天猫
1688-数据算法-杭州
1688-数据算法-杭州
发布于 大约 4 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Pytorch
Tensorflow
因果推断
大模型
数据挖掘
机器学习
深度学习
用户画像
知识图谱
值不值得投
72综合评分
综合评分 72
前沿AI算法岗、技术成长性高、薪资市场水准、WLB不明确
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。
薪资怎么样
30K
比人工智能中位数低
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 350 个在招 · 其中人工智能 11 个
市场机会
选择面较广
杭州 · 人工智能 · 约 190 个在招
职位详情
关于这个职位
该职位是数据算法工程师，负责运用机器学习、大模型、知识图谱等前沿人工智能技术，深入挖掘业务增长痛点，构建智能化的用户理解体系和商机洞察引擎
具体工作包括AI用户画像建设、趋势商机Agent开发、大语言模型后训练与应用落地，以驱动业务从数据到决策的闭环升级
最低要求
计算机、数学或统计学相关专业硕士及以上学历，在大模型/多模态/NLP/数据挖掘等任一领域有3年以上工作或研究经验
熟练使用pytorch/tensorflow等至少一种主流深度学习框架，在自然语言理解、深度学习等领域有较深入的研究和建模优化经验
熟练掌握业界主流大语言模型的算法原理、后训练策略、AI Agent开发和优化方法
优秀的数据敏感性和业务理解能力，能够从复杂业务数据中发掘有效洞见
自驱力强，具备结果导向意识，有良好的协同能力，沟通合作能力，富有想象力和创造力
工作职责
深入理解业务场景与增长瓶颈，基于机器学习、深度学习、图神经网及多模态AI算法，完成特征工程、模型构建、指标体系设计与线上效果评估
负责AI用户画像建设，持续优化用户标签体系、兴趣建模、行为预测与高价值用户识别
打造趋势商机Agent，基于用户行为序列、市场环境变化与行业动态数据，构建基于大模型的多维商机趋势理解能力，构建商机数据服务能力矩阵
参与大语言模型的后训练流程设计与实现，包括SFT、DPO、GRPO、GSPO等方法，负责大模型在Agent应用链路中的落地实践，包括任务规划、工具调用、长期记忆与对话状态管理等方向的研发
持续跟进大模型前沿技术、开源方案及其在数据挖掘领域的应用
AI 洞察
优缺点分析
优点
- 接触前沿AI技术（大模型、Agent、知识图谱），技术栈先进
- 业务场景聚焦电商增长，AI应用直接驱动商业价值，成果可见性强
- 公司平台资源丰富，有大规模数据和计算资源支持研发
- 技术难度高，需要快速跟进大模型前沿并落地复杂应用
- 竞争激烈，对算法优化和业务理解的综合能力要求严苛
- 适合有扎实算法基础、对AI技术有热情、喜欢解决复杂业务问题的求职者，尤其关注技术落地和商业影响
缺点 / 挑战
- 业务需求多变，需在算法创新与工程实现间平衡，可能面临性能和时效压力
角色解读
- 技术专家路线：深化大模型和AI Agent研发，成为领域技术负责人
- 产品化路线：将算法能力转化为商业产品，参与AI战略规划
- 管理路线：带领算法团队，负责项目管理和技术决策
- 构建基于机器学习和大模型的AI用户画像，分析用户行为和预测兴趣
- 开发趋势商机Agent，利用大模型理解市场动态和识别业务机会
- 参与大语言模型后训练（如SFT、DPO）并实现Agent应用落地
- 进行特征工程、模型构建和效果评估，解决业务增长瓶颈
- 精通机器学习、深度学习算法，熟练使用PyTorch或TensorFlow
- 掌握大语言模型原理、后训练策略和AI Agent开发方法
- 具备强大的数据分析和业务理解能力，能从复杂数据中提取洞见
- 熟悉自然语言处理（NLP）、多模态AI或数据挖掘技术
申请策略
- 研究阿里巴巴的电商业务和AI应用案例，面试中展示对业务的理解
- 准备个人在算法项目中的技术深度细节，如模型选型、优化思路
- 突出机器学习/深度学习项目经验，尤其是用户画像、NLP或大模型相关实践
- 强调使用PyTorch/TensorFlow的具体成果，如模型优化、效果提升数据
- 展示对AI Agent、大模型后训练（如SFT、DPO）的理解或实践经历
- 体现数据敏感性和业务理解，描述如何通过算法驱动业务增长
- 深入学习大语言模型原理和训练技术（如RLHF、DPO），关注开源工具（如Hugging Face）
- 练习将算法应用于实际业务场景，培养端到端的问题解决能力
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验
- 结合具体算法和工具（如PyTorch、知识图谱）说明技术选型理由
- 强调与业务的关联，突出算法如何驱动指标提升或解决痛点
- 如何设计一个AI用户画像系统？从特征工程到模型部署的关键步骤是什么？
- 解释一下大语言模型后训练中DPO（Direct Preference Optimization）的原理和应用场景
- 如何基于用户行为序列构建商机趋势Agent？遇到哪些技术挑战？
- 描述一个你用机器学习解决业务增长问题的案例，效果如何评估？
- 复习机器学习基础（如监督学习、深度学习）和大模型相关论文/博客
职位点评
薪资福利70
成长发展90
工作生活50
使命价值75
薪资福利
70中等
该职位未明确薪资福利，但公司规模大，市场薪酬水平可能较高，补偿性动机满足程度中等。
薪资信号未披露（AI估算：20K-40K/月）
成长发展
90较高
职位涉及大模型、AI Agent等前沿技术，技术栈先进，有明确的技术成长信号，发展性动机满足程度很高。
技术前沿前沿/新兴技术
技术栈大模型、知识图谱、用户画像、因果推断、PyTorch、TensorFlow、自然语言理解、深度学习
成长机会持续跟进大模型前沿技术
业务类型profit_center
工作生活
50较低
JD未提及办公模式或工作生活平衡信息，工作模式不明确，生活化动机满足程度有限。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
职位聚焦AI驱动业务增长，行业前景好，但社会影响力中性，意义感动机满足程度较好。
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
Watch Jobs