 加分项： 1.在电商，OTA或本地生活领域内，有推荐/搜索/动态定价/选品等算法工作经历 2.有0-1搭建算法模型经验 3.了解Java语言以及对应的技术栈；

工作内容： 1、参与彩贝壳平台商品的推荐场景的工程架构需求对接，提升停留时长、点击率、留存率等核心指标； 2、参与机器学习、深度学习领域的技术研发工作，包括但不限于神经元网络模型设计与优化、强化学习、迁移学习、主动学习等的算法和系统研发等； 3、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； 4、通过超大规模机器学习模型和系统，使用先进的检索和排序手段，优化平台的推荐效果； 5、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； 6、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； 任职资格： 1、计算机、数学或统计学相关专业本科及以上学历； 2、优秀的编码与代码控制能力, 扎实的数据结构和算法功底，熟悉Linux，C++，Java和Python； 3、熟悉大规模数据挖掘、机器学习、分布式计算，具备实际工作经验优先； 4、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。

岗位职责： 负责叮咚买菜搜索和推荐相关算法工作，包括且不限于NLP、特征工程、模型策略开发等相关工作； 任职资格： 1.计算机，数学或统计学相关专业硕士及以上学历 2.扎实的机器学习基础，能够运用LR、GBDT等传统机器学习模型解决实际的业务问题； 3.扎实的深度学习基础，能够运用DIN、W&D、DeepFM、PNN等模型； 4.熟练使用一种或几种深度学习框架（如tensorflow、caffe、mxnet、pytorch等） 5.熟悉Python/Java/C++/Golang等至少一门编程语言 6.有推荐系统、自然语言处理、深度学习、搜索算法等方面的算法积累者优先