{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "因果算法工程师",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "D7375",
        "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": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "因果算法工程师\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing\n所属部门：D7375\n发布时间：2026-07-01\n\n岗位职责\n职位亮点\n1、直面亿级用户的真实业务：从策略建模到方案上线，直接撬动DAU、时长、营收等核心指标；\n2、顶尖技术挑战：长短期因果效应权衡、多目标优化、强化学习探索-利用、策略大模型高价值能力矩阵建设；\n3、成长与影响力：拥有快star大牛辅导和有活力高互助的工作氛围，一起做点好玩前沿的工作。\n岗位职责\n1、业务与增长闭环：数据驱动，参与大规模的短视频推荐、补贴裂变、性能优化等核心场景的因果建模与策略优化，提升用户消费体验和DAU、营收等核心指标；\n2、能力矩阵与技术中台：建设打磨因果模型能力矩阵，融合深度学习、因果推断以及大模型能力，进行长期因果效应与多目标建模（DAU/留存/LTV/成本），同时提升模型可解释性与白盒化分析能力；\n3、探索并落地用户偏好预测、因果发现的前沿算法方案，包括但不限于：Uplift 建模、深度模型优化、迁移学习、元学习以及强化学习等，支撑跨场景复用与规模化部署；\n4、前沿研究与技术影响，持续跟踪因果推断、时序预测和大模型LLM-Agent等方向进展，推动从方法到系统的创新与最佳实践沉淀。\n\n任职要求\n1、研究生及以上学历，计算机、统计学、数学等相关专业；\n2、熟悉Linux、Python、Pytorch，具备优秀的编码能力、扎实的数据结构和算法功底；\n3、熟悉任意一种常见的领域算法或者曾经参与相关工作，包括因果推断、推荐、广告、搜索以及大模型等；\n4、优秀的理解沟通和团队协作能力，能快速理解业务背景，对数据敏感，以数据事实为基准，有较强责任心。\n加分项\n1、有智能营销、推荐、广告项目经验者优先；\n2、有因果推断、用户偏好预测相关经历、顶会论文者加分；\n3、有机器学习/ACM竞赛奖励者加分。",
        "requirements_text": "因果算法工程师\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing\n所属部门：D7375\n发布时间：2026-07-01\n\n岗位职责\n职位亮点\n1、直面亿级用户的真实业务：从策略建模到方案上线，直接撬动DAU、时长、营收等核心指标；\n2、顶尖技术挑战：长短期因果效应权衡、多目标优化、强化学习探索-利用、策略大模型高价值能力矩阵建设；\n3、成长与影响力：拥有快star大牛辅导和有活力高互助的工作氛围，一起做点好玩前沿的工作。\n岗位职责\n1、业务与增长闭环：数据驱动，参与大规模的短视频推荐、补贴裂变、性能优化等核心场景的因果建模与策略优化，提升用户消费体验和DAU、营收等核心指标；\n2、能力矩阵与技术中台：建设打磨因果模型能力矩阵，融合深度学习、因果推断以及大模型能力，进行长期因果效应与多目标建模（DAU/留存/LTV/成本），同时提升模型可解释性与白盒化分析能力；\n3、探索并落地用户偏好预测、因果发现的前沿算法方案，包括但不限于：Uplift 建模、深度模型优化、迁移学习、元学习以及强化学习等，支撑跨场景复用与规模化部署；\n4、前沿研究与技术影响，持续跟踪因果推断、时序预测和大模型LLM-Agent等方向进展，推动从方法到系统的创新与最佳实践沉淀。\n\n任职要求\n1、研究生及以上学历，计算机、统计学、数学等相关专业；\n2、熟悉Linux、Python、Pytorch，具备优秀的编码能力、扎实的数据结构和算法功底；\n3、熟悉任意一种常见的领域算法或者曾经参与相关工作，包括因果推断、推荐、广告、搜索以及大模型等；\n4、优秀的理解沟通和团队协作能力，能快速理解业务背景，对数据敏感，以数据事实为基准，有较强责任心。\n加分项\n1、有智能营销、推荐、广告项目经验者优先；\n2、有因果推断、用户偏好预测相关经历、顶会论文者加分；\n3、有机器学习/ACM竞赛奖励者加分。",
        "skills": [AI生成
            "Python",
            "Linux",
            "PyTorch",
            "机器学习",
            "深度学习",
            "强化学习",
            "数据结构",
            "性能优化",
            "团队协作",
            "分析能力",
            "建模",
            "招聘",
            "大语言模型"
        ],
        "preferred_qualifications": "加分项；1、有智能营销、推荐、广告项目经验者优先；2、有因果推断、用户偏好预测相关经历、顶会论文者加分；3、有机器学习/ACM竞赛奖励者加分",
        "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/27777"
            }
        ]
    },
    "posting": {
        "posting_id": "27777",
        "post_date": "2026-07-01",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/27777"
