{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "搜索-国际化短视频推荐算法工程师",
        "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": "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": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "团队介绍：国际化短视频搜索团队主要负责国际化短视频的搜索算法创新和架构研发工作。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：\n1、探索最前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；\n2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；\n3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；\n4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新。 \t\n主要负责：\n1、参与国际化短视频，以及国际化短电商，生活服务等重点业务的搜索推荐模型和策略改进，负责这些业务的搜索流量和用户渗透增长 & 搜索心智建设任务；\n2、以推荐算法为核心技术栈，改进基于超大规模机器学习模型的推荐系统，覆盖从候选挖掘到召回，粗排，精排，多目标融合全链路技术环节；\n3、探索短文本推荐和通用推荐技术的上限，重点是推荐和NLP技术的联合应用，以及多模态等前沿技术的探索。\n\n业务介绍\n1、搜索增长业务：团队负责的功能和场景，基本覆盖了绝大多数的搜索流量并且是过去TikTok搜索流量增长的最大原因。手段包含引导/激发/便捷化搜索发生之前的全流程，如主feed里视频/评论激发的推荐query场景，搜索前的输入补全和搜索后的结果相关搜索场景。 不仅为搜索带来更多流量，也使得流量本身的单位价值更高；\n2、电商搜索增长业务：电商是app重要的变现手段，搜索作为其中货架心智建设的关键一环，电商搜索流量的增长和心智的建立，在其中起到重要作用；\n3、搜索与端的结合：作为搜索业务，同样负责fyp排序里搜索相关的排序逻辑，改变端的生态激发用户搜索探索更多内容的意愿。并且用用户的搜索行为，为用户提供更好的feed浏览体验。",
        "requirements_text": "1、基础要求：较好的算法设计能力和工程实现能力，有机器学习/强化学习/NLP应用（其一）的实践经验；\n2、具备良好的沟通和表达能力，对好的用户体验有自己的认识，有较好的产品意识者优先。\n\n加分项：\n1、有大规模（候选大，用户量大）推荐系统优化经验者优先；\n2、有大规模NLP语言模型预训练经验优先；\n3、参加过ACM等竞赛并取得好名次者优先。",
        "skills": [AI生成
            "机器学习",
            "强化学习",
            "算法设计"
        ],
        "preferred_qualifications": "2、具备良好的沟通和表达能力，对好的用户体验有自己的认识，有较好的产品意识者优先；加分项：；1、有大规模（候选大，用户量大）推荐系统优化经验者优先；2、有大规模NLP语言模型预训练经验优先；3、参加过ACM等竞赛并取得好名次者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7267130592445401381/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7267130592445401381",
        "post_date": "2023-08-14",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7267130592445401381/detail"
    },
    "fulltext": "搜索-国际化短视频推荐算法工程师\n职位描述\n团队介绍：国际化短视频搜索团队主要负责国际化短视频的搜索算法创新和架构研发工作。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：\n1、探索最前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；\n2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；\n3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；\n4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新。 \t\n主要负责：\n1、参与国际化短视频，以及国际化短电商，生活服务等重点业务的搜索推荐模型和策略改进，负责这些业务的搜索流量和用户渗透增长 & 搜索心智建设任务；\n2、以推荐算法为核心技术栈，改进基于超大规模机器学习模型的推荐系统，覆盖从候选挖掘到召回，粗排，精排，多目标融合全链路技术环节；\n3、探索短文本推荐和通用推荐技术的上限，重点是推荐和NLP技术的联合应用，以及多模态等前沿技术的探索。\n\n业务介绍\n1、搜索增长业务：团队负责的功能和场景，基本覆盖了绝大多数的搜索流量并且是过去TikTok搜索流量增长的最大原因。手段包含引导/激发/便捷化搜索发生之前的全流程，如主feed里视频/评论激发的推荐query场景，搜索前的输入补全和搜索后的结果相关搜索场景。 不仅为搜索带来更多流量，也使得流量本身的单位价值更高；\n2、电商搜索增长业务：电商是app重要的变现手段，搜索作为其中货架心智建设的关键一环，电商搜索流量的增长和心智的建立，在其中起到重要作用；\n3、搜索与端的结合：作为搜索业务，同样负责fyp排序里搜索相关的排序逻辑，改变端的生态激发用户搜索探索更多内容的意愿。并且用用户的搜索行为，为用户提供更好的feed浏览体验。\n\n职位要求\n1、基础要求：较好的算法设计能力和工程实现能力，有机器学习/强化学习/NLP应用（其一）的实践经验；\n2、具备良好的沟通和表达能力，对好的用户体验有自己的认识，有较好的产品意识者优先。\n\n加分项：\n1、有大规模（候选大，用户量大）推荐系统优化经验者优先；\n2、有大规模NLP语言模型预训练经验优先；\n3、参加过ACM等竞赛并取得好名次者优先。\n团队介绍：国际化短视频搜索团队主要负责国际化短视频的搜索算法创新和架构研发工作。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：\n1、探索最前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；\n2、跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；\n3、大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；\n4、千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务的方方面面都有深入研究和创新。 \t\n主要负责：\n1、参与国际化短视频，以及国际化短电商，生活服务等重点业务的搜索推荐模型和策略改进，负责这些业务的搜索流量和用户渗透增长 & 搜索心智建设任务；\n2、以推荐算法为核心技术栈，改进基于超大规模机器学习模型的推荐系统，覆盖从候选挖掘到召回，粗排，精排，多目标融合全链路技术环节；\n3、探索短文本推荐和通用推荐技术的上限，重点是推荐和NLP技术的联合应用，以及多模态等前沿技术的探索。\n\n业务介绍\n1、搜索增长业务：团队负责的功能和场景，基本覆盖了绝大多数的搜索流量并且是过去TikTok搜索流量增长的最大原因。手段包含引导/激发/便捷化搜索发生之前的全流程，如主feed里视频/评论激发的推荐query场景，搜索前的输入补全和搜索后的结果相关搜索场景。 不仅为搜索带来更多流量，也使得流量本身的单位价值更高；\n2、电商搜索增长业务：电商是app重要的变现手段，搜索作为其中货架心智建设的关键一环，电商搜索流量的增长和心智的建立，在其中起到重要作用；\n3、搜索与端的结合：作为搜索业务，同样负责fyp排序里搜索相关的排序逻辑，改变端的生态激发用户搜索探索更多内容的意愿。并且用用户的搜索行为，为用户提供更好的feed浏览体验。\n1、基础要求：较好的算法设计能力和工程实现能力，有机器学习/强化学习/NLP应用（其一）的实践经验；\n2、具备良好的沟通和表达能力，对好的用户体验有自己的认识，有较好的产品意识者优先。\n\n加分项：\n1、有大规模（候选大，用户量大）推荐系统优化经验者优先；\n2、有大规模NLP语言模型预训练经验优先；\n3、参加过ACM等竞赛并取得好名次者优先。"
}