阿里巴巴
智能算法产品事业部-大数据研发工程师-特征工程
智能算法产品事业部-大数据研发工程师-特征工程
发布于 大约 9 小时前普通员工/个人贡献者
杭州市
中级经验
全职员工
仅现场办公
本科
数据工程
A/B测试
Llm
Sql
数据挖掘
特征工程
电商搜索推荐
AI 估算 · 30k–50k
阿里大厂，中级大数据工程师，杭州薪资水平高，技术栈前沿，综合年薪约50-80万。
职位详情
关于这个职位
作为阿里巴巴淘天集团智能算法产品事业部的大数据研发工程师，你将专注于电商搜索与推荐场景的特征工程，负责特征数据体系的设计与建设，利用大数据和LLM技术提升特征供给效率与模型效果
你将参与特征Agent开发、特征治理与质量度量，以及特征血缘追踪，推动特征资产的精细化运营
该岗位要求2年以上大数据开发经验，精通Spark/Flink，并熟悉特征工程与LLM应用
最低要求
计算机、软件工程、数据科学、统计学等相关专业本科及以上学历
年以上大数据开发、特征工程或算法工程相关经验，有电商搜索推荐场景的特征体系建设经验优先
精通 Spark/Flink 等大数据计算框架，具备大规模实时与离线特征开发经验
具备数据挖掘能力，能基于业务洞察挖掘高价值特征
熟悉特征工程体系，熟悉特征价值评估方法（如特征重要性、SHAP、模型增益分析等）
了解 Feature Store 架构与实践经验
熟悉 LLM 应用开发，有基于大模型构建数据推荐、SQL 语义解析、智能问答等系统的经验优先
工作职责
特征数据体系设计与价值挖掘
a. 深入理解电商搜索、推荐等核心场景的算法模型需求，主导用户行为序列、用户画像、商品/内容侧特征等体系的规划与建设
b. 基于业务理解与数据挖掘方法，持续挖掘高价值特征，拓展特征空间，提升模型效果天花板
c. 建立单特征价值评估方法论，通过特征重要性分析、模型增益评测、A/B 实验等手段量化特征价值，指导特征迭代方向
特征Agent开发
a. 基于 SQL 语义解析提炼数据意图，实现已有特征与数据需求的智能匹配
b. 探索并落地 LLM 等大模型技术在特征语义理解、需求解析与智能推荐中的应用，实现特征发现的自动化与智能化
c. 基于LLM设计特征知识库，实现特征元数据、业务语义、使用案例等知识的自动化沉淀与持续维护
特征治理与质量度量
a. 构建特征质量评测体系，从完整性、准确性、时效性、稳定性等维度定义并监控特征健康度
建立特征质量度量指标体系，持续运营并提升整体特征资产健康度
b. 牵头存量特征资产的盘点与治理，识别低质、冗余、废弃特征，并推动算法团队完成特征替换与升级
c. 沉淀可复用的特征资产，解决特征重复开发、口径不一致、难以发现等痛点，推动特征在中台层面的共享与复用
特征血缘与影响面分析
a. 构建特征血缘追踪能力，打通特征从离线开发、实时计算到线上模型 inference 的全链路
b. 建设特征与线上模型的关联分析能力，支持单特征的下游影响面评估（如特征下线前的模型依赖分析）
c. 基于血缘数据驱动特征治理决策，降低特征变更对线上业务的潜在风险
AI 洞察
优缺点分析
优点
- 涉及LLM等前沿技术，有创新空间，提升个人技术竞争力
- 淘天核心业务，对个人成长和职业发展有较大帮助
- 工作强度大，可能需要应对高并发和复杂业务需求
- 技术栈要求高，需要持续学习新技术，如LLM应用
缺点 / 挑战
- 阿里巴巴平台大，技术挑战高，能接触亿级数据，积累大规模特征工程经验
- 业务压力大，需要快速响应业务需求，保证特征供给效率
- 适合有2年以上大数据开发经验，对特征工程和LLM应用有浓厚兴趣，喜欢挑战，追求技术深度和业务影响力的工程师
角色解读
- 在技术深度上，可向特征工程专家或大数据架构师方向发展，深入掌握数据平台和算法链路
- 在业务广度上，可转向算法工程师或数据科学岗位，利用特征工程经验提升模型效果
- 在管理路径上，可晋升为技术团队负责人，带领团队建设特征中台
- 负责电商搜索推荐场景的特征数据体系建设，包括用户行为序列、画像等特征的规划与建设
- 开发特征Agent，利用LLM技术实现特征智能匹配、语义解析和自动化发现
- 构建特征质量评估体系，监控特征健康度，并推动存量特征的治理与优化
- 建立特征血缘追踪能力，分析特征对线上模型的影响，降低变更风险
- 精通Spark/Flink等大数据计算框架，具备大规模实时与离线特征开发经验
- 熟悉特征工程体系，掌握特征价值评估方法（如SHAP、模型增益分析）
- 了解Feature Store架构，有LLM应用开发经验，如SQL语义解析、智能问答
- 具备数据挖掘能力，能基于业务洞察挖掘高价值特征
申请策略
- 了解淘天集团业务，特别是搜索推荐场景，准备相关案例
- 强调对特征工程的热爱和持续学习能力
- 突出大数据开发经验，特别是Spark/Flink项目，强调处理的数据规模和性能优化
- 强调特征工程相关项目，如特征体系搭建、特征价值评估、特征治理等
- 如果有LLM应用经验，如SQL解析、智能问答，务必突出
- 展示数据挖掘能力，如通过业务洞察挖掘高价值特征
- 深入学习LLM应用开发，如LangChain、RAG等，并尝试构建特征知识库
- 熟悉Feature Store架构，如Feast、Tecton，了解其设计
面试指南
- 回答时结合具体项目经验，突出数据规模、技术选型、业务效果
- 对于LLM问题，展示对LLM原理的理解和应用场景
- 如何设计一个特征体系来支持电商搜索推荐？
- 如何评估一个特征的价值？请举例说明
- 你如何理解特征血缘？如何实现特征血缘追踪？
- 如何利用LLM进行特征推荐？请描述你的思路
- 你如何处理特征质量问题？
- 准备一个特征工程项目的详细案例，包括数据、技术、业务效果
职位点评
73
综合评分
大厂核心业务，技术前沿，薪资高，但工作强度大，WLB一般。
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。
更适合这类人
适合追求技术成长和职业发展，能接受高强度工作，对电商业务感兴趣的技术人才。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活40
使命价值70
薪资福利
80较高
阿里巴巴作为大厂，薪资水平较高，福利完善，但JD未明确薪资范围，需面议。
薪资信号面议 (30K-50K/月)
成长发展
90较高
职位涉及特征工程、LLM等前沿技术，有较大成长空间，但JD未明确晋升路径。
技术前沿前沿/新兴技术
技术栈Spark、Flink、LLM、特征工程、数据挖掘、SQL、Feature Store
业务类型profit_center
工作生活
40较低
工作地点在杭州，仅现场办公，JD未提及弹性工作或远程，可能工作强度大。
工作模式仅现场办公
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
70中等
电商行业稳定，但社会影响力一般，JD未提及使命。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs