主分类：AI训练推理与计算优化
辅助：数据工程与数据平台研发（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": "策略模型推理优化工程师（J100454）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "MEG",
"location": "新加坡",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"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": "-负责国际化广告特征体系与样本链路建设，建设用户、广告主、创意、媒体等多模态特征服务体系建设，以及曝光、点击、转化、深度转化、归因和延迟反馈等样本实时流数据链路搭建\n-负责广告推荐在线推理服务开发，建设高性能、高可用、低延迟的预估与排序服务，支持模型在线推理、实时特征读取、缓存优化等工作\n-负责国际化广告策略工程优化，包括出价策略、冷启动探索、流量分层、CPA 控制等策略开发与优化，提升广告投放效果和平台变现效率\n-负责广告系统稳定性和效率平台建设，包括延迟监控、特征监控、模型监控、策略监控、算力分配、资源调度和服务治理，提升模型推理服务稳定性与推理效率",
"requirements_text": "-本科及以上学历，计算机、软件工程、人工智能、数学、统计等相关专业，具备扎实的计算机基础\n-具备广告系统、搜索引擎、推荐系统、内容分发、电商推荐或增长投放相关经验者优先，有大模型推理部署上线经验优先\n-具备高并发、低延迟、分布式服务开发经验，熟悉缓存、消息队列、RPC、存储系统、服务治理等常见后端技术\n-熟悉 Linux 开发环境，熟练掌握 C++ / Golang / Java / Python 等一种或多种编程语言，具备良好的数据结构、算法基础和系统设计能力\n-熟悉常见的广告业务概念者优先\n-熟悉 TensorFlow / PyTorch / Paddle / ONNX / Triton 等深度学习或模型服务框架者优先\n-熟悉 Spark / Flink / Kafka / Hive / Hadoop / Redis / ClickHouse 等大数据与实时计算技术者优先\n-具备良好的沟通协作能力、业务理解能力和问题定位能力，工作积极主动，责任心强",
"skills": [AI生成
"Python",
"Java",
"C++",
"Golang",
"Redis",
"ClickHouse",
"Linux",
"Spark",
"Hadoop",
"Flink",
"Kafka",
"PyTorch",
"TensorFlow",
"深度学习",
"数据结构",
"Go",
"大语言模型"
],
"preferred_qualifications": "具备广告系统、搜索引擎、推荐系统、内容分发、电商推荐或增长投放相关经验者优先，有大模型推理部署上线经验优先；熟悉常见的广告业务概念者优先；熟悉 TensorFlow / PyTorch / Paddle / ONNX / Triton 等深度学习或模型服务框架者优先；熟悉 Spark / Flink / Kafka / Hive / Hadoop / Redis / ClickHouse 等大数据与实时计算技术者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/59321d82-8abb-47ef-84f3-2a375ca05144"
}
]
},
"posting": {
"posting_id": "59321d82-8abb-47ef-84f3-2a375ca05144",
"post_date": "2026-06-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/59321d82-8abb-47ef-84f3-2a375ca05144"
},
"fulltext": "策略模型推理优化工程师（J100454）\n策略模型推理优化工程师（J100454）\n\n基础信息\n部门：MEG\n地点：新加坡\n类别：技术\n招聘人数：2\n发布时间：2026-07-21\n\n工作职责\n-负责国际化广告特征体系与样本链路建设，建设用户、广告主、创意、媒体等多模态特征服务体系建设，以及曝光、点击、转化、深度转化、归因和延迟反馈等样本实时流数据链路搭建\n-负责广告推荐在线推理服务开发，建设高性能、高可用、低延迟的预估与排序服务，支持模型在线推理、实时特征读取、缓存优化等工作\n-负责国际化广告策略工程优化，包括出价策略、冷启动探索、流量分层、CPA 控制等策略开发与优化，提升广告投放效果和平台变现效率\n-负责广告系统稳定性和效率平台建设，包括延迟监控、特征监控、模型监控、策略监控、算力分配、资源调度和服务治理，提升模型推理服务稳定性与推理效率\n\n职责要求\n-本科及以上学历，计算机、软件工程、人工智能、数学、统计等相关专业，具备扎实的计算机基础\n-具备广告系统、搜索引擎、推荐系统、内容分发、电商推荐或增长投放相关经验者优先，有大模型推理部署上线经验优先\n-具备高并发、低延迟、分布式服务开发经验，熟悉缓存、消息队列、RPC、存储系统、服务治理等常见后端技术\n-熟悉 Linux 开发环境，熟练掌握 C++ / Golang / Java / Python 等一种或多种编程语言，具备良好的数据结构、算法基础和系统设计能力\n-熟悉常见的广告业务概念者优先\n-熟悉 TensorFlow / PyTorch / Paddle / ONNX / Triton 等深度学习或模型服务框架者优先\n-熟悉 Spark / Flink / Kafka / Hive / Hadoop / Redis / ClickHouse 等大数据与实时计算技术者优先\n-具备良好的沟通协作能力、业务理解能力和问题定位能力，工作积极主动，责任心强\n-负责国际化广告特征体系与样本链路建设，建设用户、广告主、创意、媒体等多模态特征服务体系建设，以及曝光、点击、转化、深度转化、归因和延迟反馈等样本实时流数据链路搭建\n-负责广告推荐在线推理服务开发，建设高性能、高可用、低延迟的预估与排序服务，支持模型在线推理、实时特征读取、缓存优化等工作\n-负责国际化广告策略工程优化，包括出价策略、冷启动探索、流量分层、CPA 控制等策略开发与优化，提升广告投放效果和平台变现效率\n-负责广告系统稳定性和效率平台建设，包括延迟监控、特征监控、模型监控、策略监控、算力分配、资源调度和服务治理，提升模型推理服务稳定性与推理效率\n-本科及以上学历，计算机、软件工程、人工智能、数学、统计等相关专业，具备扎实的计算机基础\n-具备广告系统、搜索引擎、推荐系统、内容分发、电商推荐或增长投放相关经验者优先，有大模型推理部署上线经验优先\n-具备高并发、低延迟、分布式服务开发经验，熟悉缓存、消息队列、RPC、存储系统、服务治理等常见后端技术\n-熟悉 Linux 开发环境，熟练掌握 C++ / Golang / Java / Python 等一种或多种编程语言，具备良好的数据结构、算法基础和系统设计能力\n-熟悉常见的广告业务概念者优先\n-熟悉 TensorFlow / PyTorch / Paddle / ONNX / Triton 等深度学习或模型服务框架者优先\n-熟悉 Spark / Flink / Kafka / Hive / Hadoop / Redis / ClickHouse 等大数据与实时计算技术者优先\n-具备良好的沟通协作能力、业务理解能力和问题定位能力，工作积极主动，责任心强",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [
"T016"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}