北京上海杭州成都
1.参与亿级用户推荐场景算法研发与优化，深入理解推荐业务需求，设计并落地大规模召回/排序/重排等算法，持续提升推荐算法效率与用户体验；
2.通过研究用户表征学习、多源异构数据建模、跨域迁移学习、多场景建模、序列建模、多任务学习等技术提升推荐匹配效率，帮助用户快速发现优质商品、内容与服务；
3.研究推荐冷启动、分人群多目标优化等推荐技术课题，不断探索最新技术。
岗位要求
1.计算机领域博士或优秀硕士，相关领域研究与实践经验；
2.有大规模内容、商品推荐算法领域实践经验；
3.有KDD、SIGIR、Recsys等相关领域会议和期刊论文发表者优先