主分类：未分类
待分类
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": "推荐算法工程师（ECPP方向）-抖音电商",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京、上海",
"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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责中心化电商场景下推荐系统的算法设计与优化，涵盖召回、排序、重排序全链路，持续提升推荐精准度与用户体验；\n2、优化多目标排序模型（留存/主访LT/GMV等），融合上千维特征与复杂模型结构，平衡算力与效果；\n3、建设频道、个性化Feed流、瓷片区、Tab内排序、条件筛选等多场景推荐策略，支持招商圈选与素材包驱动的候选池推荐；\n4、负责推荐埋点规范设计、样本构造及AB实验分析，用数据驱动策略迭代；\n5、协同工程团队优化在线服务性能，保障高QPS下推荐链路稳定性。",
"requirements_text": "1、本科及以上学历，计算机、数学、统计学等相关专业；\n2、熟悉推荐系统架构，有召回/排序/重排任一环节的实战经验；\n3、扎实的机器学习基础，熟练使用TensorFlow/PyTorch等框架；\n4、具备较强的数据分析与AB实验能力，能独立完成策略迭代闭环；\n5、有电商推荐或推荐系统经验者优先。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"机器学习",
"数据分析",
"系统架构"
],
"preferred_qualifications": "5、有电商推荐或推荐系统经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7683799485642787077/detail"
}
]
},
"posting": {
"posting_id": "7683799485642787077",
"post_date": "2026-09-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7683799485642787077/detail"
},
"fulltext": "推荐算法工程师（ECPP方向）-抖音电商\n职位描述\n1、负责中心化电商场景下推荐系统的算法设计与优化，涵盖召回、排序、重排序全链路，持续提升推荐精准度与用户体验；\n2、优化多目标排序模型（留存/主访LT/GMV等），融合上千维特征与复杂模型结构，平衡算力与效果；\n3、建设频道、个性化Feed流、瓷片区、Tab内排序、条件筛选等多场景推荐策略，支持招商圈选与素材包驱动的候选池推荐；\n4、负责推荐埋点规范设计、样本构造及AB实验分析，用数据驱动策略迭代；\n5、协同工程团队优化在线服务性能，保障高QPS下推荐链路稳定性。\n\n职位要求\n1、本科及以上学历，计算机、数学、统计学等相关专业；\n2、熟悉推荐系统架构，有召回/排序/重排任一环节的实战经验；\n3、扎实的机器学习基础，熟练使用TensorFlow/PyTorch等框架；\n4、具备较强的数据分析与AB实验能力，能独立完成策略迭代闭环；\n5、有电商推荐或推荐系统经验者优先。\n1、负责中心化电商场景下推荐系统的算法设计与优化，涵盖召回、排序、重排序全链路，持续提升推荐精准度与用户体验；\n2、优化多目标排序模型（留存/主访LT/GMV等），融合上千维特征与复杂模型结构，平衡算力与效果；\n3、建设频道、个性化Feed流、瓷片区、Tab内排序、条件筛选等多场景推荐策略，支持招商圈选与素材包驱动的候选池推荐；\n4、负责推荐埋点规范设计、样本构造及AB实验分析，用数据驱动策略迭代；\n5、协同工程团队优化在线服务性能，保障高QPS下推荐链路稳定性。\n1、本科及以上学历，计算机、数学、统计学等相关专业；\n2、熟悉推荐系统架构，有召回/排序/重排任一环节的实战经验；\n3、扎实的机器学习基础，熟练使用TensorFlow/PyTorch等框架；\n4、具备较强的数据分析与AB实验能力，能独立完成策略迭代闭环；\n5、有电商推荐或推荐系统经验者优先。",
"standard_classification": {
"std_category_code": null,
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": null
}
}