主分类：搜索推荐与业务决策算法研发
辅助：大模型与生成式算法研发（仅展示）
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": "算法工程师-供应链需求预测",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "盒马",
"location": "杭州 / 上海",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "盒马",
"company_industry": "零售 / 生鲜电商",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "盒马提供日用品、生鲜商品及即时零售服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 智能预测与风控体系构建： 支持相关产品与能力的构建，包括销量预测、智能预警、异常检测、行为序列预测等场景。跟踪时序预测、时空预测、序列预测、异常检测、可解释机器学习、联邦学习、流程挖掘等前沿算法，并合理运用到实际产品中； \n2. AI智能&NLP： 参与对话系统、舆情监控、知识图谱等自然语言理解与生成相关应用，构建领域内容大模型。设计并优化预训练语言模型，进行高效微调、模型压缩、推理加速等工作，将NLP、多模态内容理解和生成技术运用于实际产品中； \n3. 行业趋势与技术跟踪： 持续跟踪行业最新趋势和技术动态，通过深度行业洞察和市场分析，及时预警潜在问题，提出前瞻性的解决方案； \n4. 产品优化与决策支持： 参与供应链的数字化项目，推动技术实现与业务落地，提升决策质量、速度、规模和可解释性； \n5. 跨部门协作与项目落地： 与协作部门紧密合作，规划与设计数据集，推动供需预测相关问题解决，确保项目落地并取得预期结果。",
"requirements_text": "1. 硕士及以上学历，数学、统计、计算机科学等相关专业，同时有计算机硬件、供应链相关专业背景者优先； \n2. 有供应链路数据分析经验、数据建模分析项目实习经验者优先； \n3. 至少熟练掌握Python、Java语言中的一种，熟练掌握机器学习、深度学习、大模型等技术，至少熟悉一种深度学习/机器学习框架（TensorFlow，Pytorch，MindSpore等）； \n4. 熟练掌握需求分析和系统设计方法，具有较强的应用/技术洞察与抽象泛化设计能力； \n5. 熟悉Transformer、增量预训练、SFT、RAG、Agent技术栈，有供应链AIGC相关场景实践及落地者优先； \n6. 熟悉常见的AI技术原理及应用，包括CV、NLP等; \n7. 熟悉大模型的应用方式(包括微调、提示等），熟悉供应链等行业的业务场景和诉求，具备主动识别和规划业务应用场景的能力； \n8. 学习能力强，对新事物保持好奇心，并能快速适应新环境；\n9. 对所在领域有热情，善于独立思考并反思总结。",
"skills": [AI生成
"Python",
"Java",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"数据分析",
"需求分析",
"学习能力",
"建模",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "1. 硕士及以上学历，数学、统计、计算机科学等相关专业，同时有计算机硬件、供应链相关专业背景者优先；2. 有供应链路数据分析经验、数据建模分析项目实习经验者优先；5. 熟悉Transformer、增量预训练、SFT、RAG、Agent技术栈，有供应链AIGC相关场景实践及落地者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907700024?deptCodes="
}
]
},
"posting": {
"posting_id": "199907700024",
"post_date": "2026-08-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907700024?deptCodes="
},
