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": "推荐算法专家岗",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "京东科技",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "研发类"AI生成
},
"company": {
"company_name": "京东集团",
"company_industry": "电商 / 供应链 / 物流 / 科技服务",
"company_size": "10000人以上",
"company_website": "jd.com",
"company_description": "京东是一家以供应链为基础的技术与服务企业，覆盖零售、物流、科技、健康等业务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "专业背景：计算机、数学、数据挖掘或 AI 相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "推荐算法专家岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：京东科技\n发布时间：2026-09-07\n\n岗位职责\n我们是金融科技事业群，作为京东科技旗下核心事业群之一，主要业务聚焦于金融领域与科技技术的融合创新。在过去10余年间，我们基于服务京东内外生态的经验与积淀，从京东供应链走向产业供应链，携手金融机构等合作伙伴，陆续推出了多款供应链金融、消费金融、支付科技、信用卡数字化运营、财富管理、数据科技等产品，为大中小型企业及广大个人用户提供丰富便捷的金融科技服务。我们形成了覆盖京东内场+生态、科技+金融、上游+下游、B端+C端的全产业链综合服务能力。欢迎加入我们，一起推进产业与金融的优化融合与价值创造。\n1.负责京东金融核心场景（支付场景推荐、金融内容推荐、企业商户商品推荐、通用转化率预估等）的推荐算法建设，构建面向支付、内容、B 端交易的个性化推荐体系，并为各业务线提供通用的 CVR 预估能力；\n2.核心指标优化：负责支付场景推荐、金融内容推荐、企业商户商品推荐等核心场景的算法优化，持续提升 CTR、CVR 及业务转化指标；\n3.推荐链路深挖：深入优化推荐系统全链路，包括特征体系、多路召回、精排、重排及策略调优（优惠力度、推荐位序、额度分配等），利用深度学习技术解决冷启动、多样性与相关性平衡等难题；\n4.转化率预估能力建设：构建可复用的通用 CVR 预估能力，支撑新业务场景低成本快速接入；推动特征口径规范化与数据质量前置校验，规避特征穿越与样本偏差导致的重复回溯；\n5.多目标与长效建模：构建多目标优化模型（MMoE、PLE 等），平衡点击、转化与业务收益，优化多场景流量分配机制；\n6.前沿技术落地：跟踪生成式推荐、大模型（LLM）辅助推荐、图表示学习等前沿方向，并将其转化为实际业务生产力；\n7.效果跟进与归因：定义评测指标，主导 A/B 实验与效果归因分析，用数据驱动迭代。\n\n任职要求\n1.专业背景：计算机、数学、数据挖掘或 AI 相关专业本科及以上学历；\n2.行业深耕：推荐算法或相关领域（广告、搜索）从业经验，有大规模推荐系统实战经验，能独立解决数据冷启动、样本偏差、特征穿越等复杂问题；\n3.技术背景：精通深度学习在推荐领域的应用（Wide&Deep、DeepFM、DIN/DIEN、Transformer 等系列模型），熟悉多目标优化（MMoE、PLE 等）与经典召回排序方法（协同过滤 / 向量召回 / LR / GBDT）；\n4.工程能力：精通 Python/Java/C++ 至少一种语言，熟悉分布式计算框架（Spark/Flink）及深度学习框架（TensorFlow/PyTorch），具备海量数据处理能力；\n5.软素质：对数据敏感，理解\"模型效果好 ≠ 业务收益好\"，能定义并跟踪北极星与护栏指标；具备优秀的沟通能力与跨团队推动力；\n6.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n加分项\n1、有金融 / 消费金融 / 支付场景推荐或用户增长经验（消费信贷、支付、企业金融等业务）。\n2、有增长 / 营销算法经验：营销发券、优惠力度决策、转化率预测、用户分层建模。\n3、熟悉线上推荐链路工程化（特征平台、在线推理、A/B 实验平台）的完整落地经验。\n4、在生成式推荐、LLM + 推荐或多模态推荐领域有实际落地经验，或在 RecSys、KDD、SIGIR 等顶会发表过论文、在知名算法比赛中获奖。",
