27届秋招- 算法工程师（国际化外卖-营销增长）

优缺点分析

角色解读

• 算法工程师 → 高级算法工程师 → 算法专家/技术Leader，在增长算法方向深耕，成为业务核心决策的参与者
• 可横向拓展至数据科学、运筹优化等方向，或转向国际化业务的产品与运营管理岗
• 滴滴平台大、场景复杂，内部转岗与晋升通道相对完善，成长空间大
• 负责滴滴外卖国际化业务中补贴、定价、营销等增长场景的算法建模与优化，你的模型将直接接入业务，影响业务大盘
• 应用机器学习（因果推断、转化率预估、时序预测）、运筹优化、强化学习等技术解决真实的业务问题
• 参与智能决策系统从0到1的建设与实验迭代，将算法能力沉淀为可复用的决策系统
• 扎实的机器学习、算法与数据结构基础，熟练掌握Python，能够独立完成建模与实验
• 具备因果推断、强化学习、大模型（LLM）等加分方向的实践经验或研究积累
• 逻辑清晰、学习能力强，善于拆解复杂问题并建模，对挑战性问题有热情

申请策略

• 关注滴滴国际化业务的增长阶段，在面试中表达对业务的理解与热情
• 提前了解团队技术博客或开源项目，展示技术匹配度
• 突出机器学习、运筹优化、因果推断等算法项目经验，特别是与补贴、定价、营销相关的建模项目
• 强调Python编程能力、数据结构基础，以及处理大规模数据的能力
• 如有Kaggle等竞赛获奖、顶会论文、开源项目，请重点展示
• 突出逻辑拆解与业务理解能力，体现从问题到建模的完整闭环
• 补充强化学习、因果推断、时序预测等细分方向的理论与动手能力
• 熟悉Hive/Spark等大数据处理工具，以及大模型（LLM）的应用

面试指南

• 用STAR法则（情境-任务-行动-结果）组织项目经历，突出个人贡献与量化结果
• 先阐述对业务问题的理解，再给出技术选型与建模思路，最后说明落地效果与迭代计划
• 对于策略设计类问题，从目标函数、约束条件、求解方法、评估指标四方面展开
• 请介绍一个你使用机器学习或运筹优化解决实际问题的项目，并说明其中的难点与收益
• 因果推断与强化学习你有哪些理解？在增长场景中如何应用？
• 如何设计一个补贴/定价策略，在预算约束下最大化GMV或单量？
• 面对冷启动或数据稀疏问题，你会如何处理转化率预估模型？
• 你如何看待大模型在决策优化中的应用？