岗位职责: 1、基于PyTorch框架研发推荐系统核心算法，包括但不限于协同过滤、深度兴趣网络（DIN/DIEN）、图神经网络（GNN）、多任务学习（MMoE/ESMM）等，提升推荐精准度与多样性； 2、负责大规模用户行为数据的处理与分析，利用Flink实现实时特征计算、Hive构建离线特征池，支持模型训练与在线推理场景； 3、优化高并发场景下的算法推理性能，通过模型压缩（如量化、蒸馏）、服务化部署（TensorRT/Serving）等技术降低延迟，提升吞吐量； 4、设计AB实验框架，分析模型效果与业务指标（CTR/GMV/留存率），驱动算法迭代与策略优化； 5、协同工程团队完成算法模型从离线训练到在线服务的全链路落地，保障系统的稳定性和可扩展性。 任职资格: 1、教育：大学本科及以上学历，计算机、数学应用等相关专业 2、技术能力： 精通PyTorch框架，熟悉推荐系统经典算法（如召回、排序、重排）及前沿技术（如强化学习、因果推断）； 熟练掌握Flink实时计算开发（如窗口计算、状态管理）、Hive SQL调优及数据仓库建模； 熟悉高并发场景下的模型推理优化，包括但不限于异构计算（GPU/CPU混合部署）、动态批处理、内存管理； 具备扎实的数据分析能力，熟练使用Spark/Pandas处理TB级数据，掌握AB实验设计与效果归因方法。 3、加分项： 有大规模推荐系统落地经验，熟悉业界方案（如YouTube DNN、DeepFM、Wide&Deep）； 熟悉模型蒸馏、剪枝、量化等轻量化技术，或TensorRT/ONNX等推理加速工具； 掌握实时特征工程开发（如Flink CEP）、Docker/Kubernetes服务化部署及性能监控（Prometheus）。