职位详情

职位列表 链接有效 不适用(官网全量采集) official:bytedance:7615463265674135861

时序预测大模型算法实习生-国际电商

未披露 · 北京 · 字节跳动

主分类:通用算法研发(其他方向)
算法与数据
来源 JD 数据(旧分类保留,当前主分类见上方)
{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "时序预测大模型算法实习生-国际电商",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "未披露",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "算法"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品,旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "2027届本科以上学历在读",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "ByteIntern:面向2027届毕业生(2026年9月-2027年8月期间毕业),为符合岗位要求的同学提供转正机会。\n团队介绍:国际电商是以TikTok为载体的电商业务(也称为TikTok Shop),致力于成为用户发现并获取优价好物的首选平台,在直播电商、视频内容电商、货架电商等多场景下,国际电商希望能为用户提供更个性化、更主动、更高效的消费体验,为商家提供稳定可靠的平台服务,致力于新奇好物畅销全球,美好生活触手可得的使命。\nData-电商团队是国际电商的核心算法技术力量,专注于电商领域的算法创新,帮助用户高效发现感兴趣的商品,保障用户的购物安全,提升交易各环节的智能化水平。在这里,你将与一流的产品和技术团队合作、钻研,一起应对技术和业务上的挑战,推动技术在电商场景的深度落地。\n\n1、面向国际电商的全球供应链物流以及全球商家商品等业务中,大规模时序数据(供应链时序,销量时序,物流时序,商品生命周期、内容演化、多模态事件流等)构成了业务智能的底层基础;随着业务复杂度和规模的持续提升,传统时序模型在长序列建模、跨模态关联、少样本泛化和复杂决策推理等方面逐渐遇到瓶颈;\n2、参与时序大模型(Large Time-series Foundation Model)的设计、训练与迭代,构建统一的时序建模底座能力,围绕电商及内容场景中的大规模时序数据,探索预测、理解与生成等核心任务的通用建模方法;\n3、挖掘并构建高质量时序预训练数据集,持续提升模型的泛化性与稳定性;\n4、跟踪并落地时序建模、AIGC、LLM、多模态等前沿研究,推动模型能力的持续升级。",
        "requirements_text": "1、2027届本科以上学历在读,计算机、软件工程等相关专业优先;\n2、熟练掌握PyTorch等框架,具备良好的Python/C++编程能力;\n3、具备较强的学习能力和解决问题能力,能积极参与团队协作与项目推进。",
        "skills": [AI生成
            "Python",
            "C++",
            "PyTorch",
            "项目推进",
            "团队协作",
            "解决问题",
            "学习能力"
        ],
        "preferred_qualifications": "1、2027届本科以上学历在读,计算机、软件工程等相关专业优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/campus/position/7615463265674135861/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7615463265674135861",
        "post_date": "2026-03-10",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/campus/position/7615463265674135861/detail"
    },
    "fulltext": "时序预测大模型算法实习生-国际电商\n职位描述\nByteIntern:面向2027届毕业生(2026年9月-2027年8月期间毕业),为符合岗位要求的同学提供转正机会。\n团队介绍:国际电商是以TikTok为载体的电商业务(也称为TikTok Shop),致力于成为用户发现并获取优价好物的首选平台,在直播电商、视频内容电商、货架电商等多场景下,国际电商希望能为用户提供更个性化、更主动、更高效的消费体验,为商家提供稳定可靠的平台服务,致力于新奇好物畅销全球,美好生活触手可得的使命。\nData-电商团队是国际电商的核心算法技术力量,专注于电商领域的算法创新,帮助用户高效发现感兴趣的商品,保障用户的购物安全,提升交易各环节的智能化水平。在这里,你将与一流的产品和技术团队合作、钻研,一起应对技术和业务上的挑战,推动技术在电商场景的深度落地。\n\n1、面向国际电商的全球供应链物流以及全球商家商品等业务中,大规模时序数据(供应链时序,销量时序,物流时序,商品生命周期、内容演化、多模态事件流等)构成了业务智能的底层基础;随着业务复杂度和规模的持续提升,传统时序模型在长序列建模、跨模态关联、少样本泛化和复杂决策推理等方面逐渐遇到瓶颈;\n2、参与时序大模型(Large Time-series Foundation Model)的设计、训练与迭代,构建统一的时序建模底座能力,围绕电商及内容场景中的大规模时序数据,探索预测、理解与生成等核心任务的通用建模方法;\n3、挖掘并构建高质量时序预训练数据集,持续提升模型的泛化性与稳定性;\n4、跟踪并落地时序建模、AIGC、LLM、多模态等前沿研究,推动模型能力的持续升级。\n\n职位要求\n1、2027届本科以上学历在读,计算机、软件工程等相关专业优先;\n2、熟练掌握PyTorch等框架,具备良好的Python/C++编程能力;\n3、具备较强的学习能力和解决问题能力,能积极参与团队协作与项目推进。\nByteIntern:面向2027届毕业生(2026年9月-2027年8月期间毕业),为符合岗位要求的同学提供转正机会。\n团队介绍:国际电商是以TikTok为载体的电商业务(也称为TikTok Shop),致力于成为用户发现并获取优价好物的首选平台,在直播电商、视频内容电商、货架电商等多场景下,国际电商希望能为用户提供更个性化、更主动、更高效的消费体验,为商家提供稳定可靠的平台服务,致力于新奇好物畅销全球,美好生活触手可得的使命。\nData-电商团队是国际电商的核心算法技术力量,专注于电商领域的算法创新,帮助用户高效发现感兴趣的商品,保障用户的购物安全,提升交易各环节的智能化水平。在这里,你将与一流的产品和技术团队合作、钻研,一起应对技术和业务上的挑战,推动技术在电商场景的深度落地。\n\n1、面向国际电商的全球供应链物流以及全球商家商品等业务中,大规模时序数据(供应链时序,销量时序,物流时序,商品生命周期、内容演化、多模态事件流等)构成了业务智能的底层基础;随着业务复杂度和规模的持续提升,传统时序模型在长序列建模、跨模态关联、少样本泛化和复杂决策推理等方面逐渐遇到瓶颈;\n2、参与时序大模型(Large Time-series Foundation Model)的设计、训练与迭代,构建统一的时序建模底座能力,围绕电商及内容场景中的大规模时序数据,探索预测、理解与生成等核心任务的通用建模方法;\n3、挖掘并构建高质量时序预训练数据集,持续提升模型的泛化性与稳定性;\n4、跟踪并落地时序建模、AIGC、LLM、多模态等前沿研究,推动模型能力的持续升级。\n1、2027届本科以上学历在读,计算机、软件工程等相关专业优先;\n2、熟练掌握PyTorch等框架,具备良好的Python/C++编程能力;\n3、具备较强的学习能力和解决问题能力,能积极参与团队协作与项目推进。",
    "standard_classification": {
        "std_category_code": "T033",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}