{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "机器学习工程师（推荐算法方向）/base香港",
        "job_level": "高级",AI生成
        "work_category": "全职",AI生成
        "department": "",
        "location": "香港",
        "work_mode": "现场办公",AI生成
        "job_category": "AI模型算法工程师"AI生成
    },
    "company": {
        "company_name": "镇旭科技有限公司",
        "company_industry": "游戏",
        "company_size": "20-99人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 60000,
            "max": 85000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": 10,
        "degree": "本科",
        "language": "中英双语",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "电商/广告算法经验\n推荐系统相关经验\n算法工程化经验\n搜索相关经验\n数学/统计相关专业\n岗位职责\n1、业务建模与策略优化\na）主导游戏核心业务场景的算法建模工作，包括但不限于内容推荐系统、用户付费倾向建模、流失预警等，通过数据驱动提升业务指标；\nb）构建并优化内容排序模型 (Ranking Model)，利用深度学习及机器学习技术，提升游戏内个性化推荐、商城展⽰及匹配系统的精准度与转化率；\nc）负责模型全⽣命周期管理，包括数据清洗、特征⼯程、模型训练、效果评估及线上实时预测调优。\n2、算法工程化与技术赋能\na）设计并优化实时数据处理链路，结合 Flink/Kafka 实时处理海量游戏用户⾏为数据，为在线预测与实时特征计算提供低延迟支持；\nb）参与建设高并发、高性能的算法特征平台，处理复杂的离线/实时特征工程，确保模型推理的高效与稳定；\nc）为游戏策划、算法团队提供数据分析支持与建模工具，优化 A/B 测试平台，通过数据实验闭环不断迭代优化算法策略。\n3、技术协同与落地\na）紧密与游戏策划、运营团队协作，将前沿的机器学习算法能力转化为可落地的游戏功能（如个性化任务推送、反作弊策略、游戏 AI 行为优化等）；\nb）持续监控模型线上表现，解决数据分布偏移、模型冷启动及高并发推理下的性能瓶颈。\n任职要求\n1、学历与背景\n统招本科以上学历，计算机、数学、统计学等相关专业，具备扎实的数学功底；\n2、核心技术能力\na）精通 Python 编程，熟悉常用算法库（Scikit-learn, NumPy, Pandas 等）；\nb）精通主流机器学习框架（TensorFlow / PyTorch / LightGBM / XGBoost 等），有大型推荐/排序系统实战经验优先；\nc）深入理解排序与推荐相关算法（如 CTR 预估、DeepFM、Transformer、强化学习等），有能力进行算法改进与优化；\nd）熟练掌握 SQL，具备复杂数据分析与大规模特征处理能力；\n3、工程化经验\na）熟悉常用大数据技术栈（Spark / Flink / Kafka / Redis），了解分布式环境下特征计算与实时推理流程；\nb）有高并发生产环境下的模型上线与服务化经验，了解 MLOps 流程，具备模型性能调优与监控能力；\n4、加分项\na）有游戏行业机器学习落地经验，深刻理解游戏业务逻辑（如道具经济、社交网络、玩家分群等）；\nb）有云原生大数据/机器学习平台开发运维经验（如 AWS EMR, Kubeflow 等）；\n5、软性要求\na）极强的业务驱动意识，能将复杂的算法问题转化为可衡量的业务指标提升；\nb）优秀的逻辑思维与沟通能力，能与非技术团队通力合作，推动算法效果落地。",
        "skills": [AI生成
            "模型训练与算法优化",
            "数据工程与数据管道",
            "数据库/缓存/向量库",
            "编程与代码实现",
            "数据分析与指标体系",
            "SQL与数据探查",
            "分布式/微服务系统设计"
        ],
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/18643d5f29adddb90nF42du5ElFX.html"
            }
        ]
    },
    "posting": {
        "posting_id": "18643d5f29adddb90nF42du5ElFX",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/18643d5f29adddb90nF42du5ElFX.html"
    },
    "fulltext": "电商/广告算法经验\n推荐系统相关经验\n算法工程化经验\n搜索相关经验\n数学/统计相关专业\n岗位职责\n1、业务建模与策略优化\na）主导游戏核心业务场景的算法建模工作，包括但不限于内容推荐系统、用户付费倾向建模、流失预警等，通过数据驱动提升业务指标；\nb）构建并优化内容排序模型 (Ranking Model)，利用深度学习及机器学习技术，提升游戏内个性化推荐、商城展⽰及匹配系统的精准度与转化率；\nc）负责模型全⽣命周期管理，包括数据清洗、特征⼯程、模型训练、效果评估及线上实时预测调优。\n2、算法工程化与技术赋能\na）设计并优化实时数据处理链路，结合 Flink/Kafka 实时处理海量游戏用户⾏为数据，为在线预测与实时特征计算提供低延迟支持；\nb）参与建设高并发、高性能的算法特征平台，处理复杂的离线/实时特征工程，确保模型推理的高效与稳定；\nc）为游戏策划、算法团队提供数据分析支持与建模工具，优化 A/B 测试平台，通过数据实验闭环不断迭代优化算法策略。\n3、技术协同与落地\na）紧密与游戏策划、运营团队协作，将前沿的机器学习算法能力转化为可落地的游戏功能（如个性化任务推送、反作弊策略、游戏 AI 行为优化等）；\nb）持续监控模型线上表现，解决数据分布偏移、模型冷启动及高并发推理下的性能瓶颈。\n任职要求\n1、学历与背景\n统招本科以上学历，计算机、数学、统计学等相关专业，具备扎实的数学功底；\n2、核心技术能力\na）精通 Python 编程，熟悉常用算法库（Scikit-learn, NumPy, Pandas 等）；\nb）精通主流机器学习框架（TensorFlow / PyTorch / LightGBM / XGBoost 等），有大型推荐/排序系统实战经验优先；\nc）深入理解排序与推荐相关算法（如 CTR 预估、DeepFM、Transformer、强化学习等），有能力进行算法改进与优化；\nd）熟练掌握 SQL，具备复杂数据分析与大规模特征处理能力；\n3、工程化经验\na）熟悉常用大数据技术栈（Spark / Flink / Kafka / Redis），了解分布式环境下特征计算与实时推理流程；\nb）有高并发生产环境下的模型上线与服务化经验，了解 MLOps 流程，具备模型性能调优与监控能力；\n4、加分项\na）有游戏行业机器学习落地经验，深刻理解游戏业务逻辑（如道具经济、社交网络、玩家分群等）；\nb）有云原生大数据/机器学习平台开发运维经验（如 AWS EMR, Kubeflow 等）；\n5、软性要求\na）极强的业务驱动意识，能将复杂的算法问题转化为可衡量的业务指标提升；\nb）优秀的逻辑思维与沟通能力，能与非技术团队通力合作，推动算法效果落地。"
}