{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "【留用实习】推荐算法工程师",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "未披露",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "J1005"AI生成
    },
    "company": {
        "company_name": "快手科技",
        "company_industry": "内容社区 / 直播 / 电商 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "kuaishou.com",
        "company_description": "快手是内容社区与技术平台公司，业务覆盖短视频、直播、电商、本地生活与 AI 应用。"
    },
    "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": "【留用实习】推荐算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1005\n工作地点：北京 / 杭州\n发布时间：2026-03-06\n\n岗位职责\n1、参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标；\n2、参与机器学习、深度学习领域的技术研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统研发等；\n3、分析海量用户行为数据和视频数据，增加有效的特征，挖掘用户兴趣，优化排序机制；\n4、通过超大规模机器学习模型和系统，使用先进的检索和排序手段，优化社区生态，优化快手短视频推荐效果；\n5、针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能；\n6、参与搭建推荐系统框架，提供高并发，大数据，高效可靠的线上服务；\n7、参与全域流量博弈的机制设计，协助拓展业务边界；\n8、参与前沿问题探索与研究，结合实际应用场景，提供全面的技术解决方案。\n\n任职要求\n1、硕士及以上学历，计算机、数学或统计学相关专业；\n2、熟悉Linux、C++、Java或Python，优秀的编码能力，扎实的数据结构和算法功底；\n3、具有推荐系统、机器学习、数据挖掘或者自然语言理解等相关领域知识；\n4、善于阅读文献，快速学习，具备优秀的分析和解决问题的能力，良好的沟通协作能力。\n加分项：\n1、有推荐系统、机器学习、信息检索、自然语言理解、计算广告学及算法博弈论相关领域研究或实习经验；\n2、有实际线上的高并发架构开发和调优的经验；\n3、在SIGKDD、ICML、NIPS、WSDM、WWW、ACL、RECSYS等相关国际顶级会议上有文献发表；\n4、有ICPC、Topcoder Algorithm或类似算法竞赛经历者优先。\n*本岗位（北京）简历稀缺。",
        "requirements_text": "【留用实习】推荐算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1005\n工作地点：北京 / 杭州\n发布时间：2026-03-06\n\n岗位职责\n1、参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标；\n2、参与机器学习、深度学习领域的技术研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统研发等；\n3、分析海量用户行为数据和视频数据，增加有效的特征，挖掘用户兴趣，优化排序机制；\n4、通过超大规模机器学习模型和系统，使用先进的检索和排序手段，优化社区生态，优化快手短视频推荐效果；\n5、针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能；\n6、参与搭建推荐系统框架，提供高并发，大数据，高效可靠的线上服务；\n7、参与全域流量博弈的机制设计，协助拓展业务边界；\n8、参与前沿问题探索与研究，结合实际应用场景，提供全面的技术解决方案。\n\n任职要求\n1、硕士及以上学历，计算机、数学或统计学相关专业；\n2、熟悉Linux、C++、Java或Python，优秀的编码能力，扎实的数据结构和算法功底；\n3、具有推荐系统、机器学习、数据挖掘或者自然语言理解等相关领域知识；\n4、善于阅读文献，快速学习，具备优秀的分析和解决问题的能力，良好的沟通协作能力。\n加分项：\n1、有推荐系统、机器学习、信息检索、自然语言理解、计算广告学及算法博弈论相关领域研究或实习经验；\n2、有实际线上的高并发架构开发和调优的经验；\n3、在SIGKDD、ICML、NIPS、WSDM、WWW、ACL、RECSYS等相关国际顶级会议上有文献发表；\n4、有ICPC、Topcoder Algorithm或类似算法竞赛经历者优先。\n*本岗位（北京）简历稀缺。",
        "skills": [AI生成
            "Python",
            "Java",
            "C++",
            "Linux",
            "机器学习",
            "深度学习",
            "强化学习",
            "推荐算法",
            "数据结构",
            "数据挖掘",
            "解决问题",
            "招聘"
        ],
        "preferred_qualifications": "加分项：；4、有ICPC、Topcoder Algorithm或类似算法竞赛经历者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/11530?recruitSubProjectCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "11530",
