阿里巴巴
供应链产品技术部-大模型预测算法专家-杭州
供应链产品技术部-大模型预测算法专家-杭州
发布于 4 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
Pytorch
Tensorflow
因果推断
大语言模型
时序预测
机器学习
深度学习
值不值得投
77综合评分
综合评分 77
淘天核心供应链算法专家岗，技术栈前沿且业务价值极高，成长空间巨大，但工作强度与落地压力较大。
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
6万
比机器学习工程中位数高
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 2960 个在招 · 其中机器学习工程 约 170 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 260 个在招
职位详情
关于这个职位
该职位隶属于淘天集团供应链产品技术部，主要负责利用大模型、时序预测和因果推断等前沿AI技术，解决电商供应链中的销量预测、新品预测等核心问题
你将参与自研时序预测大模型的架构设计与训练优化，推动算法在真实业务中的规模化落地，助力业务效率提升与成本优化
最低要求
计算机科学、统计学、运筹优化、机器学习、人工智能等相关专业硕士或以上学历
熟练掌握 Python，熟悉 PyTorch/TensorFlow 等深度学习框架，具备大规模分布式训练与推理经验
熟悉 SQL、Spark/Hadoop/Flink 等大数据处理工具，能高效处理海量电商数据
扎实的时序预测基础，熟悉至少一类主流方法：统计模型（ARIMA/Prophet）、深度学习模型（DeepAR、TFT、N-BEATS、PatchTST 等）、时序基础模型（Chronos、TimesFM、MOIRAI 等）
熟悉因果推断基础方法，如因果图、工具变量（IV）、双重差分（DID）、因果森林、Uplift Modeling 等
具备业务抽象与建模能力，能够将复杂业务场景分解、抽象为标准化业务模型，并面向业务问题进行算法建模
热爱算法研发，具备 hands-on 能力，持续关注学术前沿
积极、乐观、向上、皮实，具有较好的团队合作精神，勇于面对挑战
工作职责
负责淘天海量供应链时序数据的分析与建模，覆盖销量预测、新品预测、S&OP、补货计划等端到端场景，持续提升自营行业预测准确率
紧跟时序基础模型（TSFMs：Chronos、TimesFM、MOIRAI 等）与 LLM-based Forecasting（Agentic Forecasting、In-Context Forecasting 等）前沿方向，参与自研时序预测大模型 Tidal-FM 的架构设计、训练范式优化与样本增强，构建预测域深度技术壁垒
设计、研发并落地时序预测与因果推断算法，综合运用统计分析、机器学习、深度学习、因果推断等方法，提升预测准确性与业务可解释性，推动可量化的业务价值
针对国内超市、跨境供给、Fashion88 等行业特性，构建新品预测、新品打爆（价格/流量/投资因子驱动的因果推断模型）等算法能力，支撑行业单量、GMV 与损益等核心经营目标达成
优先资格
对营销组合建模、价格弹性、促销效应估计、新品冷启动预测有实际项目经验者优先
具备电商、零售、供应链或时尚行业（Fashion/服饰）相关算法经验者优先
有将复杂学术成果转化为工业级方案并在真实业务中规模化落地者优先
在顶级会议或期刊发表过时序预测、因果推断、机器学习相关论文者优先
AI 洞察
优缺点分析
优点
- 依托淘天海量真实业务场景与数据，能接触到业界最前沿的时序预测大模型与因果推断技术
- 岗位核心驱动GMV与损益等经营目标，业务价值与影响力极高，容易产出顶级论文与工业级落地成果
- 供应链场景复杂，新品冷启动、多因子驱动等预测难度极大，对算法的准确率与可解释性要求极高
缺点 / 挑战
- 需要频繁与业务团队沟通，将学术成果转化为实际业务价值，面临较大的落地压力
- 适合在时序预测或因果推断领域有深厚积累，渴望在顶级电商供应链场景中挑战高难度算法落地，并具备较强业务抽象能力的资深算法人才
角色解读
- 可向资深算法专家、首席科学家方向发展，或在供应链智能化领域成为业务与技术双修的复合型领军人才
- 也有机会带领团队，向算法团队技术管理岗转型
- 负责淘天供应链海量时序数据的分析与建模，覆盖销量预测、新品预测等端到端场景
- 参与自研时序预测大模型（Tidal-FM）的架构设计与训练优化，构建技术壁垒
- 结合因果推断方法，针对特定行业特性构建新品打爆等算法能力，支撑核心经营目标
- 扎实的时序预测与因果推断理论基础，熟悉主流统计、深度学习及大模型方法
- 熟练掌握Python及PyTorch/TensorFlow等框架，具备大规模分布式训练与大数据处理能力
- 具备将复杂业务场景抽象为标准化模型并落地工业级方案的能力
申请策略
- 了解淘天集团供应链产品技术部的业务背景，特别是国内超市、跨境供给、Fashion88等行业的特性与痛点
- 准备好关于如何将大模型应用于实际销量预测的深入思考
- 重点突出在时序预测大模型或因果推断方面的实际项目经验与落地成果
- 展示将复杂学术成果转化为工业级方案并带来可量化业务价值的案例
- 深入学习Chronos、TimesFM等最新时序基础模型，以及Agentic Forecasting等前沿方向
- 补充供应链业务知识，了解S&OP、补货计划等端到端供应链流程
面试指南
- 采用STAR法则回答项目经验，重点突出“业务痛点-算法选型-工程落地-业务收益”的完整闭环
- 对于技术深度问题，先阐述理论原理，再结合具体业务场景说明应用细节与优化策略
- 请详细介绍你参与过的时序预测大模型项目，你在架构设计或训练范式优化中解决了哪些核心问题？
- 在电商供应链中，新品冷启动预测面临哪些挑战？你会如何结合因果推断方法来解决？
- 请分享一个你将复杂学术成果转化为工业级方案并成功落地的案例，遇到了哪些工程或业务上的困难？
- 如何评估和提升时序预测模型的业务可解释性？
- 复习时序预测与因果推断的经典及前沿论文，并思考其在电商场景的适用性
- 了解淘天供应链的核心业务指标及预测准确率对业务的影响
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
作为上市企业的算法专家岗，薪资福利处于行业领先水平，且岗位直接驱动核心经营目标，绩效奖金预期较高。
薪资信号未披露（AI估算：4千–8万/月）
成长发展
95较高
岗位涉及自研时序预测大模型与前沿AI技术，技术栈极其前沿，且依托海量真实业务数据，个人技术成长与学术产出空间巨大。
技术前沿前沿/新兴技术
技术栈LLM、VLM、MLLM、TSFMs、Chronos、TimesFM、MOIRAI、PyTorch、TensorFlow、Spark、Flink、因果推断
成长机会紧跟前沿方向、构建预测域深度技术壁垒、持续关注学术前沿
业务类型profit_center
工作生活
40较低
JD中未提及工作模式与WLB相关信息，但作为核心业务部门的算法专家岗，通常面临较高的业务交付压力，工作强度可能较大。
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
80较高
推动供应链智能化升级，为业务创造可量化的效率提升与成本优化，具有较高的商业价值与行业影响力。
行业发展高速增长赛道
社会影响中性/一般
使命信号推动自动化、智能化升级、为业务创造可量化的效率提升与成本优化
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs