Alibaba logo
阿里巴巴
高德-推荐算法工程师-信息业务中心

高德-推荐算法工程师-信息业务中心

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 4.0–7.0万 · AI 参考估算
中级经验
本科
全职员工仅现场办公推荐系统
推荐系统
Pytorch
Tensorflow
大数据处理
推荐算法
深度学习
用户建模

值不值得投

75综合评分

综合评分 75

高薪大厂核心算法岗,技术前沿但工作强度可能较大,适合追求快速成长的开发者

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

5.5万

比推荐系统中位数高

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 5060 个在招 · 其中推荐系统 40 个

市场机会

选择面较广

北京 · 推荐系统 · 约 100 个在招

职位详情

关于这个职位

负责高德地图本地生活与出行场景的个性化推荐算法研发,涵盖召回、排序及用户建模等核心环节

通过深度学习与A/B实验优化推荐效果,提升用户体验与业务转化效率,解决冷启动、稀疏行为等技术难题

最低要求

计算机、人工智能、数学、统计等相关专业本科及以上学历,具备扎实的数据结构、算法、概率统计与机器学习基础

具备推荐、搜索或广告算法的研发与落地经验,熟悉召回、排序、用户建模等至少一个核心环节,能够独立完成问题分析、方案设计、实验验证与效果迭代
熟悉深度学习与推荐系统常用方法,如向量召回、序列建模、多任务学习及多目标优化
熟练使用 PyTorch、TensorFlow 等至少一种框架,具备扎实的 Python 编程能力,了解 C++ 或 Java 者优先
具备良好的数据分析与实验设计能力,理解离线指标与线上效果的差异,能够通过 A/B 实验验证方案,识别数据偏差并定位效果变化的原因
具有用户价值导向和业务理解能力,能够将业务问题转化为可衡量的算法目标
具备主动推动、跨团队协作与持续学习能力

工作职责

负责推荐算法的设计、研发与迭代,覆盖召回、粗排、精排及重排等核心环节,提升推荐相关性、用户体验与业务转化效率

结合用户行为、地理位置、时间、出行意图及供给信息,建设用户兴趣建模与场景理解能力,解决多场景兴趣迁移、行为稀疏、冷启动及长尾供给分发等问题
建立从数据分析、模型训练、离线评估到在线 A/B 实验的优化闭环,与产品、工程及业务团队协作推进算法落地,兼顾效果、服务性能与长期用户价值
针对本异地 X 时间等差异化需求,建设场景化兴趣建模与排序策略,平衡相关性、距离、多样性与探索性,提升用户的地点发现与决策效率

优先资格

有本地生活、电商商品推荐、LBS 或 POI 推荐经验

在稀疏行为建模、冷启动、地理时空建模、因果推断或长期价值优化方面有实际项目积累
有大模型、多模态内容理解、生成式推荐或强化学习在推荐业务中的应用经验,能够结合真实场景完成技术验证与落地
有大规模推荐系统研发经验,熟悉训练与推理性能优化
在推荐、搜索、机器学习相关领域有高质量论文或开源贡献

AI 洞察

优缺点分析

优点

  • 平台资源丰富,有利于个人技术成长
  • 业务场景复杂(LBS+本地生活),需平衡多方目标

缺点 / 挑战

  • 依托高德海量用户数据,技术挑战大且影响力显著
  • 大厂内部竞争压力大,对产出要求高
  • 具备扎实算法基础、热爱技术挑战、对LBS和本地生活业务感兴趣的工程师

角色解读

  • 可向资深算法专家、技术负责人发展,或在AI应用落地、大模型结合推荐系统等前沿方向深耕
  • 负责高德地图本地生活与出行场景的推荐算法设计与研发,包括召回、排序等环节
  • 精通Python及PyTorch/TensorFlow框架,掌握深度学习、推荐系统原理及A/B实验设计

申请策略

  • 准备详细的项目案例,重点阐述如何解决冷启动、稀疏性等具体技术难点
  • 突出推荐系统实战经验,特别是召回、排序模块的具体优化成果及A/B实验数据
  • 加强深度学习最新进展(如Transformer在推荐中的应用)及大模型结合推荐系统的知识储备

面试指南

  • 使用STAR法则(情境、任务、行动、结果)描述项目,重点突出技术选型依据、遇到的困难及量化成果
  • 请介绍你做过最复杂的推荐系统架构及其优化点
  • 如何处理用户行为稀疏和冷启动问题?
  • A/B实验中如何确定样本量和实验周期?
  • 向量召回和传统召回相比有哪些优势?
  • 复习推荐系统经典论文(如DeepFM, DIN等),准备1-2个深入的技术细节案例

职位点评

薪资福利85
成长发展90
工作生活40
使命价值70

薪资福利

85较高

作为已上市巨头企业的核心算法岗,薪资福利体系完善,市场竞争力强,能满足较高的薪酬期望。

薪资信号未披露(AI估算:4.0千–7.0万/月)

成长发展

90较高

涉及前沿的大模型、多模态及大规模推荐系统技术,技术栈先进,成长空间巨大。

技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、深度学习、大模型、多模态、强化学习
业务类型profit_center

工作生活

40较低

互联网大厂核心研发岗通常工作强度较大,JD未提及弹性工作或WLB保障,可能面临较高压力。

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

70中等

帮助千万级用户高效发现地点和服务,具有明显的社会实用价值和商业意义。

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