        "post_date": "2026-03-06",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/11530?recruitSubProjectCodes="
    },
    "fulltext": "【留用实习】推荐算法工程师\n【留用实习】推荐算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1005\n工作地点：北京 / 杭州\n发布时间：2026-03-06\n\n岗位职责\n1、参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标；\n2、参与机器学习、深度学习领域的技术研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统研发等；\n3、分析海量用户行为数据和视频数据，增加有效的特征，挖掘用户兴趣，优化排序机制；\n4、通过超大规模机器学习模型和系统，使用先进的检索和排序手段，优化社区生态，优化快手短视频推荐效果；\n5、针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能；\n6、参与搭建推荐系统框架，提供高并发，大数据，高效可靠的线上服务；\n7、参与全域流量博弈的机制设计，协助拓展业务边界；\n8、参与前沿问题探索与研究，结合实际应用场景，提供全面的技术解决方案。\n\n任职要求\n1、硕士及以上学历，计算机、数学或统计学相关专业；\n2、熟悉Linux、C++、Java或Python，优秀的编码能力，扎实的数据结构和算法功底；\n3、具有推荐系统、机器学习、数据挖掘或者自然语言理解等相关领域知识；\n4、善于阅读文献，快速学习，具备优秀的分析和解决问题的能力，良好的沟通协作能力。\n加分项：\n1、有推荐系统、机器学习、信息检索、自然语言理解、计算广告学及算法博弈论相关领域研究或实习经验；\n2、有实际线上的高并发架构开发和调优的经验；\n3、在SIGKDD、ICML、NIPS、WSDM、WWW、ACL、RECSYS等相关国际顶级会议上有文献发表；\n4、有ICPC、Topcoder Algorithm或类似算法竞赛经历者优先。\n*本岗位（北京）简历稀缺。\n【留用实习】推荐算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1005\n工作地点：北京 / 杭州\n发布时间：2026-03-06\n\n岗位职责\n1、参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标；\n2、参与机器学习、深度学习领域的技术研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统研发等；\n3、分析海量用户行为数据和视频数据，增加有效的特征，挖掘用户兴趣，优化排序机制；\n4、通过超大规模机器学习模型和系统，使用先进的检索和排序手段，优化社区生态，优化快手短视频推荐效果；\n5、针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能；\n6、参与搭建推荐系统框架，提供高并发，大数据，高效可靠的线上服务；\n7、参与全域流量博弈的机制设计，协助拓展业务边界；\n8、参与前沿问题探索与研究，结合实际应用场景，提供全面的技术解决方案。\n\n任职要求\n1、硕士及以上学历，计算机、数学或统计学相关专业；\n2、熟悉Linux、C++、Java或Python，优秀的编码能力，扎实的数据结构和算法功底；\n3、具有推荐系统、机器学习、数据挖掘或者自然语言理解等相关领域知识；\n4、善于阅读文献，快速学习，具备优秀的分析和解决问题的能力，良好的沟通协作能力。\n加分项：\n1、有推荐系统、机器学习、信息检索、自然语言理解、计算广告学及算法博弈论相关领域研究或实习经验；\n2、有实际线上的高并发架构开发和调优的经验；\n3、在SIGKDD、ICML、NIPS、WSDM、WWW、ACL、RECSYS等相关国际顶级会议上有文献发表；\n4、有ICPC、Topcoder Algorithm或类似算法竞赛经历者优先。\n*本岗位（北京）简历稀缺。\n【留用实习】推荐算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1005\n工作地点：北京 / 杭州\n发布时间：2026-03-06\n\n岗位职责\n1、参与亿级用户规模的视频推荐优化，提升停留时长、点击率、留存率等核心指标；\n2、参与机器学习、深度学习领域的技术研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统研发等；\n3、分析海量用户行为数据和视频数据，增加有效的特征，挖掘用户兴趣，优化排序机制；\n4、通过超大规模机器学习模型和系统，使用先进的检索和排序手段，优化社区生态，优化快手短视频推荐效果；\n5、针对海量用户行为数据，提供分布式的算法实现的解决方案，大幅提升算法计算规模和性能；\n6、参与搭建推荐系统框架，提供高并发，大数据，高效可靠的线上服务；\n7、参与全域流量博弈的机制设计，协助拓展业务边界；\n8、参与前沿问题探索与研究，结合实际应用场景，提供全面的技术解决方案。\n\n任职要求\n1、硕士及以上学历，计算机、数学或统计学相关专业；\n2、熟悉Linux、C++、Java或Python，优秀的编码能力，扎实的数据结构和算法功底；\n3、具有推荐系统、机器学习、数据挖掘或者自然语言理解等相关领域知识；\n4、善于阅读文献，快速学习，具备优秀的分析和解决问题的能力，良好的沟通协作能力。\n加分项：\n1、有推荐系统、机器学习、信息检索、自然语言理解、计算广告学及算法博弈论相关领域研究或实习经验；\n2、有实际线上的高并发架构开发和调优的经验；\n3、在SIGKDD、ICML、NIPS、WSDM、WWW、ACL、RECSYS等相关国际顶级会议上有文献发表；\n4、有ICPC、Topcoder Algorithm或类似算法竞赛经历者优先。\n*本岗位（北京）简历稀缺。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}