"requirements_text": "推荐算法专家岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：京东科技\n发布时间：2026-09-07\n\n岗位职责\n我们是金融科技事业群，作为京东科技旗下核心事业群之一，主要业务聚焦于金融领域与科技技术的融合创新。在过去10余年间，我们基于服务京东内外生态的经验与积淀，从京东供应链走向产业供应链，携手金融机构等合作伙伴，陆续推出了多款供应链金融、消费金融、支付科技、信用卡数字化运营、财富管理、数据科技等产品，为大中小型企业及广大个人用户提供丰富便捷的金融科技服务。我们形成了覆盖京东内场+生态、科技+金融、上游+下游、B端+C端的全产业链综合服务能力。欢迎加入我们，一起推进产业与金融的优化融合与价值创造。\n1.负责京东金融核心场景（支付场景推荐、金融内容推荐、企业商户商品推荐、通用转化率预估等）的推荐算法建设，构建面向支付、内容、B 端交易的个性化推荐体系，并为各业务线提供通用的 CVR 预估能力；\n2.核心指标优化：负责支付场景推荐、金融内容推荐、企业商户商品推荐等核心场景的算法优化，持续提升 CTR、CVR 及业务转化指标；\n3.推荐链路深挖：深入优化推荐系统全链路，包括特征体系、多路召回、精排、重排及策略调优（优惠力度、推荐位序、额度分配等），利用深度学习技术解决冷启动、多样性与相关性平衡等难题；\n4.转化率预估能力建设：构建可复用的通用 CVR 预估能力，支撑新业务场景低成本快速接入；推动特征口径规范化与数据质量前置校验，规避特征穿越与样本偏差导致的重复回溯；\n5.多目标与长效建模：构建多目标优化模型（MMoE、PLE 等），平衡点击、转化与业务收益，优化多场景流量分配机制；\n6.前沿技术落地：跟踪生成式推荐、大模型（LLM）辅助推荐、图表示学习等前沿方向，并将其转化为实际业务生产力；\n7.效果跟进与归因：定义评测指标，主导 A/B 实验与效果归因分析，用数据驱动迭代。\n\n任职要求\n1.专业背景：计算机、数学、数据挖掘或 AI 相关专业本科及以上学历；\n2.行业深耕：推荐算法或相关领域（广告、搜索）从业经验，有大规模推荐系统实战经验，能独立解决数据冷启动、样本偏差、特征穿越等复杂问题；\n3.技术背景：精通深度学习在推荐领域的应用（Wide&Deep、DeepFM、DIN/DIEN、Transformer 等系列模型），熟悉多目标优化（MMoE、PLE 等）与经典召回排序方法（协同过滤 / 向量召回 / LR / GBDT）；\n4.工程能力：精通 Python/Java/C++ 至少一种语言，熟悉分布式计算框架（Spark/Flink）及深度学习框架（TensorFlow/PyTorch），具备海量数据处理能力；\n5.软素质：对数据敏感，理解\"模型效果好 ≠ 业务收益好\"，能定义并跟踪北极星与护栏指标；具备优秀的沟通能力与跨团队推动力；\n6.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n加分项\n1、有金融 / 消费金融 / 支付场景推荐或用户增长经验（消费信贷、支付、企业金融等业务）。\n2、有增长 / 营销算法经验：营销发券、优惠力度决策、转化率预测、用户分层建模。\n3、熟悉线上推荐链路工程化（特征平台、在线推理、A/B 实验平台）的完整落地经验。\n4、在生成式推荐、LLM + 推荐或多模态推荐领域有实际落地经验，或在 RecSys、KDD、SIGIR 等顶会发表过论文、在知名算法比赛中获奖。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Spark",
"Flink",
"PyTorch",
"TensorFlow",
"深度学习",
"推荐算法",
"数据挖掘",
"沟通能力",
"建模",
"招聘",
"大语言模型"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.jd.com/web/job-info-detail?requementId=224039"
}
]
},
"posting": {
"posting_id": "224039",
"post_date": "2026-09-07",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.jd.com/web/job-info-detail?requementId=224039"
},
