核心职责
1. 推荐与广告算法系统搭建
- 负责推荐系统全链路开发（召回、排序、重排），设计多目标优化策略（CTR、广告质量、用户体验）。
- 构建高精度CTR预估模型，优化用户点击行为预测能力。
2. 数据与特征工程
- 构建用户画像、商品/广告特征库，挖掘用户实时行为（点击、浏览、购买）的深层关联。
- 开发特征交叉、Embedding表示学习方法，提升CTR模型对稀疏数据的泛化能力。
3. 算法优化与实验*
- 搭建A/B测试框架，验证模型对CTR、广告收入、用户留存等指标的影响。
- 解决冷启动、数据稀疏性、长尾流量分发问题，提升广告商品的曝光效率。
4. 工程落地与协作
- 推动模型高性能部署，保障线上服务低延迟。
- 与产品、运营团队协作，定义业务埋点规范及核心指标（CTR、转化率、广告ROI）。
任职要求
必备条件
1. 技术能力*
- 扎实的机器学习基础，熟悉LR、GBDT、深度学习等算法，精通CTR预估模型（如Wide&Deep、DeepFM）。
- 熟练使用Python/Scala/Java，掌握TensorFlow/PyTorch框架，熟悉Spark/Flink等大数据工具。
- 熟悉推荐系统全链路（召回→排序→重排），有大规模数据处理经验。
2. 项目经验
- 3年以上推荐/搜索算法经验，有CTR优化案例（如提升幅度≥10%）。
- 熟悉数据驱动方法论，能通过归因分析、漏斗分析定位业务瓶颈。
3.综合能力
- 逻辑清晰，能快速理解业务需求并转化为算法策略。
- 有团队协作意识，适应跨部门（产品、数据、工程）高效沟通。
优先条件（具备则加分)
1. 广告算法经验
- 熟悉广告技术栈（DSP/SSP、RTB竞价、ECPM机制）或广告业务指标（CVR、CPC、ROAS）。
- 有广告场景CTR优化经验，主导过广告推荐。
- 优化广告质量分层机制（如负反馈过滤、创意多样性控制）
- 主导广告场景特有策略（如ECPM竞价优化、冷启动素材匹配、广告拍卖机制设计）
2. 领域知识
- 理解电商/B2B平台用户行为特点，熟悉商品推荐、广告变现的商业逻辑。
- 具备多模态学习（文本/图像特征融合）或实时在线学习经验。