JD数据
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "增长算法工程师-抖音直播",
"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、设计开发大规模因果模型,支持多场景多目标的十亿用户级建模要求,优化娱乐直播用户的留存和体验;\n2、设计开发激励策略,刻画策略对用户的长期影响,量化单次激励对于用户的长期增益、优化投放和激励策略,设计在无偏数据以及成本约束下的激励策略;\n3、研究突破业务激励增长算法难题,包括大规模离散特征深度学习、因果模型、关系网络、运筹优化策略等研究方向,为业务增长赋能。",
"requirements_text": "1、具备扎实的编码能力和机器学习理论基础,拥有良好的代码习惯和文档编写能力;\n2、掌握机器学习的理论基础,熟悉经典的算法模型 (GBDT/LR/FM/DNN等) 和相关工具框架 (Tensorflow/PyTorch等);\n3、能熟练使用Hive/S预估、因果推断、Uplift建模、统筹优化等项目中有实际的工作经验更佳;\n4、优秀的理解沟通和团队协作能力,能快速理解业务背景,对数据敏感,以数据事实为基准,有较强责任心。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"机器学习",
"团队协作",
"建模"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7270443778410039609/detail"
}
]
},
"posting": {
"posting_id": "7270443778410039609",
"post_date": "2023-08-23",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7270443778410039609/detail"
},
"fulltext": "增长算法工程师-抖音直播\n职位描述\n1、设计开发大规模因果模型,支持多场景多目标的十亿用户级建模要求,优化娱乐直播用户的留存和体验;\n2、设计开发激励策略,刻画策略对用户的长期影响,量化单次激励对于用户的长期增益、优化投放和激励策略,设计在无偏数据以及成本约束下的激励策略;\n3、研究突破业务激励增长算法难题,包括大规模离散特征深度学习、因果模型、关系网络、运筹优化策略等研究方向,为业务增长赋能。\n\n职位要求\n1、具备扎实的编码能力和机器学习理论基础,拥有良好的代码习惯和文档编写能力;\n2、掌握机器学习的理论基础,熟悉经典的算法模型 (GBDT/LR/FM/DNN等) 和相关工具框架 (Tensorflow/PyTorch等);\n3、能熟练使用Hive/S预估、因果推断、Uplift建模、统筹优化等项目中有实际的工作经验更佳;\n4、优秀的理解沟通和团队协作能力,能快速理解业务背景,对数据敏感,以数据事实为基准,有较强责任心。\n1、设计开发大规模因果模型,支持多场景多目标的十亿用户级建模要求,优化娱乐直播用户的留存和体验;\n2、设计开发激励策略,刻画策略对用户的长期影响,量化单次激励对于用户的长期增益、优化投放和激励策略,设计在无偏数据以及成本约束下的激励策略;\n3、研究突破业务激励增长算法难题,包括大规模离散特征深度学习、因果模型、关系网络、运筹优化策略等研究方向,为业务增长赋能。\n1、具备扎实的编码能力和机器学习理论基础,拥有良好的代码习惯和文档编写能力;\n2、掌握机器学习的理论基础,熟悉经典的算法模型 (GBDT/LR/FM/DNN等) 和相关工具框架 (Tensorflow/PyTorch等);\n3、能熟练使用Hive/S预估、因果推断、Uplift建模、统筹优化等项目中有实际的工作经验更佳;\n4、优秀的理解沟通和团队协作能力,能快速理解业务背景,对数据敏感,以数据事实为基准,有较强责任心。"
}