地图搜索算法工程师

优缺点分析

角色解读

• 技术纵深发展：成为搜索推荐/NLP大模型领域的专家，主导核心算法突破
• 横向扩展：结合地图业务，成长为地理智能领域的全栈算法工程师
• 管理方向：积累经验后转向技术管理，带领算法团队
• 构建地图搜索推荐引擎，优化搜索结果和推荐排序，提升用户体验
• 开发NLP模块，如文本分类、命名实体识别、文本相似度计算，用于地址和POI理解
• 应用大模型技术进行智能搜索开发与落地，跟踪前沿算法并技术框架建设
• 扎实的搜索/推荐/NLP算法基础，有实际落地经验
• 熟练使用Hadoop/Spark/Flink等大数据处理框架
• 精通PyTorch/TensorFlow等深度学习框架，掌握C++/Java/Python至少一门语言
• 对地图搜索场景有经验者优先，但非必须

申请策略

• 京东价值观强调客户为先、创新、拼搏，可在简历和面试中体现相关项目
• 关注京东在物流和零售的地图应用，思考算法如何赋能业务
• 突出搜索/NLP/大模型相关的项目经验，包括技术选型、效果指标和落地细节
• 强调大数据处理经验，如Hadoop/Spark的实际使用场景和数据规模
• 展示深度学习框架的掌握程度，最好有模型优化或部署经验
• 如有地图相关项目（如POI搜索、地址解析）务必突出
• 复习搜索排序算法（如LTR、DSSM）和NLP基础（BERT、序列标注）
• 了解大模型基本概念和Prompt工程，可快速上手LLM应用

面试指南

• 用STAR法则回答项目问题：情境、任务、行动、结果
• 对于算法设计问题，先明确目标，再对比多种方案，最后给出选择理由
• 对未知领域问题，诚实说明不足，展示学习思路和逻辑推导能力
• 请介绍一个你负责的搜索或推荐项目，如何优化排序指标？
• 如何处理地图场景中地址文本的歧义和不规范问题？
• Transformer在NLP任务中的应用？如何将其用于文本相似度计算？
• 大模型在智能搜索中如何应用？存在哪些挑战？
• 在Hadoop/Spark上进行大规模数据处理时遇到过哪些性能问题？如何解决？