• 观测分析:在非实验场景中的不同商业场景下将统计学、心理学、行为学、计量经济学理论框架与机器学习相结合,包括基于生存模型的用户活 跃与留存分析,基于韦伯费希纳定律的用户行为理解,基于矩阵分解技术 的用户行为规律发掘,以及基于可解释模型技术的商业场景挖掘等。• 机器学习:借助快手内部前沿的离线模型训练平台,利用用户行为序列数 据和 BST 对用户历史行为进行建模,使用 DL、MMOE 多任务等模型框架 建设用户的生命周期价值和活跃度的预测模型体系,搭建快手的长期关键 业务指标的预测与仿真模拟体系。• 因果推断:针对快手业务场景,设计和分析各类 A/B 实验,识别和解决网 络效应对于实验因果推断的干扰,从统计数据科学模型角度完善公司级别 A/B 实验因果推断平台;结合前沿的机器学习算法和计量经济学方法,开 发和应用因果图、面板数据、异质性因果效应等因果推断算法工具,准确 度量活动、产品框架、推荐算法迭代的影响。• 优化算法:借助多臂老虎机、强化学习、线性规划理论,将数据与最优化 理论结合起来帮助业务寻找推荐算法的优化方向、进行长期预算的最优分配。1、顶尖项目经历加持:足够宽的业务跨度,研究涉及短视频领域的方方面面(公司/业务战略、产品、运营、增长……); 2、自身综合能力的高速提升:可以直接与咨询行业、互联网行业经验丰富的前辈大牛们肩并肩共事,成长曲线陡峭,目标为遴选和培养团队正式员工,表现优秀有各种转正机会;3、良好的团队氛围:快手数据科学成员既包括国内外一流大学毕业生,也包括来自 FAANG、 Microsoft、Uber、Airbnb、阿里、腾讯、滴滴、百度等国内外一线互联网公司的专业人才;5、全日制在校学生,能保证实习时间(一周到岗至少4天,可连续实习3个月以上,23届优先);
6、自驱、目标导向;沟通能力强;
7、对互联网、内容行业及未来科技有强烈兴趣。
标签 互联网, 新媒体