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": "广告生态算法实习生-【商业化】",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "D11908",
"location": "Beijing",
"work_mode": "未披露",AI生成
"job_category": "J0011"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": "广告生态算法实习生-【商业化】\n\n基础信息\n招聘类型:实习\n职位类别:J0011\n工作地点:Beijing\n所属部门:D11908\n发布时间:2026-04-16\n\n岗位职责\n1、负责设计和优化算法策略提升亿级快手用户广告体验,降低各类负反馈指标并提升用户时长、留存、转化等核心指标,驱动业务增长;\n2、负责亿级规模的算法模型优化和落地,包括但不限于ctr建模、兴趣建模、人群画像、NLP理解、多模态理解等算法模型;\n3、参与全域广告生态体验机制设计与实现,分析海量用户行为数据和广告视频数据,挖掘有效特征与用户兴趣,优化广告召回、粗排、精排等阶段模型与策略;\n4、探索和研究最前沿的领域算法,结合广告生态与增长业务、产出业界领先的技术解决方案。\n\n任职要求\n1、硕士及以上学历,计算机相关专业;\n2、熟悉C/C++、Python、java至少一种编程语言,有较强的动手能力,熟悉至少一种深度学习框架:pytorch、tensorflow等;\n3、熟悉大规模数据挖掘、机器学习、分布式计算,具备NLP、多模态理解、人群画像项目经验者优先;\n4、具备良好的学习能力,能够跟进领域内最新技术研究成果,并结合应用场景快速实验和调优。",
"requirements_text": "广告生态算法实习生-【商业化】\n\n基础信息\n招聘类型:实习\n职位类别:J0011\n工作地点:Beijing\n所属部门:D11908\n发布时间:2026-04-16\n\n岗位职责\n1、负责设计和优化算法策略提升亿级快手用户广告体验,降低各类负反馈指标并提升用户时长、留存、转化等核心指标,驱动业务增长;\n2、负责亿级规模的算法模型优化和落地,包括但不限于ctr建模、兴趣建模、人群画像、NLP理解、多模态理解等算法模型;\n3、参与全域广告生态体验机制设计与实现,分析海量用户行为数据和广告视频数据,挖掘有效特征与用户兴趣,优化广告召回、粗排、精排等阶段模型与策略;\n4、探索和研究最前沿的领域算法,结合广告生态与增长业务、产出业界领先的技术解决方案。\n\n任职要求\n1、硕士及以上学历,计算机相关专业;\n2、熟悉C/C++、Python、java至少一种编程语言,有较强的动手能力,熟悉至少一种深度学习框架:pytorch、tensorflow等;\n3、熟悉大规模数据挖掘、机器学习、分布式计算,具备NLP、多模态理解、人群画像项目经验者优先;\n4、具备良好的学习能力,能够跟进领域内最新技术研究成果,并结合应用场景快速实验和调优。",
"skills": [AI生成
"Python",
"Java",
"C++",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"数据挖掘",
"学习能力",
"建模",
"招聘"
],
"preferred_qualifications": "3、熟悉大规模数据挖掘、机器学习、分布式计算,具备NLP、多模态理解、人群画像项目经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/22121"
}
]
},
"posting": {
"posting_id": "22121",
"post_date": "2026-04-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/22121"
},
"fulltext": "广告生态算法实习生-【商业化】\n广告生态算法实习生-【商业化】\n\n基础信息\n招聘类型:实习\n职位类别:J0011\n工作地点:Beijing\n所属部门:D11908\n发布时间:2026-04-16\n\n岗位职责\n1、负责设计和优化算法策略提升亿级快手用户广告体验,降低各类负反馈指标并提升用户时长、留存、转化等核心指标,驱动业务增长;\n2、负责亿级规模的算法模型优化和落地,包括但不限于ctr建模、兴趣建模、人群画像、NLP理解、多模态理解等算法模型;\n3、参与全域广告生态体验机制设计与实现,分析海量用户行为数据和广告视频数据,挖掘有效特征与用户兴趣,优化广告召回、粗排、精排等阶段模型与策略;\n4、探索和研究最前沿的领域算法,结合广告生态与增长业务、产出业界领先的技术解决方案。\n\n任职要求\n1、硕士及以上学历,计算机相关专业;\n2、熟悉C/C++、Python、java至少一种编程语言,有较强的动手能力,熟悉至少一种深度学习框架:pytorch、tensorflow等;\n3、熟悉大规模数据挖掘、机器学习、分布式计算,具备NLP、多模态理解、人群画像项目经验者优先;\n4、具备良好的学习能力,能够跟进领域内最新技术研究成果,并结合应用场景快速实验和调优。\n广告生态算法实习生-【商业化】\n\n基础信息\n招聘类型:实习\n职位类别:J0011\n工作地点:Beijing\n所属部门:D11908\n发布时间:2026-04-16\n\n岗位职责\n1、负责设计和优化算法策略提升亿级快手用户广告体验,降低各类负反馈指标并提升用户时长、留存、转化等核心指标,驱动业务增长;\n2、负责亿级规模的算法模型优化和落地,包括但不限于ctr建模、兴趣建模、人群画像、NLP理解、多模态理解等算法模型;\n3、参与全域广告生态体验机制设计与实现,分析海量用户行为数据和广告视频数据,挖掘有效特征与用户兴趣,优化广告召回、粗排、精排等阶段模型与策略;\n4、探索和研究最前沿的领域算法,结合广告生态与增长业务、产出业界领先的技术解决方案。\n\n任职要求\n1、硕士及以上学历,计算机相关专业;\n2、熟悉C/C++、Python、java至少一种编程语言,有较强的动手能力,熟悉至少一种深度学习框架:pytorch、tensorflow等;\n3、熟悉大规模数据挖掘、机器学习、分布式计算,具备NLP、多模态理解、人群画像项目经验者优先;\n4、具备良好的学习能力,能够跟进领域内最新技术研究成果,并结合应用场景快速实验和调优。\n广告生态算法实习生-【商业化】\n\n基础信息\n招聘类型:实习\n职位类别:J0011\n工作地点:Beijing\n所属部门:D11908\n发布时间:2026-04-16\n\n岗位职责\n1、负责设计和优化算法策略提升亿级快手用户广告体验,降低各类负反馈指标并提升用户时长、留存、转化等核心指标,驱动业务增长;\n2、负责亿级规模的算法模型优化和落地,包括但不限于ctr建模、兴趣建模、人群画像、NLP理解、多模态理解等算法模型;\n3、参与全域广告生态体验机制设计与实现,分析海量用户行为数据和广告视频数据,挖掘有效特征与用户兴趣,优化广告召回、粗排、精排等阶段模型与策略;\n4、探索和研究最前沿的领域算法,结合广告生态与增长业务、产出业界领先的技术解决方案。\n\n任职要求\n1、硕士及以上学历,计算机相关专业;\n2、熟悉C/C++、Python、java至少一种编程语言,有较强的动手能力,熟悉至少一种深度学习框架:pytorch、tensorflow等;\n3、熟悉大规模数据挖掘、机器学习、分布式计算,具备NLP、多模态理解、人群画像项目经验者优先;\n4、具备良好的学习能力,能够跟进领域内最新技术研究成果,并结合应用场景快速实验和调优。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}