索尼影业
【小宇宙】算法工程师
【小宇宙】算法工程师
发布于 大约 2 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
学历未注明
软件工程
Go
召回算法
排序模型
推荐系统
搜索系统
数据处理
AI 估算 · 30k–50k
3年经验算法工程师在上海，推荐搜索方向需求旺盛，薪资具有竞争力，参考市场水平。
职位详情
关于这个职位
加入小宇宙团队，负责推荐和搜索系统的算法研发与优化
你将参与召回、排序模型的训练与特征工程，结合业务数据分析探索算法优化方向
适合有3年以上推荐/搜索/机器学习经验的工程师
最低要求
计算机相关专业毕业，3年推荐/搜索/机器学习等相关经验
了解推荐系统或搜索系统的基本原理和实现
有数据处理经验，掌握常用的数据工具Spark/Flink
熟练掌握至少一门编程语言，如 Python/Java/Go 等
良好的学习能力和沟通能力，具备团队合作精神
工作职责
参与小宇宙推荐、搜索系统的研发和算法优化工作
包括召回算法、多目标排序模型的训练
特征设计和开发、排序策略开发
结合业务场景，分析回收数据，探索算法在业务上优化方向
优先资格
有内容推荐项目经验或相关经历
了解音频处理或相关领域算法
AI 洞察
优缺点分析
优点
- 小宇宙团队氛围好，技术驱动，成长空间大
- 推荐搜索是AI核心方向，技能积累价值高
- 推荐系统效果提升需要大量实验和迭代，工作强度较大
- 音频内容特征提取相比文本更复杂，对算法理解要求高
- 适合有推荐/搜索经验、对内容推荐感兴趣、愿意深入业务并持续学习的算法工程师
缺点 / 挑战
- 参与播客垂直领域推荐系统，业务独特有挑战
角色解读
- 从算法工程师成长为推荐系统专家，主导核心算法方向
- 横向扩展至搜索、NLP等相邻领域，成为全栈算法人才
- 向技术管理方向发展，带领算法团队
- 负责推荐系统的召回和排序算法开发与优化，提升推荐效果
- 设计和开发特征工程，包括用户行为、内容属性等特征
- 分析线上数据，根据业务指标迭代算法策略
- 扎实的机器学习基础，熟悉推荐或搜索系统原理
- 熟练使用Spark/Flink等大数据处理工具
- 精通Python、Java或Go至少一门编程语言
申请策略
- 在简历中提及对播客或音频内容的兴趣，体现热情
- 准备一个推荐系统优化的完整项目案例，从问题到方案到效果
- 突出推荐或搜索项目的实际成果，如点击率提升、召回率改善等量化指标
- 强调Spark/Flink等大数据工具的使用经验，展示数据处理能力
- 列出熟悉的排序模型（如DNN、LR、GBDT等）和特征工程案例
- 复习推荐系统经典论文和最新进展（如多目标排序、图召回）
- 补充音频处理基础知识，了解语音特征提取方法
面试指南
- 采用STAR法则描述项目：背景、任务、行动、结果
- 对于算法原理问题，先解释核心思想，再举例说明应用场景
- 对于开放性问题（如冷启动），从内容特征、用户画像、探索策略等多角度回答
- 请介绍你做过的推荐项目，包括召回和排序的具体方案
- 如何评估推荐系统的效果？有哪些离线指标和在线指标？
- 解释多目标排序模型的常见方法（如MMOE、PLE）及其原理
- 有用过Spark进行数据处理吗？请描述一个具体的ETL任务
- 如果新内容没有用户行为，如何实现冷启动推荐？
职位点评
69
综合评分
技术前沿、薪资可观，但WLB一般，适合愿挑战的算法工程师。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长和职业发展的求职者，能接受现场办公和一定工作强度。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值65
薪资福利
70中等
薪资水平在上海具有竞争力，但未明确具体薪资和福利，补偿性动机满足程度中等。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
85较高
推荐系统是前沿技术，项目经验积累价值高，但JD未明确提及培训或晋升通道。
技术前沿前沿/新兴技术
技术栈推荐系统、搜索系统、召回算法、排序模型、Spark、Flink、Python、Java、Go
业务类型profit_center
工作生活
50较低
仅现场办公，无远程或弹性选项，且未提及WLB信号，生活方式满足程度较低。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
65中等
播客行业处于增长期，但职位描述未强调社会使命感，意义感满足程度一般。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
索尼影业 的其他在招职位
相似职位推荐
Watch Jobs