    },
    "fulltext": "因果算法工程师\n因果算法工程师\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing\n所属部门：D7375\n发布时间：2026-07-01\n\n岗位职责\n职位亮点\n1、直面亿级用户的真实业务：从策略建模到方案上线，直接撬动DAU、时长、营收等核心指标；\n2、顶尖技术挑战：长短期因果效应权衡、多目标优化、强化学习探索-利用、策略大模型高价值能力矩阵建设；\n3、成长与影响力：拥有快star大牛辅导和有活力高互助的工作氛围，一起做点好玩前沿的工作。\n岗位职责\n1、业务与增长闭环：数据驱动，参与大规模的短视频推荐、补贴裂变、性能优化等核心场景的因果建模与策略优化，提升用户消费体验和DAU、营收等核心指标；\n2、能力矩阵与技术中台：建设打磨因果模型能力矩阵，融合深度学习、因果推断以及大模型能力，进行长期因果效应与多目标建模（DAU/留存/LTV/成本），同时提升模型可解释性与白盒化分析能力；\n3、探索并落地用户偏好预测、因果发现的前沿算法方案，包括但不限于：Uplift 建模、深度模型优化、迁移学习、元学习以及强化学习等，支撑跨场景复用与规模化部署；\n4、前沿研究与技术影响，持续跟踪因果推断、时序预测和大模型LLM-Agent等方向进展，推动从方法到系统的创新与最佳实践沉淀。\n\n任职要求\n1、研究生及以上学历，计算机、统计学、数学等相关专业；\n2、熟悉Linux、Python、Pytorch，具备优秀的编码能力、扎实的数据结构和算法功底；\n3、熟悉任意一种常见的领域算法或者曾经参与相关工作，包括因果推断、推荐、广告、搜索以及大模型等；\n4、优秀的理解沟通和团队协作能力，能快速理解业务背景，对数据敏感，以数据事实为基准，有较强责任心。\n加分项\n1、有智能营销、推荐、广告项目经验者优先；\n2、有因果推断、用户偏好预测相关经历、顶会论文者加分；\n3、有机器学习/ACM竞赛奖励者加分。\n因果算法工程师\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing\n所属部门：D7375\n发布时间：2026-07-01\n\n岗位职责\n职位亮点\n1、直面亿级用户的真实业务：从策略建模到方案上线，直接撬动DAU、时长、营收等核心指标；\n2、顶尖技术挑战：长短期因果效应权衡、多目标优化、强化学习探索-利用、策略大模型高价值能力矩阵建设；\n3、成长与影响力：拥有快star大牛辅导和有活力高互助的工作氛围，一起做点好玩前沿的工作。\n岗位职责\n1、业务与增长闭环：数据驱动，参与大规模的短视频推荐、补贴裂变、性能优化等核心场景的因果建模与策略优化，提升用户消费体验和DAU、营收等核心指标；\n2、能力矩阵与技术中台：建设打磨因果模型能力矩阵，融合深度学习、因果推断以及大模型能力，进行长期因果效应与多目标建模（DAU/留存/LTV/成本），同时提升模型可解释性与白盒化分析能力；\n3、探索并落地用户偏好预测、因果发现的前沿算法方案，包括但不限于：Uplift 建模、深度模型优化、迁移学习、元学习以及强化学习等，支撑跨场景复用与规模化部署；\n4、前沿研究与技术影响，持续跟踪因果推断、时序预测和大模型LLM-Agent等方向进展，推动从方法到系统的创新与最佳实践沉淀。\n\n任职要求\n1、研究生及以上学历，计算机、统计学、数学等相关专业；\n2、熟悉Linux、Python、Pytorch，具备优秀的编码能力、扎实的数据结构和算法功底；\n3、熟悉任意一种常见的领域算法或者曾经参与相关工作，包括因果推断、推荐、广告、搜索以及大模型等；\n4、优秀的理解沟通和团队协作能力，能快速理解业务背景，对数据敏感，以数据事实为基准，有较强责任心。\n加分项\n1、有智能营销、推荐、广告项目经验者优先；\n2、有因果推断、用户偏好预测相关经历、顶会论文者加分；\n3、有机器学习/ACM竞赛奖励者加分。\n因果算法工程师\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing\n所属部门：D7375\n发布时间：2026-07-01\n\n岗位职责\n职位亮点\n1、直面亿级用户的真实业务：从策略建模到方案上线，直接撬动DAU、时长、营收等核心指标；\n2、顶尖技术挑战：长短期因果效应权衡、多目标优化、强化学习探索-利用、策略大模型高价值能力矩阵建设；\n3、成长与影响力：拥有快star大牛辅导和有活力高互助的工作氛围，一起做点好玩前沿的工作。\n岗位职责\n1、业务与增长闭环：数据驱动，参与大规模的短视频推荐、补贴裂变、性能优化等核心场景的因果建模与策略优化，提升用户消费体验和DAU、营收等核心指标；\n2、能力矩阵与技术中台：建设打磨因果模型能力矩阵，融合深度学习、因果推断以及大模型能力，进行长期因果效应与多目标建模（DAU/留存/LTV/成本），同时提升模型可解释性与白盒化分析能力；\n3、探索并落地用户偏好预测、因果发现的前沿算法方案，包括但不限于：Uplift 建模、深度模型优化、迁移学习、元学习以及强化学习等，支撑跨场景复用与规模化部署；\n4、前沿研究与技术影响，持续跟踪因果推断、时序预测和大模型LLM-Agent等方向进展，推动从方法到系统的创新与最佳实践沉淀。\n\n任职要求\n1、研究生及以上学历，计算机、统计学、数学等相关专业；\n2、熟悉Linux、Python、Pytorch，具备优秀的编码能力、扎实的数据结构和算法功底；\n3、熟悉任意一种常见的领域算法或者曾经参与相关工作，包括因果推断、推荐、广告、搜索以及大模型等；\n4、优秀的理解沟通和团队协作能力，能快速理解业务背景，对数据敏感，以数据事实为基准，有较强责任心。\n加分项\n1、有智能营销、推荐、广告项目经验者优先；\n2、有因果推断、用户偏好预测相关经历、顶会论文者加分；\n3、有机器学习/ACM竞赛奖励者加分。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}