滴滴出行
国际事业群IBG-算法实习生（22）
国际事业群IBG-算法实习生（22）
发布于 2 小时前实习/见习
实习生仅现场办公机器学习工程
机器学习工程
Lr
Xgboost
动态定价
因果推断
强化学习
时序预测
机器学习
运筹优化
值不值得投
76综合评分
综合评分 76
头部企业核心业务算法实习，前沿技术栈、成长空间大，但实习出勤要求较高。
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，方便比较实习机会。
薪资怎么样
8千
比机器学习工程中位数低
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 2140 个在招 · 其中机器学习工程 37 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 500 个在招
职位详情
关于这个职位
该职位主要负责滴滴国际化业务的司乘动态定价算法策略开发与落地
你将运用机器学习、运筹优化和强化学习等前沿技术构建模型，支持滴滴全球业务的增长与效率提升
最低要求
数学、计算机、运筹学等相关专业硕士及以上学历
熟悉经典机器学习算法并有实践经验，包括LR、XGBoost、Deep learning等
连续实习3个月以上，每周实习至少4天
工作职责
运用机器学习（因果推断，时序预测，转化率预估）、运筹优化、强化学习等前沿算法和技术，构建相关模型策略，驱动司乘动态定价
参与定价算法策略开发及落地，支持滴滴全球业务
优先资格
在因果推断、强化学习等领域有研究经历优先
AI 洞察
优缺点分析
优点
- 滴滴出行作为行业头部企业，能提供海量真实业务数据和全球化业务场景，数据质量极高
- 接触因果推断、强化学习等前沿算法，技术含金量高，简历背书效果显著
- 动态定价模型对业务理解和算法精度要求极高，模型上线与效果调优的难度较大
- 全球化业务需考虑不同国家和地区的复杂场景、文化差异与合规要求
- 适合数学/计算机/运筹学背景，对机器学习、强化学习有浓厚兴趣，且能保证较长实习时间的硕士及以上在校生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法实习生成长为正式的机器学习/算法工程师，深入理解出行业务核心逻辑
- 未来可向资深算法专家、策略产品经理或算法团队管理方向发展
- 运用机器学习、运筹优化等算法构建司乘动态定价模型，优化供需匹配效率
- 参与定价算法策略的开发与工程落地，直接支持滴滴全球化业务的实际运营
- 扎实的数学与计算机基础，熟练掌握LR、XGBoost、深度学习等经典机器学习算法
- 具备因果推断、强化学习或时序预测的研究与实践经验，能解决实际业务问题
申请策略
- 在简历中明确标注自己的可实习时长（至少3个月，每周4天），这是该岗位的硬性要求
- 突出在因果推断、强化学习或时序预测方面的项目或论文经历，展示研究深度
- 展示使用LR、XGBoost、深度学习解决实际业务问题或打比赛的实践经验
- 深入学习强化学习和因果推断的进阶理论，并尝试在开源数据集上进行实战
- 了解网约车动态定价的基础业务逻辑，如供需关系、弹性系数等概念
面试指南
- 采用STAR法则描述项目经历
- 对于业务场景题，先明确业务目标（如提升撮合率、平衡供需），再拆解为算法问题，最后给出具体的特征工程和模型选择方案
- 请详细介绍你过往在因果推断或强化学习方面的一个项目，遇到了什么困难，如何解决的？
- 在司乘动态定价场景中，如何平衡司机和乘客的利益？你会选择哪些特征和算法？
- XGBoost和深度学习在转化率预估中各有什么优缺点？如何结合使用？
- 如果模型上线后效果不及预期，你的排查思路是什么？
- 复习机器学习经典算法原理及推导，了解滴滴国际化业务所在国家/地区的出行市场特点
- 准备1-2个能体现自己算法落地能力和业务思考深度的项目案例
职位点评
薪资福利75
成长发展90
工作生活60
使命价值70
薪资福利
75中等
作为头部企业的算法实习岗，实习津贴通常处于市场较高水平，但实习期薪资整体仍受限于学生身份。
薪资信号未披露（AI估算：6.5千–1万/月）
成长发展
90较高
岗位涉及因果推断、强化学习等前沿技术，且支持全球业务，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈机器学习、因果推断、时序预测、运筹优化、强化学习、LR、XGBoost、Deep learning
业务类型profit_center
工作生活
60中等
实习要求每周至少4天，连续3个月以上，工作强度有一定保证，但具体WLB情况未明确说明。
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
70中等
动态定价有助于提升出行效率、缓解供需矛盾，具有一定的社会价值，但主要仍为商业目标驱动。
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