传音
算法工程师(J20460)
算法工程师(J20460)
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Ai工程化
Prompt优化
Rag
因果推断
大模型
推荐系统
数据挖掘
机器学习
运筹优化
值不值得投
73综合评分
综合评分 73
技术前沿、多场景算法落地、海外业务平台，但工作强度与WLB未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.8万
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 400 个在招 · 其中机器学习工程 2 个
市场机会
选择面较广
深圳 · 机器学习工程 · 75 个在招
职位详情
关于这个职位
负责在零售、营销、渠道与供应链等多个业务场景中应用算法技术，包括机器学习模型训练、大模型应用、推荐系统、预测优化与因果推断等
与业务团队紧密协同，推动算法项目从问题定义到上线落地的完整闭环，优化业务效果
最低要求
) 本科及以上学历,计算机、数学、统计、人工智能、运筹等相关专业
) 5年以上算法/机器学习/数据科学经验,独立负责过一个业务方向的算法项目,或带过小规模算法团队
) 能独立完成从问题定义-数据特征建设-建模训练-评估上线-效果复盘的完整闭环,能说清项目价值、业务贡献
) 具备一定的AI工程化意识,理解模型服务、在线推理、数据链路与业务系统集成的基本方式
) 较强的问题拆解与跨团队推动能力,能把算法指标翻译成业务可理解、可验证的结果
方向能力(以下至少精通一类)：
) 搜索推荐与增长:搜索排序、推荐系统、CTR/CVR建模、多目标与重排、A/B实验体系、用户增长与转化优化
) 预测、优化与因果:时序预测与需求预测、库存与补货优化、运筹优化与调度、uplift/因果推断与增量收益建模
) 多模态与内容生成:图片/视频生成、多模态大模型应用、素材效果建模、传统CV、OCR、AI质检
) 大模型训练与推理:SFT/偏好对齐等后训练实践、数据构建与评测体系、量化与蒸馏、推理加速与部署成本优化
工作职责
零售场景:门店选址与商圈评估、站内搜索与推荐、洞察选品与爆品预测、门店经营诊断、导购AI助手
营销场景:创作脚本多策略准确召回,营销素材AIGC高质高效生产、私域对话优化、独立站流量承接-搜索推荐提效等
渠道与供应链场景:销售作业AI赋能、进销存与盘货(时序预测等)、返利与券包设计(uplift因果评估等)
通用能力:了解并能应用运筹优化与调度、传统CV/OCR、知识工程、数据挖掘等能力
模型训练:基于业务场景开展机器学习模型训练、大模型后训练,并评测效果与推动上线;关注推理性能与成本
大模型应用:有一定的Prompt优化、Context与长期记忆、知识库RAG、多智能体架构、工具调用等应用能力
推动与协同:与业务、产品、数据、工程、Infra团队协同,沉淀可复用的算法建模与业务方法论,把单点结果扩展为可复制的落地范式
行业公开技术分享,或在典型项目中承担核心算法角色
优先资格
有电商零售、搜广推、营销增长、渠道供应链、智能客服任一相关行业的规模化落地经验
有海外市场/多语言/多国家业务经验,或跨时区跨文化协作经验
算法方向顶会顶刊一作论文、有影响力的开源贡献
AI 洞察
优缺点分析
优点
- 技术栈前沿，涉及大模型、AIGC、多模态等热门方向，有利于技能积累
- 业务场景丰富，涵盖零售、营销、供应链等多个领域，能全面锻炼算法落地能力
- 公司平台在海外市场有增长潜力，可能提供国际化业务经验
- 对跨团队协同与业务理解能力要求高，需频繁沟通推动项目落地
- 适合拥有丰富算法项目经验、热衷于解决业务问题、具备良好沟通与工程化能力的求职者
缺点 / 挑战
- 需同时支持多个业务场景，工作强度与复杂度可能较高
角色解读
- 深耕算法技术，成为特定领域（如推荐系统、大模型）的算法专家或架构师
- 积累业务洞察与项目经验，转向技术管理岗位，如算法团队负责人或技术经理
- 参与行业技术分享与开源贡献，提升个人影响力与职业竞争力
- 负责零售、营销、供应链等业务场景的算法模型开发与优化，包括搜索推荐、预测、大模型应用等
- 独立完成从问题定义、数据处理、建模训练到上线部署的完整项目闭环
- 与产品、业务、工程团队协同，推动算法落地并实现业务价值增长
- 扎实的机器学习、深度学习理论基础，熟悉推荐系统、预测优化、因果推断等算法
- 大模型训练与应用经验，包括后训练、Prompt优化、RAG等工程化实践
- 较强的问题拆解与跨团队沟通能力，能将算法指标转化为业务成果
申请策略
- 研究传音的业务方向，尤其是海外市场零售与营销场景，理解其技术需求
- 准备项目案例时，重点展示算法如何驱动业务增长，而不仅是技术实现
- 突出独立负责的算法项目经历，强调从业务问题到落地成果的完整闭环
- 详细描述大模型应用、推荐系统、预测优化等具体技术实践与业务贡献
- 体现跨团队协作经验，以及如何将算法指标转化为可验证的业务价值
- 深入学习大模型训练与推理优化技术，如SFT、量化蒸馏、部署成本控制
- 加强业务场景理解，特别是电商零售、营销增长领域的知识
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化描述项目经验，突出业务贡献
- 强调问题拆解思路、技术选型依据，以及如何量化效果（如提升XX指标Y%）
- 结合实例说明工程化实践，如模型服务部署、推理性能优化等
- 请描述一个你独立负责的算法项目，从问题定义到上线的完整过程
- 如何将搜索推荐系统的算法指标（如CTR）提升并转化为实际业务收益？
- 你在大模型应用中，如何优化Prompt或进行RAG部署？
- 遇到跨团队协作困难时，你是如何推动算法项目落地的？
- 复习机器学习经典算法、推荐系统、时序预测、因果推断等核心知识
职位点评
薪资福利70
成长发展85
工作生活60
使命价值75
薪资福利
70中等
薪资与福利信息未在JD中披露，但基于职位要求和城市水平，可能具有市场竞争力。
薪资信号未披露（AI估算：2.5千–5万/月）
成长发展
85较高
涉及前沿大模型技术与多场景应用，有利于技能深度积累与职业成长。
技术前沿前沿/新兴技术
技术栈机器学习、大模型、推荐系统、因果推断、RAG
成长机会行业公开技术分享、承担核心算法角色
业务类型ambiguous
工作生活
60中等
JD未提及办公模式与工作时间安排，无法判断工作生活平衡情况。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
公司海外业务增长较快，技术应用具有创新性，能提供行业前景与社会价值感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs