滴滴出行
国际事业群IBG-（16）算法实习生
国际事业群IBG-（16）算法实习生
发布于 2 小时前实习/见习
实习生仅现场办公算法优化工程师
算法优化工程师
Lr
Xgboost
动态定价
因果推断
大模型
强化学习
时序预测
机器学习
运筹优化
值不值得投
74综合评分
综合评分 74
核心业务算法实习，技术栈前沿且成长空间大，但实习时间要求较高。
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
9千
比算法优化工程师中位数低
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 1180 个在招 · 其中算法优化工程师 22 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
该职位主要在滴滴国际事业群参与司乘动态定价算法策略的开发与落地
你将运用机器学习、运筹优化、强化学习及大模型等前沿技术构建模型策略，支持滴滴全球业务的发展
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、大模型等前沿算法和技术，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、大模型等领域有研究经历优先
AI 洞察
优缺点分析
优点
- 接触滴滴核心定价业务，应用场景丰富且数据量庞大
- 能接触到强化学习、大模型等前沿算法技术，技术成长空间大
- 适合数学、计算机或运筹学背景，对算法落地有热情，且能保证充足实习时间的硕士及以上在校生
缺点 / 挑战
- 动态定价业务逻辑复杂，对因果推断和运筹优化能力要求较高
- 需要平衡算法效果与业务实际落地，面临较大的工程与业务挑战
角色解读
- 从算法实习生成长为正式算法工程师，深入业务核心定价策略
- 未来可向资深算法专家或算法团队管理方向发展
- 参与滴滴国际业务司乘动态定价算法的策略开发与落地
- 运用机器学习、强化学习、大模型等前沿技术构建模型，优化定价策略
- 扎实的数学与计算机基础，熟练掌握经典机器学习算法（如LR、XGBoost、深度学习）
- 具备因果推断、强化学习或大模型相关的研究或实践经验
申请策略
- 提前了解网约车动态定价的业务逻辑和痛点，准备相关的业务思考
- 确保能满足连续3个月、每周4天的实习时间要求
- 突出在机器学习、因果推断或强化学习方向的项目经验与研究成果
- 强调数学建模能力以及将算法转化为实际业务收益的经历
- 深入学习因果推断和强化学习在定价或推荐场景中的应用
- 熟悉大模型在时序预测或策略生成中的前沿玩法
面试指南
- 采用STAR法则描述项目，重点突出问题定义、算法选型、特征工程及最终业务收益
- 对于业务场景题，从供需关系、价格弹性、长期收益等维度进行结构化分析
- 请介绍一个你使用因果推断或强化学习解决实际问题的项目经历
- 在动态定价场景中，如何平衡司乘双方的体验与平台收益？
- XGBoost和深度学习在时序预测中各有什么优缺点？
- 如果模型上线后效果不及预期，你会如何排查和优化？
- 复习经典机器学习算法原理及推导，准备1-2个深度参与的算法项目细节
- 了解滴滴国际业务所在市场的网约车行业特点及定价策略
职位点评
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
作为头部互联网公司的算法实习岗，实习津贴处于市场较高水平，但实习岗位本身不涉及正式员工的长期薪酬与福利体系。
薪资信号未披露（AI估算：6千–1.1万/月）
成长发展
90较高
岗位涉及大模型、强化学习等前沿技术，且直接参与核心定价业务，技术深度与业务广度均能为个人发展提供极大助力。
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、大模型、LR、XGBoost、Deep learning
业务类型profit_center
工作生活
50较低
实习要求每周至少4天，连续3个月以上，时间投入较大，且未提及弹性工作或远程办公，WLB受限。
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
优化全球网约车定价策略有助于提升出行效率与司乘体验，具有一定的社会价值，但主要仍为商业驱动。
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