主分类：搜索推荐与业务决策算法研发
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": "广告归因算法工程师-Ads Core",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "研发"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、用户行为序列建模：负责收集并加工字节跳动全场景的用户行为数据，为LRM模型构建统一和完整的用户行为序列特征，优化用户行为序列建模的效率和效果；\n2、归因策略和算法研发：负责线上归因策略MTA与DDA的开发与迭代，解决复杂用户行为路径下的转化贡献问题（Uplift modeling），基于归因结果，优化模型预估，预算分配与投放策略。",
"requirements_text": "1、具备扎实的编程能力，拥有良好的数据结构与算法功底；\n2、熟悉C++、Java、Golang、Python中的至少一门编程语言，具备大规模分布式数据处理能力（Spark、Flink、Hive）；\n3、对数据敏感，能够从数据中发现问题，具备优秀的数据与问题分析能力，对技术充满热情，热衷于解决具有挑战性的问题；\n4、熟悉机器学习基础知识，在推荐系统、计算广告、搜索引擎等相关领域有经验者优先。\n\n加分项\n1、有用户行为序列建模方向（Transformer、DIN、DIEN、SIM等）经验者优先；\n2、有因果推断（Causal Inference）和增效建模（Uplift modeling）经验者优先。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Golang",
"Spark",
"Flink",
"机器学习",
"数据结构",
"分析能力",
"建模",
"Go"
],
"preferred_qualifications": "4、熟悉机器学习基础知识，在推荐系统、计算广告、搜索引擎等相关领域有经验者优先；加分项；1、有用户行为序列建模方向（Transformer、DIN、DIEN、SIM等）经验者优先；2、有因果推断（Causal Inference）和增效建模（Uplift modeling）经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7620830122849093893/detail"
}
]
},
"posting": {
"posting_id": "7620830122849093893",
"post_date": "2026-03-24",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7620830122849093893/detail"
},
"fulltext": "广告归因算法工程师-Ads Core\n职位描述\n1、用户行为序列建模：负责收集并加工字节跳动全场景的用户行为数据，为LRM模型构建统一和完整的用户行为序列特征，优化用户行为序列建模的效率和效果；\n2、归因策略和算法研发：负责线上归因策略MTA与DDA的开发与迭代，解决复杂用户行为路径下的转化贡献问题（Uplift modeling），基于归因结果，优化模型预估，预算分配与投放策略。\n\n职位要求\n1、具备扎实的编程能力，拥有良好的数据结构与算法功底；\n2、熟悉C++、Java、Golang、Python中的至少一门编程语言，具备大规模分布式数据处理能力（Spark、Flink、Hive）；\n3、对数据敏感，能够从数据中发现问题，具备优秀的数据与问题分析能力，对技术充满热情，热衷于解决具有挑战性的问题；\n4、熟悉机器学习基础知识，在推荐系统、计算广告、搜索引擎等相关领域有经验者优先。\n\n加分项\n1、有用户行为序列建模方向（Transformer、DIN、DIEN、SIM等）经验者优先；\n2、有因果推断（Causal Inference）和增效建模（Uplift modeling）经验者优先。\n1、用户行为序列建模：负责收集并加工字节跳动全场景的用户行为数据，为LRM模型构建统一和完整的用户行为序列特征，优化用户行为序列建模的效率和效果；\n2、归因策略和算法研发：负责线上归因策略MTA与DDA的开发与迭代，解决复杂用户行为路径下的转化贡献问题（Uplift modeling），基于归因结果，优化模型预估，预算分配与投放策略。\n1、具备扎实的编程能力，拥有良好的数据结构与算法功底；\n2、熟悉C++、Java、Golang、Python中的至少一门编程语言，具备大规模分布式数据处理能力（Spark、Flink、Hive）；\n3、对数据敏感，能够从数据中发现问题，具备优秀的数据与问题分析能力，对技术充满热情，热衷于解决具有挑战性的问题；\n4、熟悉机器学习基础知识，在推荐系统、计算广告、搜索引擎等相关领域有经验者优先。\n\n加分项\n1、有用户行为序列建模方向（Transformer、DIN、DIEN、SIM等）经验者优先；\n2、有因果推断（Causal Inference）和增效建模（Uplift modeling）经验者优先。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}