滴滴出行
资深/专家 算法工程师
资深/专家 算法工程师
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算法优化工程师
算法优化工程师
供需预测
司乘匹配
强化学习
机器学习
运筹优化
值不值得投
78综合评分
综合评分 78
核心业务线高阶算法岗，技术前沿且成长空间大，薪资竞争力强，但工作强度可能较高。
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
比算法优化工程师中位数高
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 2130 个在招 · 其中算法优化工程师 24 个
市场机会
选择面较广
北京 · 算法优化工程师 · 约 310 个在招
职位详情
关于这个职位
负责滴滴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、供需预测等方向
利用机器学习、强化学习和运筹优化等技术，优化成交率等核心业务指标，助力国际化业务发展
最低要求
计算机或数学相关专业毕业，本科及以上学历，有扎实的数据结构和算法基础，或者有较好的数学功底
有特征工程，数据建模，机器学习，最优化理论等相关基础
熟悉常用数据挖掘算法的实现与应用，掌握常用机器学习算法并有实战经验，包括但不限于 LR，GBDT，XGBoost，RL, NN 等
有海量数据处理分析经验，熟悉Hadoop，Hive，Spark等大数据处理平台
编程基础扎实，熟练掌握下列语言之一： C++、Java、python、Scala、Golang
热衷了解和实战业界前沿技术，洞悉人工智能国际会议研究动态，不断提升自己在机器学习、运筹优化、机制设计、数理统计等方向的能力
机器学习相关较深的工业界经验或较深厚的学术积累
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，有项目管理和团队管理经验
有分布式机器学习和数据分析经验
在人工智能相关顶级会议有论文发表
编程能力杰出
有大型系统架构设计和实践经验
Kaggle等比赛成绩优秀
AI 洞察
优缺点分析
优点
- 依托庞大的数据规模和国际化业务，拥有接触业界前沿技术和海量数据处理的绝佳平台
- 国际化市场面临不同国家的政策、竞争和供需差异，算法的泛化能力和适应性要求极高
- 作为资深/专家岗，不仅需要深厚的技术功底，还需具备跨部门协同与推动复杂项目落地的能力
缺点 / 挑战
- 业务场景极具挑战性，涉及多国市场的复杂供需匹配，能积累顶级的运筹优化与强化学习实战经验
- 具备扎实机器学习与运筹优化基础，拥有丰富工业界落地经验，且渴望在复杂国际化业务场景中挑战高阶算法难题的技术人才
角色解读
- 纵向可晋升为算法技术专家或首席科学家，主导核心算法架构与前沿技术探索
- 横向可转型为算法团队负责人或业务技术总监，带领团队解决复杂的国际化商业问题
- 设计并实现国际化网约车交易策略算法，涵盖司乘匹配、运力调度、流量分发和供需预测等核心场景
- 结合不同国家市场的供需与竞争态势，利用机器学习、强化学习和运筹优化技术优化成交率等关键业务指标
- 扎实的机器学习与最优化理论基础，熟练掌握LR、GBDT、XGBoost、RL、NN等常用算法
- 具备海量数据处理经验，熟悉Hadoop、Spark等大数据平台，并精通C++/Java/Python等至少一门编程语言
申请策略
- 提前了解目标国家网约车市场的竞争格局和供需特点，面试时展现出对业务的深刻理解
- 重点突出在司乘匹配、调度或供需预测等类似场景中的算法设计与业务指标提升成果
- 详细列出掌握的机器学习/强化学习/运筹优化算法，以及在Hadoop/Spark等大数据平台上的海量数据处理经验
- 深入复习强化学习与运筹优化在资源调度中的前沿应用，了解网约车调度领域的相关论文或技术博客
- 提升分布式系统架构设计能力，准备应对大规模系统落地相关的技术拷问
面试指南
- STAR法则：针对项目经验，从背景、任务、行动（算法选择与工程实现）、结果（业务指标提升）四个维度结构化回答
- 权衡分析：在回答算法选择或系统设计时，先分析不同方案的优缺点，再结合具体业务场景（如延迟要求、数据规模）给出最终决策
- 请详细描述一个你主导过的供需预测或资源调度算法项目，遇到了哪些难点，如何解决的？
- 在跨国市场中，如果某个国家的供需特征与国内市场差异巨大，你会如何调整现有的匹配算法？
- 强化学习和运筹优化在司乘匹配中各有什么优缺点？在实际业务中如何结合使用？
- 面对海量实时数据，如何保证算法模型的推理延迟和系统的稳定性？
- 准备2-3个具有代表性的核心项目，深入挖掘其中的技术细节、踩坑经验以及最终的业务收益
- 复习在KDD、NeurIPS等顶会上发表的相关论文，了解在网约车调度领域的最新技术探索
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
资深/专家级岗位，薪资处于市场高位，且公司福利体系完善，能较好地满足补偿性动机。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
90较高
岗位涉及前沿的机器学习与运筹优化技术，且业务场景复杂，能提供极佳的技术深度与广度成长空间。
技术前沿前沿/新兴技术
技术栈机器学习、强化学习、运筹优化、Hadoop、Spark、XGBoost、RL、NN
成长机会洞悉人工智能国际会议研究动态、不断提升自己在机器学习、运筹优化、机制设计、数理统计等方向的能力
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但作为核心业务线的资深技术岗，工作强度可能较大。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
国际化网约车业务具有出行领域的社会价值，且涉及前沿AI技术的落地，具备一定的意义感。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs