快手
策略模型实习生
策略模型实习生
发布于 大约 19 小时前实习/见习
实习生仅现场办公数据分析与科学
数据分析与科学
Pytorch
Sql
Uplift建模
Xgboost
因果推断
多模态
大模型(Llm)
机器学习
值不值得投
76综合评分
综合评分 76
顶尖平台的前沿AI实习，技术成长性强但工作强度与灵活性一般。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
9K
比数据分析与科学中位数低
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 2240 个在招 · 其中数据分析与科学 约 160 个
市场机会
选择面较广
北京 · 数据分析与科学 · 约 330 个在招
职位详情
关于这个职位
该实习岗位核心是参与快手的策略建模与AI应用
工作将围绕大规模用户行为数据，结合大模型和多模态技术，进行敏感人群挖掘、策略模型优化迭代、大模型在业务场景（如内容打标、智能分析）的落地探索，以及利用AI工具提效研发
最低要求
计算机/统计/数学/人工智能等相关专业，在读本科/硕士，每周可实习4天以上、连续3个月以上者优先
掌握数据挖掘与机器学习基础，熟悉常见模型（XGBoost/GBDT、深度学习等）原理与适用场景
熟练使用Python及主流框架（PyTorch/TensorFlow、sklearn等），熟悉SQL
对大模型（LLM/多模态）应用有了解或实践，熟悉Prompt工程、RAG、Agent、微调等任一方向者优先
具备AI编程能力，能熟练使用AI辅助编码/分析工具提升效率
学习能力强、主动性高、对数据敏感，乐于在真实业务中动手验证
有大模型/因果推断/Uplift建模/强化学习相关课程或项目经验优先
有顶会论文（ICML/KDD/NeurIPS等）或科研经历优先
工作职责
策略敏感人群挖掘：基于大规模用户行为数据，结合大模型/多模态的内容×人群画像挖掘，参与人群画像与敏感度建模（Uplift/因果建模等），识别不同策略下的响应人群/响应内容
模型优化迭代：参与策略模型的特征工程、结构调优、超参寻优，并探索大模型Embedding/多模态特征在建模中的应用，提升模型精度与线上效果
大模型应用探索：参与大模型/多模态在策略场景的落地，如内容打标、Embedding产出、表格大模型、智能分析Agent等前沿方向
数据挖掘与分析：从实验与大盘数据中挖掘规律，借助大模型辅助分析产出可解释、可落地的策略结论
AI提效实践：运用AI辅助编码与数据分析，参与工具/Skill沉淀，提升研发效率
优先资格
有大模型/因果推断/Uplift建模/强化学习相关课程或项目经验优先
有顶会论文（ICML/KDD/NeurIPS等）或科研经历优先
AI 洞察
优缺点分析
优点
- 顶级互联网平台，接触海量数据与复杂业务场景
- 技术栈前沿，能深度参与大模型、多模态等最新AI技术的落地实践
- 实习经历对简历有很高含金量
- 业务节奏可能较快，需要快速学习并产出
- 实习身份在资源和决策参与度上可能有限制
- 对数据、算法和AI应用有浓厚兴趣，在读相关专业学生
- 希望将学术知识应用于真实业务，并接触行业前沿技术实践
- 具备较强学习能力和自驱力，能适应快节奏的工作环境
缺点 / 挑战
- 策略模型工作需要平衡技术深度与业务效果，有一定挑战性
角色解读
- 可发展为算法工程师、策略产品经理或数据科学家
- 长期可深耕推荐系统、计算广告、内容理解或AIGC应用等方向，成为技术专家或团队负责人
- 基于用户行为数据进行人群洞察与策略建模，优化推荐或内容策略模型效果
- 探索并落地大模型、多模态等前沿AI技术在具体业务场景中的应用
- 利用AI工具提升团队研发与数据分析效率
- 扎实的机器学习与数据挖掘理论基础，熟练使用Python及相关AI框架
- 掌握SQL进行数据处理
- 对大模型(LLM/多模态)技术及其应用有认知或实践经验
- 具备一定的数据分析能力与业务理解力
申请策略
- 仔细研究快手的业务（如短视频推荐、电商、本地生活），理解策略模型可能应用的场景
- 在简历和面试中，强调自己的数据敏感度、学习主动性和在真实场景中解决问题的意愿
- 重点突出与机器学习、数据挖掘相关的课程项目、竞赛或研究经历
- 展示Python、SQL、主流ML框架（如PyTorch）的实际使用能力
- 如有任何关于大模型、因果推断、Uplift建模的实践经验或论文，务必清晰列出
- 可以提前学习和实践Prompt Engineering、RAG、Agent等大模型应用技术
- 回顾并深入理解XGBoost、因果推断、Uplift Modeling等算法的原理
面试指南
- 对于技术问题，采用“定义原理 -> 核心差异 -> 典型应用场景 -> 优缺点”的结构回答
- 对于项目经验，使用STAR法则（情境、任务、行动、结果）进行阐述，突出你的思考和贡献
- 对于开放性业务问题，展现从问题定义、数据分析、模型选择到效果评估的完整思维链
- 请解释一下Uplift Modeling和普通预测模型的区别，以及它在策略中的应用场景
- 介绍一个你做过的机器学习或数据分析项目，遇到了什么困难，如何解决的
- 你对大模型在业务中落地有哪些了解？如何看待其挑战和机会？
- 如果给你一个‘提升某功能用户活跃度’的策略需求，你会从哪些角度分析并建模？
- 你如何评估一个模型在线上是否真的产生了正向的业务价值？
职位点评
薪资福利65
成长发展90
工作生活60
使命价值80
薪资福利
65中等
作为大厂实习岗位，能提供市场水准的实习津贴，但作为实习期，整体薪酬福利（如社保、长期激励）有限。
薪资信号市场水准 (6K-10K/月)
成长发展
90较高
该岗位提供接触前沿AI技术（大模型、多模态）并在核心业务中实践的绝佳机会，成长信号明确，且位于直接产生用户价值和收入的业务线。
技术前沿前沿/新兴技术
技术栈大模型(LLM)、多模态、Embedding、RAG、Agent、Uplift建模、因果建模、PyTorch、XGBoost
成长机会参与工具/Skill沉淀、提升研发效率
业务类型profit_center
工作生活
60中等
JD未明确工作模式，通常此类岗位需要现场办公。作为实习岗位，可能存在适应快节奏工作的要求。
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
处于高速增长的短视频/内容平台赛道，技术应用具有广泛的社会影响力，岗位工作直接服务于亿级用户，能感受到创造的价值。
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
快手 的其他在招职位
相似职位推荐
Watch Jobs