"fulltext": "推荐算法专家岗\n推荐算法专家岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：京东科技\n发布时间：2026-09-07\n\n岗位职责\n我们是金融科技事业群，作为京东科技旗下核心事业群之一，主要业务聚焦于金融领域与科技技术的融合创新。在过去10余年间，我们基于服务京东内外生态的经验与积淀，从京东供应链走向产业供应链，携手金融机构等合作伙伴，陆续推出了多款供应链金融、消费金融、支付科技、信用卡数字化运营、财富管理、数据科技等产品，为大中小型企业及广大个人用户提供丰富便捷的金融科技服务。我们形成了覆盖京东内场+生态、科技+金融、上游+下游、B端+C端的全产业链综合服务能力。欢迎加入我们，一起推进产业与金融的优化融合与价值创造。\n1.负责京东金融核心场景（支付场景推荐、金融内容推荐、企业商户商品推荐、通用转化率预估等）的推荐算法建设，构建面向支付、内容、B 端交易的个性化推荐体系，并为各业务线提供通用的 CVR 预估能力；\n2.核心指标优化：负责支付场景推荐、金融内容推荐、企业商户商品推荐等核心场景的算法优化，持续提升 CTR、CVR 及业务转化指标；\n3.推荐链路深挖：深入优化推荐系统全链路，包括特征体系、多路召回、精排、重排及策略调优（优惠力度、推荐位序、额度分配等），利用深度学习技术解决冷启动、多样性与相关性平衡等难题；\n4.转化率预估能力建设：构建可复用的通用 CVR 预估能力，支撑新业务场景低成本快速接入；推动特征口径规范化与数据质量前置校验，规避特征穿越与样本偏差导致的重复回溯；\n5.多目标与长效建模：构建多目标优化模型（MMoE、PLE 等），平衡点击、转化与业务收益，优化多场景流量分配机制；\n6.前沿技术落地：跟踪生成式推荐、大模型（LLM）辅助推荐、图表示学习等前沿方向，并将其转化为实际业务生产力；\n7.效果跟进与归因：定义评测指标，主导 A/B 实验与效果归因分析，用数据驱动迭代。\n\n任职要求\n1.专业背景：计算机、数学、数据挖掘或 AI 相关专业本科及以上学历；\n2.行业深耕：推荐算法或相关领域（广告、搜索）从业经验，有大规模推荐系统实战经验，能独立解决数据冷启动、样本偏差、特征穿越等复杂问题；\n3.技术背景：精通深度学习在推荐领域的应用（Wide&Deep、DeepFM、DIN/DIEN、Transformer 等系列模型），熟悉多目标优化（MMoE、PLE 等）与经典召回排序方法（协同过滤 / 向量召回 / LR / GBDT）；\n4.工程能力：精通 Python/Java/C++ 至少一种语言，熟悉分布式计算框架（Spark/Flink）及深度学习框架（TensorFlow/PyTorch），具备海量数据处理能力；\n5.软素质：对数据敏感，理解\"模型效果好 ≠ 业务收益好\"，能定义并跟踪北极星与护栏指标；具备优秀的沟通能力与跨团队推动力；\n6.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n加分项\n1、有金融 / 消费金融 / 支付场景推荐或用户增长经验（消费信贷、支付、企业金融等业务）。\n2、有增长 / 营销算法经验：营销发券、优惠力度决策、转化率预测、用户分层建模。\n3、熟悉线上推荐链路工程化（特征平台、在线推理、A/B 实验平台）的完整落地经验。\n4、在生成式推荐、LLM + 推荐或多模态推荐领域有实际落地经验，或在 RecSys、KDD、SIGIR 等顶会发表过论文、在知名算法比赛中获奖。\n推荐算法专家岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：京东科技\n发布时间：2026-09-07\n\n岗位职责\n我们是金融科技事业群，作为京东科技旗下核心事业群之一，主要业务聚焦于金融领域与科技技术的融合创新。在过去10余年间，我们基于服务京东内外生态的经验与积淀，从京东供应链走向产业供应链，携手金融机构等合作伙伴，陆续推出了多款供应链金融、消费金融、支付科技、信用卡数字化运营、财富管理、数据科技等产品，为大中小型企业及广大个人用户提供丰富便捷的金融科技服务。我们形成了覆盖京东内场+生态、科技+金融、上游+下游、B端+C端的全产业链综合服务能力。欢迎加入我们，一起推进产业与金融的优化融合与价值创造。\n1.负责京东金融核心场景（支付场景推荐、金融内容推荐、企业商户商品推荐、通用转化率预估等）的推荐算法建设，构建面向支付、内容、B 端交易的个性化推荐体系，并为各业务线提供通用的 CVR 预估能力；\n2.核心指标优化：负责支付场景推荐、金融内容推荐、企业商户商品推荐等核心场景的算法优化，持续提升 CTR、CVR 及业务转化指标；\n3.推荐链路深挖：深入优化推荐系统全链路，包括特征体系、多路召回、精排、重排及策略调优（优惠力度、推荐位序、额度分配等），利用深度学习技术解决冷启动、多样性与相关性平衡等难题；\n4.转化率预估能力建设：构建可复用的通用 CVR 预估能力，支撑新业务场景低成本快速接入；推动特征口径规范化与数据质量前置校验，规避特征穿越与样本偏差导致的重复回溯；\n5.多目标与长效建模：构建多目标优化模型（MMoE、PLE 等），平衡点击、转化与业务收益，优化多场景流量分配机制；\n6.前沿技术落地：跟踪生成式推荐、大模型（LLM）辅助推荐、图表示学习等前沿方向，并将其转化为实际业务生产力；\n7.效果跟进与归因：定义评测指标，主导 A/B 实验与效果归因分析，用数据驱动迭代。\n\n任职要求\n1.专业背景：计算机、数学、数据挖掘或 AI 相关专业本科及以上学历；\n2.行业深耕：推荐算法或相关领域（广告、搜索）从业经验，有大规模推荐系统实战经验，能独立解决数据冷启动、样本偏差、特征穿越等复杂问题；\n3.