滴滴出行
高级算法工程师
高级算法工程师
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公算法工程师
算法工程师
司乘匹配
大规模分布式系统
强化学习
数据建模
机器学习
运筹优化
值不值得投
75综合评分
综合评分 75
顶尖技术平台、前沿算法挑战、高薪回报，但伴随高强度工作压力
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
比算法工程师中位数高
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 2370 个在招
市场机会
选择不多
北京 · 算法工程师 · 9 个在招
职位详情
关于这个职位
负责国际化网约车交易策略算法的设计与实现，涵盖司乘匹配、运力调度及供需预测等核心方向
利用机器学习、强化学习及运筹优化技术，协同业务方优化成交率等关键指标，解决海量数据下的复杂决策问题
最低要求
计算机或数学相关专业本科及以上学历，具备扎实的数据结构、算法基础或数学功底
熟悉数据挖掘算法，掌握LR、GBDT、XGBoost、RL、NN等机器学习算法并有实战经验
有海量数据处理分析经验，熟悉Hadoop、Hive、Spark等大数据平台
编程基础扎实，熟练掌握C++、Java、Python、Scala、Golang之一
热衷前沿技术，洞悉AI国际会议动态，持续提升ML、运筹优化、机制设计等能力
具备较深的机器学习工业界经验或学术积累
工作职责
负责国际化网约车交易策略算法设计和实现，包括但不限于司乘匹配、运力调度、流量分发、供需预测、仿真系统等方向
针对不同国家交易市场的供需情况和竞争态势，和业务方协同设定目标，使用机器学习/强化学习/运筹优化等算法和技术，优化成交率等核心业务指标，助力业务发展
优先资格
有相关领域业界知名成功项目经验优先
有项目管理和团队管理经验者优先
有分布式机器学习和数据分析经验者优先
在人工智能相关顶级会议有论文发表者优先
编程能力杰出者优先
有大型系统架构设计和实践经验者优先
Kaggle等比赛成绩优秀者优先
AI 洞察
优缺点分析
优点
- 国际化业务需适应不同国家的市场差异，算法需兼顾实时性与准确性，对系统稳定性要求极高
- 具备深厚算法理论基础和大规模系统实战经验，追求技术深度与业务影响力结合的资深技术人员
缺点 / 挑战
- 接触全球最大规模的实时交通数据，技术挑战性强，能显著提升算法工程化落地能力
角色解读
- 可向首席算法专家、技术总监方向发展，或转向更宏观的业务策略负责人角色，具备跨学科（AI+运筹）的高壁垒竞争力
- 设计并实现网约车交易环节的核心算法模型，如司机与乘客的智能匹配、全局运力调度及供需预测
- 精通机器学习（LR/XGBoost/RL）、运筹优化理论，具备海量数据处理能力及扎实的编程功底（C++/Java/Python）
申请策略
- 准备展示对国际主流AI会议最新成果的理解，体现技术前瞻性
- 突出在海量数据场景下的算法落地案例，强调对核心业务指标（如成交率、响应时间）的提升效果
- 补充强化学习在动态环境中的应用知识，以及运筹优化在实际调度系统中的结合技巧
面试指南
- 采用STAR法则（情境-任务-行动-结果），重点阐述背景复杂性、技术选型依据、实验设计严谨性及最终量化收益
- 请详细介绍一个你主导的从0到1的算法落地项目，遇到的最大挑战是什么？
- 如何在保证实时性的前提下，处理亿级规模的供需预测问题？
- 对比传统运筹优化与强化学习在网约车调度中的优劣，你会如何选择？
- 如何评估和优化司乘匹配算法中的公平性与效率平衡？
- 复习经典机器学习与运筹学基础，梳理过往项目中关于特征工程、模型调优及性能优化的具体细节
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
作为已上市的互联网巨头，提供具有市场竞争力的薪酬包及完善的福利体系，满足高收入预期。
薪资信号未披露（AI估算：4.0千–7.0万/月）
成长发展
90较高
岗位涉及前沿的机器学习与运筹优化结合，拥有海量真实数据和顶级技术团队，成长空间巨大。
技术前沿前沿/新兴技术
技术栈Machine Learning、Reinforcement Learning、Operations Research、Hadoop、Spark、XGBoost
业务类型profit_center
工作生活
40较低
互联网大厂核心业务部门，工作节奏快，压力较大，WLB相对一般，但提供了明确的技术成长路径。
工作模式未明确
办公地点市区核心地段
加班情况JD含高强度暗示词
使命价值
70中等
通过算法优化全球出行效率，改善用户出行体验，具有一定的社会价值和行业影响力。
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