"fulltext": "算法工程师-供应链需求预测\n算法工程师-供应链需求预测\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：杭州 / 上海\n\n职位描述\n1. 智能预测与风控体系构建： 支持相关产品与能力的构建，包括销量预测、智能预警、异常检测、行为序列预测等场景。跟踪时序预测、时空预测、序列预测、异常检测、可解释机器学习、联邦学习、流程挖掘等前沿算法，并合理运用到实际产品中； \n2. AI智能&NLP： 参与对话系统、舆情监控、知识图谱等自然语言理解与生成相关应用，构建领域内容大模型。设计并优化预训练语言模型，进行高效微调、模型压缩、推理加速等工作，将NLP、多模态内容理解和生成技术运用于实际产品中； \n3. 行业趋势与技术跟踪： 持续跟踪行业最新趋势和技术动态，通过深度行业洞察和市场分析，及时预警潜在问题，提出前瞻性的解决方案； \n4. 产品优化与决策支持： 参与供应链的数字化项目，推动技术实现与业务落地，提升决策质量、速度、规模和可解释性； \n5. 跨部门协作与项目落地： 与协作部门紧密合作，规划与设计数据集，推动供需预测相关问题解决，确保项目落地并取得预期结果。\n\n职位要求\n1. 硕士及以上学历，数学、统计、计算机科学等相关专业，同时有计算机硬件、供应链相关专业背景者优先； \n2. 有供应链路数据分析经验、数据建模分析项目实习经验者优先； \n3. 至少熟练掌握Python、Java语言中的一种，熟练掌握机器学习、深度学习、大模型等技术，至少熟悉一种深度学习/机器学习框架（TensorFlow，Pytorch，MindSpore等）； \n4. 熟练掌握需求分析和系统设计方法，具有较强的应用/技术洞察与抽象泛化设计能力； \n5. 熟悉Transformer、增量预训练、SFT、RAG、Agent技术栈，有供应链AIGC相关场景实践及落地者优先； \n6. 熟悉常见的AI技术原理及应用，包括CV、NLP等; \n7. 熟悉大模型的应用方式(包括微调、提示等），熟悉供应链等行业的业务场景和诉求，具备主动识别和规划业务应用场景的能力； \n8. 学习能力强，对新事物保持好奇心，并能快速适应新环境；\n9. 对所在领域有热情，善于独立思考并反思总结。\n\n在招业务\n盒马\n1. 智能预测与风控体系构建： 支持相关产品与能力的构建，包括销量预测、智能预警、异常检测、行为序列预测等场景。跟踪时序预测、时空预测、序列预测、异常检测、可解释机器学习、联邦学习、流程挖掘等前沿算法，并合理运用到实际产品中； \n2. AI智能&NLP： 参与对话系统、舆情监控、知识图谱等自然语言理解与生成相关应用，构建领域内容大模型。设计并优化预训练语言模型，进行高效微调、模型压缩、推理加速等工作，将NLP、多模态内容理解和生成技术运用于实际产品中； \n3. 行业趋势与技术跟踪： 持续跟踪行业最新趋势和技术动态，通过深度行业洞察和市场分析，及时预警潜在问题，提出前瞻性的解决方案； \n4. 产品优化与决策支持： 参与供应链的数字化项目，推动技术实现与业务落地，提升决策质量、速度、规模和可解释性； \n5. 跨部门协作与项目落地： 与协作部门紧密合作，规划与设计数据集，推动供需预测相关问题解决，确保项目落地并取得预期结果。\n1. 硕士及以上学历，数学、统计、计算机科学等相关专业，同时有计算机硬件、供应链相关专业背景者优先； \n2. 有供应链路数据分析经验、数据建模分析项目实习经验者优先； \n3. 至少熟练掌握Python、Java语言中的一种，熟练掌握机器学习、深度学习、大模型等技术，至少熟悉一种深度学习/机器学习框架（TensorFlow，Pytorch，MindSpore等）； \n4. 熟练掌握需求分析和系统设计方法，具有较强的应用/技术洞察与抽象泛化设计能力； \n5. 熟悉Transformer、增量预训练、SFT、RAG、Agent技术栈，有供应链AIGC相关场景实践及落地者优先； \n6. 熟悉常见的AI技术原理及应用，包括CV、NLP等; \n7. 熟悉大模型的应用方式(包括微调、提示等），熟悉供应链等行业的业务场景和诉求，具备主动识别和规划业务应用场景的能力； \n8. 学习能力强，对新事物保持好奇心，并能快速适应新环境；\n9. 对所在领域有热情，善于独立思考并反思总结。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}