技术背景：精通深度学习在推荐领域的应用（Wide&Deep、DeepFM、DIN/DIEN、Transformer 等系列模型），熟悉多目标优化（MMoE、PLE 等）与经典召回排序方法（协同过滤 / 向量召回 / LR / GBDT）；\n4.工程能力：精通 Python/Java/C++ 至少一种语言，熟悉分布式计算框架（Spark/Flink）及深度学习框架（TensorFlow/PyTorch），具备海量数据处理能力；\n5.软素质：对数据敏感，理解\"模型效果好 ≠ 业务收益好\"，能定义并跟踪北极星与护栏指标；具备优秀的沟通能力与跨团队推动力；\n6.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n加分项\n1、有金融 / 消费金融 / 支付场景推荐或用户增长经验（消费信贷、支付、企业金融等业务）。\n2、有增长 / 营销算法经验：营销发券、优惠力度决策、转化率预测、用户分层建模。\n3、熟悉线上推荐链路工程化（特征平台、在线推理、A/B 实验平台）的完整落地经验。\n4、在生成式推荐、LLM + 推荐或多模态推荐领域有实际落地经验，或在 RecSys、KDD、SIGIR 等顶会发表过论文、在知名算法比赛中获奖。\n推荐算法专家岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：京东科技\n发布时间：2026-09-07\n\n岗位职责\n我们是金融科技事业群，作为京东科技旗下核心事业群之一，主要业务聚焦于金融领域与科技技术的融合创新。在过去10余年间，我们基于服务京东内外生态的经验与积淀，从京东供应链走向产业供应链，携手金融机构等合作伙伴，陆续推出了多款供应链金融、消费金融、支付科技、信用卡数字化运营、财富管理、数据科技等产品，为大中小型企业及广大个人用户提供丰富便捷的金融科技服务。我们形成了覆盖京东内场+生态、科技+金融、上游+下游、B端+C端的全产业链综合服务能力。欢迎加入我们，一起推进产业与金融的优化融合与价值创造。\n1.负责京东金融核心场景（支付场景推荐、金融内容推荐、企业商户商品推荐、通用转化率预估等）的推荐算法建设，构建面向支付、内容、B 端交易的个性化推荐体系，并为各业务线提供通用的 CVR 预估能力；\n2.核心指标优化：负责支付场景推荐、金融内容推荐、企业商户商品推荐等核心场景的算法优化，持续提升 CTR、CVR 及业务转化指标；\n3.推荐链路深挖：深入优化推荐系统全链路，包括特征体系、多路召回、精排、重排及策略调优（优惠力度、推荐位序、额度分配等），利用深度学习技术解决冷启动、多样性与相关性平衡等难题；\n4.转化率预估能力建设：构建可复用的通用 CVR 预估能力，支撑新业务场景低成本快速接入；推动特征口径规范化与数据质量前置校验，规避特征穿越与样本偏差导致的重复回溯；\n5.多目标与长效建模：构建多目标优化模型（MMoE、PLE 等），平衡点击、转化与业务收益，优化多场景流量分配机制；\n6.前沿技术落地：跟踪生成式推荐、大模型（LLM）辅助推荐、图表示学习等前沿方向，并将其转化为实际业务生产力；\n7.效果跟进与归因：定义评测指标，主导 A/B 实验与效果归因分析，用数据驱动迭代。\n\n任职要求\n1.专业背景：计算机、数学、数据挖掘或 AI 相关专业本科及以上学历；\n2.行业深耕：推荐算法或相关领域（广告、搜索）从业经验，有大规模推荐系统实战经验，能独立解决数据冷启动、样本偏差、特征穿越等复杂问题；\n3.技术背景：精通深度学习在推荐领域的应用（Wide&Deep、DeepFM、DIN/DIEN、Transformer 等系列模型），熟悉多目标优化（MMoE、PLE 等）与经典召回排序方法（协同过滤 / 向量召回 / LR / GBDT）；\n4.工程能力：精通 Python/Java/C++ 至少一种语言，熟悉分布式计算框架（Spark/Flink）及深度学习框架（TensorFlow/PyTorch），具备海量数据处理能力；\n5.软素质：对数据敏感，理解\"模型效果好 ≠ 业务收益好\"，能定义并跟踪北极星与护栏指标；具备优秀的沟通能力与跨团队推动力；\n6.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n加分项\n1、有金融 / 消费金融 / 支付场景推荐或用户增长经验（消费信贷、支付、企业金融等业务）。\n2、有增长 / 营销算法经验：营销发券、优惠力度决策、转化率预测、用户分层建模。\n3、熟悉线上推荐链路工程化（特征平台、在线推理、A/B 实验平台）的完整落地经验。\n4、在生成式推荐、LLM + 推荐或多模态推荐领域有实际落地经验，或在 RecSys、KDD、SIGIR 等顶会发表过论文、在知名算法比赛中获奖。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}