27届秋招-算法工程师-网约车

岗位职责

岗位职责：

1. 交易策略优化：利用机器学习、运筹优化等技术，参与网约车交易市场的核心算法研发，包括但不限于智能权益、动态定价、司乘匹配、品类推荐等场景，持续提升平台的交易效率与用户体验；
2. 数据建模与分析：基于海量真实出行数据，构建和迭代用户行为预测、供需预测、订单取消率预估等预测模型，为精细化运营提供决策基础；
3. 算法工程化落地：在mentor指导下，将离线训练的算法模型进行线上部署与工程化，参与特征工程、模型训练、效果验证到全量上线的完整链路，解决实际落地中的工程与算法问题；
4. 效果评估与迭代：设计科学的离线与在线评估体系，通过A/B实验验证算法收益，对模型效果进行持续监控、归因分析和迭代优化；
5. 跨团队协作：与产品、运营、工程研发等团队紧密合作，深入理解业务痛点，将模糊的业务问题拆解为清晰的算法解决方案。

任职要求：

1. 2027届毕业生，本科及以上学历，计算机、软件工程、人工智能、自动化、数学、统计学、运筹学等相关专业优先；

2. 具备扎实的计算机科学基础，对数据结构和算法有良好掌握；

3. 熟练使用至少一种主流编程语言，如Python/C++/Java，具备良好的编码习惯和工程实现能力；

4. 熟悉常用的机器学习、深度学习模型及框架（如TensorFlow、PyTorch、XGBoost等），了解模型原理及适用场景；

5. 有处理大规模数据的经验，熟悉Hive、Spark等大数据处理工具者优先；

6. 对因果推断、强化学习、运筹优化中的至少一个方向有基础认知或实践经验者优先；

7. 具有强烈的好奇心和学习能力，乐于钻研，能快速跟进前沿技术并将之应用于业务问题；逻辑思维清晰，能够对复杂问题进行拆解、建模和量化分析；具备良好的沟通协作意识，能清晰表达技术观点，愿意参与团队知识分享；

8. 实习经历及加分项：有机器学习、数据挖掘相关的实习经历者优先；有网约车、电商、本地生活等领域交易策略、搜推广算法实习经验者优先；在机器学习、数据挖掘相关顶会发表过论文，或在有影响力的竞赛（如Kaggle）中取得突出成绩者优先；有扎实的工程落地能力，了解模型在线服务的部署架构者优先。岗位职责：

9. 交易策略优化：利用机器学习、运筹优化等技术，参与网约车交易市场的核心算法研发，包括但不限于智能权益、动态定价、司乘匹配、品类推荐等场景，持续提升平台的交易效率与用户体验；

10. 数据建模与分析：基于海量真实出行数据，构建和迭代用户行为预测、供需预测、订单取消率预估等预测模型，为精细化运营提供决策基础；

11. 算法工程化落地：在mentor指导下，将离线训练的算法模型进行线上部署与工程化，参与特征工程、模型训练、效果验证到全量上线的完整链路，解决实际落地中的工程与算法问题；

12. 效果评估与迭代：设计科学的离线与在线评估体系，通过A/B实验验证算法收益，对模型效果进行持续监控、归因分析和迭代优化；

13. 跨团队协作：与产品、运营、工程研发等团队紧密合作，深入理解业务痛点，将模糊的业务问题拆解为清晰的算法解决方案。

任职要求：

1. 2027届毕业生，本科及以上学历，计算机、软件工程、人工智能、自动化、数学、统计学、运筹学等相关专业优先；
2. 具备扎实的计算机科学基础，对数据结构和算法有良好掌握；
3. 熟练使用至少一种主流编程语言，如Python/C++/Java，具备良好的编码习惯和工程实现能力；
4. 熟悉常用的机器学习、深度学习模型及框架（如TensorFlow、PyTorch、XGBoost等），了解模型原理及适用场景；
5. 有处理大规模数据的经验，熟悉Hive、Spark等大数据处理工具者优先；
6. 对因果推断、强化学习、运筹优化中的至少一个方向有基础认知或实践经验者优先；
7. 具有强烈的好奇心和学习能力，乐于钻研，能快速跟进前沿技术并将之应用于业务问题；逻辑思维清晰，能够对复杂问题进行拆解、建模和量化分析；具备良好的沟通协作意识，能清晰表达技术观点，愿意参与团队知识分享；
8. 实习经历及加分项：有机器学习、数据挖掘相关的实习经历者优先；有网约车、电商、本地生活等领域交易策略、搜推广算法实习经验者优先；在机器学习、数据挖掘相关顶会发表过论文，或在有影响力的竞赛（如Kaggle）中取得突出成绩者优先；有扎实的工程落地能力，了解模型在线服务的部署架构者优先。