微软
Principal Applied Scientist Manager
Principal Applied Scientist Manager
发布于 5 个月前中层管理(经理/总监)
北京市
专家级经验
全职员工
混合式弹性办公
本科
数据分析与科学
团队管理
广告技术
推荐系统
搜索算法
机器学习
LLM
AI 估算 · 80k–150k
该职位要求顶尖的机器学习与LLM技术，并需管理团队，属于稀缺的高端技术管理人才，市场竞争力强，薪资水平位于行业前列。
职位详情
关于这个职位
这是一个微软广告算法团队的高级管理岗位，负责领导一个专注于广告相关性（relevance）的团队
你将运用最先进的机器学习技术，特别是大语言模型（LLM），来提升Bing广告的相关性，并与美国团队合作，共同推动技术创新和业务增长
最低要求
学历要求（满足其一即可）：
统计学、计量经济学、计算机科学、电气或计算机工程或相关领域的学士学位，并拥有6年以上相关经验（例如，统计学、预测分析、研究）
统计学、计量经济学、计算机科学、电气或计算机工程或相关领域的硕士学位，并拥有4年以上相关经验
统计学、计量经济学、计算机科学、电气或计算机工程或相关领域的博士学位，并拥有3年以上相关经验
或同等经验
其他最低要求：
年以上人员管理经验
具备LLM相关应用经验
在搜索或推荐领域拥有6年以上机器学习经验
能够满足微软、客户和/或政府的安全审查要求
这些要求包括但不限于：微软云背景调查（入职/调动时需通过，之后每两年一次）
工作职责
领导STCA中一个规模可观的Bing广告相关性团队，并利用最先进的机器学习技术，特别是LLM，来提升广告相关性
与美国合作伙伴合作，共同承担业务责任
推动技术创新，包括与微软研究院（MSR）的研究人员合作试验新技术，探索行业最新进展，并深入分析DSATs和系统问题以识别新的改进机会
作为人员经理，通过树立榜样、指导和关怀，通过授权和问责来取得成功
优先资格
优先资质（满足其一即可）：
统计学、计量经济学、计算机科学、电气或计算机工程或相关领域的硕士学位，并拥有9年以上相关经验（例如，统计学、预测分析、研究）
统计学、计量经济学、计算机科学、电气或计算机工程或相关领域的博士学位，并拥有6年以上相关经验
或同等经验
其他优先资质：
具备LLM后训练（post training）经验
在相关性和质量（relevance and quality）方面有经验
AI 洞察
优缺点分析
优点
- 平台优势：在微软这样的科技巨头工作，可以接触到海量数据、顶尖的技术资源和全球化的业务场景，职业背书价值高
- 技术前沿：核心工作是应用LLM等最前沿的AI技术解决实际商业问题，能持续积累极具竞争力的技术经验
- 复合发展：岗位兼具深度技术和管理职责，有利于培养“技术+管理”的复合型能力，拓宽职业天花板
- 业务影响力：直接服务于公司核心的广告收入业务，工作成果能产生显著的商业价值，成就感强
- 技术快速迭代：AI和广告技术领域变化迅猛，需要持续投入大量时间学习，以保持技术领先性
- 适合那些在机器学习领域有深厚积累，并希望向技术管理方向发展，同时乐于在快速变化的广告技术前沿进行探索和实践的资深人才
缺点 / 挑战
- 高绩效压力：作为管理岗，需要对团队的技术产出和业务指标（如广告收入、相关性）双重负责，压力较大
- 跨时区协作：需要频繁与美国团队沟通协作，可能面临会议时间不友好、沟通成本较高等挑战
角色解读
- 技术管理路径：可以继续深耕广告算法领域，向更高级别的技术总监或技术副总裁发展，负责更广阔的技术战略
- 业务管理路径：凭借对广告业务的深刻理解，有机会转向产品管理或综合业务管理岗位，负责整个业务线的规划与发展
- 行业专家路径：成为广告算法与LLM应用领域的权威专家，在行业内建立个人影响力，或转向顶尖的研究机构
- 领导一个技术团队，专注于利用大语言模型（LLM）等前沿技术，优化Bing广告的匹配相关性，提升广告效果
- 负责技术方向的规划与创新，包括与研究院合作探索新技术，并深入分析系统问题以寻找性能提升点
- 作为团队管理者，需要负责团队成员的培养、激励和绩效管理，确保团队高效产出
- 需要与美国总部团队紧密协作，对齐业务目标和技术方案，共同对业务结果负责
- 深厚的机器学习功底，特别是在搜索、推荐或广告领域有6年以上的实战经验，并熟悉LLM的应用与优化
- 扎实的团队管理与领导能力，拥有2年以上带团队经验，懂得如何通过授权和辅导激发团队潜力
- 出色的技术视野与创新能力，能够跟踪行业前沿（如LLM进展），并将其转化为实际的产品改进
- 优秀的跨团队协作与沟通能力，能够与不同地区、不同职能的同事有效合作，推动项目落地
申请策略
- 深入了解微软“成长型思维”的企业文化和STCA（微软亚洲互联网工程院）的组织定位，在面试中展现与之契合的工作理念
- 提前研究Bing Ads的产品和竞品（如Google Ads），形成自己对广告相关性技术挑战和机会的见解，在面试中主动交流
- 重点突出在搜索、推荐或广告领域的机器学习项目经验，特别是那些应用了LLM或深度学习模型并取得显著业务提升的案例
- 详细描述过往的团队管理经验，包括团队规模、如何带领团队攻克技术难题、以及团队绩效提升的具体成果
- 展示与技术创新的相关经历，如发表论文、参与前沿技术预研、或成功将学术界成果落地到工业界的项目
- 如果有跨国或跨团队协作经验，应明确写出，并说明在其中扮演的角色和达成的共同目标
- 如果对LLM的后训练（Fine-tuning, RLHF等）经验不足，可以系统学习相关框架（如Hugging Face Transformers）并尝试小规模实践
- 加强对微软广告业务或整个在线广告生态（如竞价机制、效果衡量）的理解，可以通过行业报告、技术博客等渠道学习
面试指南
- 对于技术问题，采用“情境-任务-行动-结果”（STAR）法则来回答，清晰阐述背景、个人角色、具体行动和可量化的成果
- 对于管理和协作问题，突出你的领导风格（如授权、辅导）、沟通策略以及以结果为导向的思维方式
- 对于行业见解类问题，结合你的技术积累和对微软业务的理解，提出有深度、有逻辑且可行的观点，展现你的思考高度
- 请分享一个你利用机器学习（特别是LLM）显著提升搜索/推荐/广告系统相关性的具体项目，你遇到了什么挑战，如何解决的？
- 作为经理，你如何设定团队的技术路线图？当团队在技术方案上产生分歧时，你如何决策？
- 描述一次你成功推动跨团队（尤其是跨地域团队）技术合作的经验，你是如何确保项目对齐并最终成功的？
- 你如何衡量和提升你所负责的广告相关性模型的效果？除了线上A/B测试指标，你还会关注哪些方面？
- 请谈谈你对未来1-2年内，LLM技术将如何进一步改变广告技术格局的看法
职位点评
微软 的其他在招职位
相似职位推荐
Watch Jobs