广告算法岗位职责

团队介绍：
vivo 策略-Creative团队为vivo商业场景全域流量提供广告创意&样式的核心能力，为联盟、商店、信息流等流量平台赋能，包括不限于：打造稳定、高效的创意样式投放链路；设计与实现，承载高并发、低延迟的广告投放需求、改造&优化样式创意召回、粗排、精排、混排优选框架，保证业务快速发展，并优化相关优选模型，提升优选效率

算法岗位介绍：
1、设计创意与样式召回、粗选、精选的各个链路机制和优选算法；
2、优化相关模型优选效果与优选性能；
3、基于vivo全平台的广告数据、用户数据结合AIGC技术，全面提升洞察能力，从用户偏好洞察、产品趋势洞察、爆款内容洞察，提供客户投广创意素材灵感和决策，解决跑量素材制作的难题。

职位要求：
1、熟悉tensorflow模型训练、serving框架，tensorflow代码、有GPU编程经验、熟悉模型性能优化方法，有以上任意经验之一者优先；
2、有互联网广告5年以上经验，了解搜索、推荐等广告投放的业务，了解素材生产、营销相关知识；
3、有扎实的编程基础，良好的编程风格和工作习惯，熟练掌握C/C++，Java，Python等至少一门语言；
4、对新技术有极强好奇心和热情、主动意识强、有良好的团队合作能力。

职位描述
1、面向私信、多链路优选、全站推广、商品排序等新业务方向，持续提升投放效果，推动关键场景的技术突破与业务创新。
2、探索 LLM、Agent 与行业化广告场景的深度结合，深耕金融、汽车、教育、大健康等细分行业，持续提升行业化解决方案能力并支撑业务规模化增长。
3、负责大规模广告系统的全链路优化，覆盖召回、粗排、精排等核心环节，包括但不限于精排 Scaling、生成式召回等关键技术落地。
4、深入理解线索广告业务场景，充分感知客户反馈，通过模型泛化、素材探索与利用、自动定向等方向的持续优化，从全链路视角提升客户体验。
5、关注业界前沿算法与技术发展，结合业务场景探索智能化能力在广告系统中的应用，并推动相关技术方案落地。
职位要求
1、具备优秀的编码能力，扎实的数据结构与算法基础，以及机器学习、深度学习理论和实践经验。
2、熟悉至少一种主流深度学习框架（TensorFlow / PyTorch），理解其底层架构和实现机制，并具备实际项目经验。
3、具备优秀的分析问题和解决问题能力，对解决具有挑战性的问题充满热情。
4、对技术有热情，具备良好的沟通表达能力和团队合作精神。
加分项
1、具备广告和推荐场景下模型优化或客户生态相关工作经验。
2、在顶级会议（ICML、NeurIPS、ICLR、RecSys、KDD 等）发表过论文。
3、有深度学习编程框架相关开源社区经验。
4、有 LLM / Agent 在广告、推荐或行业化场景中的应用经验者优先

1、基于对广告投放、后验数据的挖掘，针对不同流量，提出针对性的广告竞价、预算分配、流量选择策略，提升广告变现效率；
2、基于广告素材的投放数据挖掘，优化广告素材的优选策略和模型，提升广告的转化效率；
3、诊断现有的投放计划，分析投放问题，预测流量，指导广告主投放；远期实现托管投放功能；
4、分析广告主留存，预测流失风险，针对性的优化广告主留存，优化广告主的ROI；
5、建模并优化DMP用户画像、冷启动、OCPX多目标学习等模型和策略
任职要求:
1. 研究生及以上学历，计算机相关专业，5 年以上研发工作经验，3 年以上程序化广告算法研发经历，良好的团队协作能力和沟通能力；
2. 至少熟悉一门主流编程语言（Golang/C++/Java/Python等），熟练使用Hive、Hadoop、Spark等大数据处理工具；
3. 有广告相关算法经验，熟悉召回、排序、ctr/cvr、adx/dsp智能出价，成本/流量控制模型优先；
4. 优秀的逻辑思维能力，注重数据分析，能够发现业务问题并提出解决方案；
5. 有广告系统的优化经验，熟悉广告业务与广告投放机制，熟悉 OCPC/OCPM等出价产品，OCPX智能出价策略优化；
6. 熟悉PLE、DCN、Wide&Deep和延迟预估等常见深度学习算法，有联盟广告的算法优化经验；
7. 熟悉机器学习、深度学习、数据挖掘、推荐算法的各种算法知识，机器学习算法如LR，GBDT，DNN等，推荐算法如CF，FM，FFM，DeepFM等；
8. 熟悉TensorFlow、pytorch；了解大模型优化技巧；