Auchan logo
欧尚
AI算法工程师(智能商品管理方向)

AI算法工程师(智能商品管理方向)

发布于 2 个月前

普通员工/个人贡献者

AI 估算 · 2.5–4.0万 · AI 参考估算
中级经验
硕士
全职员工仅现场办公机器学习工程
机器学习工程
Maxcompute
多模态大模型
大语言模型
强化学习
机器学习
知识图谱
运筹学

值不值得投

73综合评分

综合评分 73

跨国零售巨头AI算法岗,技术栈前沿且贴近核心业务,薪资稳健,WLB情况待确认。

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

3.3万

比机器学习工程中位数低

发布情况

长期在招 · 54 天前发布

公司情况

这家公司招聘很活跃

25 个在招

市场机会

选择面较广

上海 · 机器学习工程 · 约 380 个在招

职位详情

关于这个职位

该职位隶属于大润发技术部AI部门,主要负责智能商品管理方向的算法研发与落地

你将利用机器学习、大模型等技术构建新品收益预估、智能选品组货及商品淘汰模型,助力零售业务的数字化革新

最低要求

研究生及以上学历,计算机/数学/人工智能/统计专业,有2年以上相关工作经验优先

熟悉MaxCompute/Hive/HBase/Spark以及大数据的处理
熟悉Python/Shell以及相关模块的使用
熟悉运筹学、机器学习、强化学习等领域的算法应用和理论,有较强的数学建模能力
在商品管理、NLP、多模态、知识图谱等相关领域有深入研究或项目经验,有大规模商品数据管理算法经验者优先
熟悉商品分类、选品、新品引进、淘汰等核心任务的建模方法,具备从数据到模型再到业务落地的全流程能力

工作职责

负责商品管理相关算法的研发与落地,包括但不限于品类决策树、新品引进、商品组货、商品淘汰等方向

结合市调采集数据,构建新品收益预估模型,助力采购高效发现潜力新品
应用AI模型打造智能选品组货工具,用于超市新店选品和品类结构优化
通过算法模拟商品删减后对业绩的影响,助力商品淘汰提效
跟进前沿算法技术,探索大语言模型、多模态大模型、预训练语言模型等在商品管理场景中的应用,并推动技术成果落地

AI 洞察

优缺点分析

优点

  • 业务场景清晰且数据丰富,零售商品管理拥有海量真实数据,利于算法模型发挥实际业务价值
  • 技术栈前沿,涉及大语言模型、多模态大模型等热门技术,有助于保持技术竞争力
  • 依托跨国零售巨头平台,业务落地规模大,能积累丰富的大规模数据算法工程经验
  • 零售业务逻辑复杂,需要深入理解商品分类、选品、淘汰等业务细节,对业务理解能力要求高
  • 适合具备扎实算法基础、对零售业务感兴趣,且希望将前沿AI技术应用于实体商业落地的技术人才

缺点 / 挑战

  • 算法模型在实际业务中的收益可能受限于线下门店的执行和供应链等现实因素,落地存在挑战

角色解读

  • 纵向可深耕算法技术,向资深算法专家或首席科学家发展,主导大模型在零售场景的落地
  • 横向可向AI产品经理或技术管理岗转型,负责智能商品管理业务线的整体规划与团队管理
  • 负责零售场景下商品管理算法的研发,包括品类决策、新品引进、商品组货与淘汰等
  • 构建新品收益预估模型和智能选品组货工具,优化超市新店选品和品类结构
  • 探索大语言模型、多模态大模型在商品管理场景中的前沿应用并推动落地
  • 扎实的数学建模能力,精通运筹学、机器学习、强化学习等算法理论
  • 熟练掌握Python/Shell编程,以及MaxCompute/Hive/Spark等大数据处理技术
  • 具备从数据处理、模型构建到业务落地的全流程算法工程能力

申请策略

  • 提前了解大润发或欧尚的零售业务模式、品类管理策略,面试时能结合具体业务场景探讨算法应用
  • 准备一个完整的算法项目案例,清晰阐述从数据清洗、特征工程、模型选择到业务指标提升的全流程
  • 突出在机器学习、强化学习或大模型相关的项目经验,特别是与商品推荐、选品、收益预估相关的落地案例
  • 强调大数据处理能力,展示使用Spark、Hive等工具处理大规模数据的实际经验
  • 展现对零售或电商商品管理业务的理解,如有相关领域知识图谱或NLP项目经验务必详细展开
  • 深入学习大语言模型(LLM)和多模态大模型在垂直领域的应用微调与部署技术
  • 补充运筹学在供应链和商品组货中的实际优化算法(如线性规划、启发式算法)知识

面试指南

  • STAR法则:针对项目经验问题,按照情境、任务、行动、结果的框架,重点突出你的技术选型和业务收益
  • 业务+技术双重视角:在回答算法问题时,不仅讲技术实现,还要结合零售业务逻辑(如毛利、周转率、坪效)说明算法的合理性
  • 请详细介绍一个你主导的商品管理或推荐系统相关的算法项目,你是如何提升业务指标的?
  • 在构建新品收益预估模型时,你会如何处理数据稀疏性和冷启动问题?
  • 大语言模型在商品分类或选品场景中有哪些具体应用?你会如何设计Prompt或进行微调?
  • 如果算法模拟的商品淘汰方案与采购部门的经验产生冲突,你会如何沟通和调整模型?
  • 请解释强化学习在商品组货或动态定价场景中的应用思路
  • 复习机器学习、强化学习的基础理论,并准备大模型在NLP和推荐场景的最新应用案例

职位点评

薪资福利75
成长发展80
工作生活60
使命价值70

薪资福利

75中等

依托跨国零售巨头平台,薪资处于市场中上水平,福利体系相对完善,但传统零售行业的薪资爆发力可能不及纯互联网大厂。

薪资信号未披露(AI估算:2.5千–4.0万/月)

成长发展

80较高

岗位涉及大模型、多模态等前沿技术在零售场景的落地,技术成长空间大,且业务场景丰富,利于积累大规模数据算法经验。

技术前沿前沿/新兴技术
技术栈Python、MaxCompute、Hive、Spark、机器学习、强化学习、大语言模型、多模态大模型、知识图谱
业务类型profit_center

工作生活

60中等

JD未明确提及工作模式和加班情况,传统零售技术部通常节奏相对互联网大厂较稳,但具体WLB情况需进一步确认。

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

推动传统零售业务的数字化和智能化革新,具有明确的商业价值和社会价值,属于积极采用新技术的创新模式。

行业发展稳定成熟行业
社会影响中性/一般
使命信号驱动零售业务革新
创新程度积极采用新技术
Watch Jobs