推荐算法工程师

1、负责推荐场景的召回排序全链路优化，独立承担从算法方案设计、离线模型开发验证、模型上线实验、A/B 实验分析的全流程闭环，对 CTR、CVR、GMV 等核心指标负责。

2、面向旅游品类低频、高价、长决策周期的特点，建设用户出行意图与兴趣建模能力：长短期行为序列、目的地与出行时间意图推断、跨品类（酒店、机票、门票、度假）偏好迁移。

3、多目标与多场景建模：在多场景多专家模型的框架下，优化 CTR/CVR/GMV 的联合建模与融合策略，处理场景间样本分布差异与偏置。

4、冷启动与探索：新品、新目的地、季节性与节假日供给的冷启动策略，探索流量与收益的平衡。

5、特征与样本体系：实时与离线特征、样本构造与标签定义（如延迟转化）、离在线一致性保障。

6、与产品、运营、工程协作，推动模型效果转化为业务目标

1、计算机、数学、统计等相关专业本科及以上，3 年以上推荐、搜索或广告排序算法经验。

2、深入理解工业级排序模型：多任务学习（MMoE、PLE 等）、序列建模、特征交叉、多场景建模。

3、扎实的工程能力：熟悉掌握 Python 及 Java ；熟悉 TensorFlow 或 PyTorch；熟悉 Spark、Flink 等大数据处理框架；能独立完成从样本到上线的全链路。

4、严谨的实验方法论：A/B 实验设计与显著性判断、离在线指标一致性诊断（AUC/GAUC 与线上指标的关系）、效果归因分析。

5、具备强烈的责任心，自驱力，热衷技术，有优秀的学习能力。

加分项

1. 在线旅游、酒店、机票、本地生活等低频高价品类的推荐经验。
2. 生成式推荐或大模型在推荐中的应用经验（用户表征、语义 ID、LLM 特征）。
3. 顶会论文或开源贡献