运筹优化/机器学习算法工程师

优缺点分析

角色解读

• 往资深算法专家方向深耕，成为运筹优化领域的核心技术骨干
• 向技术管理方向转型，带领算法团队支撑业务增长
• 跨领域拓展至大模型与AI Agent应用，成为复合型算法专家
• 负责末端揽派场景的运筹优化算法，如网点选择、配送范围规划、供需资源投入优化
• 负责快递员任务调度与作业模式设计，提升配送效率
• 进行基础数据挖掘，如快递派送ETA/及时率预估与仿真
• 探索大模型在物流Agent助手和运筹求解领域的应用
• 扎实的运筹优化理论，熟悉调度、路径规划、整数规划等算法
• 熟练使用C++/Java/Python，有大数据处理经验（Hadoop/Spark/Flink）
• 了解机器学习与数据挖掘技术，具备ETA预估等项目经验
• 具备实际落地经验，能够将算法应用于物流场景

申请策略

• 了解京东物流的业务模式，特别是末端揽派场景的痛点
• 准备一段讲述如何将算法从研究到落地的经历
• 突出运筹优化项目的落地案例，量化效果（如效率提升百分比）
• 强调大数据平台使用经验，列举具体场景
• 展示机器学习与运筹结合的项目，如ETA预估、调度优化
• 如果有物流或外卖领域经验，务必突出
• 复习经典运筹优化算法和求解器使用（如CPLEX/Gurobi）
• 学习大模型Agent相关技术，尝试应用在调度助手

面试指南

• 用STAR法则描述项目：情境、任务、行动、结果，突出量化指标
• 对于算法设计，强调问题分解、模型选择、求解优化和工程实现
• 对于大模型问题，结合业务场景，提出可行性思路
• 请介绍一个你参与过的运筹优化项目，你是如何建模和求解的？
• 在处理大规模调度问题时，你会如何设计算法保证效率？
• 你对ETA预估有什么经验？如何考虑天气、交通等因素？
• 如果使用大模型解决物流中的Agent助手，你会如何设计？
• 谈谈你对Hadoop/Spark/Flink的使用经验，遇到过什么坑？