滴滴出行
资深算法专家（滴滴能源）
资深算法专家（滴滴能源）
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优化工程师
算法优化工程师
供需预测
强化学习
机器学习
深度学习
运筹优化
值不值得投
78综合评分
综合评分 78
核心业务资深算法岗，技术栈前沿且成长空间大，薪资竞争力强，但业务挑战与压力并存。
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
与算法优化工程师中位数基本持平
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 2160 个在招 · 其中算法优化工程师 29 个
市场机会
选择面较广
杭州 · 算法优化工程师 · 约 150 个在招
职位详情
关于这个职位
该职位主要负责滴滴能源业务中智能定价、营销、供需匹配等核心场景的算法策略研发
你需要运用机器学习、强化学习和运筹优化等技术，构建供需预测和仿真系统，优化成交率等核心业务指标，直接驱动业务增长
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
负责能源智能定价和营销场景下算法策略的研发，包括但不限于供需匹配,流量分发,供需预测,仿真系统等方向，推动业务效率提升
针对能源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的优先
有分布式机器学习和数据分析经验的优先
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
- 接触海量真实数据，有机会在顶级会议发表论文，保持技术前沿性
- 核心业务部门，算法直接挂钩业务指标，个人价值体现明显
- 对数学功底和工程能力要求双高，需同时兼顾模型效果与系统性能
- 适合具备深厚机器学习理论基础、丰富工业界实战经验，且对运筹优化和强化学习有浓厚兴趣的资深算法人才
缺点 / 挑战
- 业务场景复杂且极具挑战，能源市场的供需匹配和定价策略能极大锻炼算法落地能力
- 业务指标压力大，需要在复杂的供需环境和竞争态势下快速迭代算法
角色解读
- 可向算法架构师或首席科学家方向发展，深耕运筹优化与强化学习在复杂商业场景的应用
- 也可转向算法团队管理，带领团队解决更宏观的业务战略问题
- 负责滴滴能源业务中智能定价、营销、供需匹配等核心场景的算法策略研发
- 运用机器学习、强化学习和运筹优化等技术，构建供需预测和仿真系统
- 与业务方紧密协同，通过算法优化成交率等核心指标，直接驱动业务增长
- 扎实的机器学习与深度学习基础，熟练掌握LR、GBDT、XGBoost、RL等算法
- 具备海量数据处理能力，熟悉Hadoop、Spark等大数据生态
- 精通至少一门编程语言（C++/Java/Python/Scala/Golang），具备优秀的工程落地能力
申请策略
- 提前了解滴滴能源业务（如滴滴加油、充电等）的市场现状和痛点，思考算法优化切入点
- 突出在供需匹配、定价策略或流量分发等类似场景的算法落地经验及业务收益
- 详细列出掌握的机器学习/强化学习算法及在海量数据下的工程实现能力
- 若有顶会论文、Kaggle优异名次或大型系统架构经验，务必在简历中醒目标注
- 复习并深化强化学习与运筹优化理论，了解其在出行或能源领域的最新应用
- 复习大数据处理框架（Spark/Hadoop）的底层原理及性能调优技巧
面试指南
- STAR法则：情境(Situation) -> 任务(Task) -> 行动(Action，重点讲算法选型和工程实现) -> 结果(Result，量化业务收益)
- 技术深度+业务理解：不仅讲清楚算法原理，还要结合能源/出行场景解释为什么这个算法能解决业务痛点
- 请详细介绍你过往在供需匹配或定价策略中使用的算法模型，以及如何优化核心业务指标？
- 在海量数据场景下，如何平衡复杂模型（如深度强化学习）的训练成本与线上推理延迟？
- 如果能源市场出现突发竞争态势导致供需失衡，你的算法系统如何快速响应和调整？
- 请谈谈你对强化学习在运筹优化中应用的理解，以及与传统机器学习方法的区别
- 准备1-2个自己主导的最成功的算法项目，深挖其中的技术难点、解决方案及业务收益
- 了解滴滴能源业务的基本逻辑，思考供需预测和智能定价的核心特征工程
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
资深算法专家岗位，薪资处于市场高位，且作为核心业务部门，绩效奖金和长期激励具有较强竞争力。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
90较高
接触前沿的强化学习与运筹优化技术，有机会发表顶会论文，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、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加班情况，但核心业务算法岗通常面临一定的业务迭代压力。
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
能源行业正处于数字化转型期，通过算法提升能源匹配效率，具有一定的社会价值。
行业发展高速增长赛道
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