主分类：AI训练推理与计算优化
辅助：搜索推荐与业务决策算法研发（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": "机器学习系统研发工程师-抖音变现",
"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": "后端"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、负责商业化场景推荐大模型的模型工程优化，与算法合作引入生成式AI技术，优化算法建模方法、模型结构、特征和样本等，提升广告变现效率；\n2、验证推荐大模型的Scaling Law，应对大模型训练中的一切新挑战；\n3、算法和工程高度融合、协同设计，极致优化推荐大模型的训练及推理效率。",
"requirements_text": "1、代码能力、数据结构和基础算法功底，熟练掌握Linux环境下的C/C++，Python；\n2、熟悉至少一种机器学习框架（TensorFlow/PyTorch/Paddle或其他自研框架），以及对应框架相应技术生态；\n3、掌握分布式系统原理，参与过分布式系统的设计、开发和维护。\n\n加分项\n1、熟悉常见的推荐广告&LLM&CV&NLP算法和模型结构，常用算子；\n2、深入实践优化过机器学习框架的性能，或优化过机器学习任务的训练和推理性能；\n3、熟悉高性能编程，例如CUDA、向量化、并行化；或具有AI编译器相关经验。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"TensorFlow",
"CUDA",
"机器学习",
"数据结构",
"分布式系统",
"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://jobs.bytedance.com/experienced/position/7362088394212329766/detail"
}
]
},
"posting": {
"posting_id": "7362088394212329766",
"post_date": "2024-04-26",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7362088394212329766/detail"
},
"fulltext": "机器学习系统研发工程师-抖音变现\n职位描述\n1、负责商业化场景推荐大模型的模型工程优化，与算法合作引入生成式AI技术，优化算法建模方法、模型结构、特征和样本等，提升广告变现效率；\n2、验证推荐大模型的Scaling Law，应对大模型训练中的一切新挑战；\n3、算法和工程高度融合、协同设计，极致优化推荐大模型的训练及推理效率。\n\n职位要求\n1、代码能力、数据结构和基础算法功底，熟练掌握Linux环境下的C/C++，Python；\n2、熟悉至少一种机器学习框架（TensorFlow/PyTorch/Paddle或其他自研框架），以及对应框架相应技术生态；\n3、掌握分布式系统原理，参与过分布式系统的设计、开发和维护。\n\n加分项\n1、熟悉常见的推荐广告&LLM&CV&NLP算法和模型结构，常用算子；\n2、深入实践优化过机器学习框架的性能，或优化过机器学习任务的训练和推理性能；\n3、熟悉高性能编程，例如CUDA、向量化、并行化；或具有AI编译器相关经验。\n1、负责商业化场景推荐大模型的模型工程优化，与算法合作引入生成式AI技术，优化算法建模方法、模型结构、特征和样本等，提升广告变现效率；\n2、验证推荐大模型的Scaling Law，应对大模型训练中的一切新挑战；\n3、算法和工程高度融合、协同设计，极致优化推荐大模型的训练及推理效率。\n1、代码能力、数据结构和基础算法功底，熟练掌握Linux环境下的C/C++，Python；\n2、熟悉至少一种机器学习框架（TensorFlow/PyTorch/Paddle或其他自研框架），以及对应框架相应技术生态；\n3、掌握分布式系统原理，参与过分布式系统的设计、开发和维护。\n\n加分项\n1、熟悉常见的推荐广告&LLM&CV&NLP算法和模型结构，常用算子；\n2、深入实践优化过机器学习框架的性能，或优化过机器学习任务的训练和推理性能；\n3、熟悉高性能编程，例如CUDA、向量化、并行化；或具有AI编译器相关经验。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}