腾讯招聘NLP、大数据、推荐算法工程师等岗位 | 公益广告

2017 年 7 月 18 日 PaperWeekly 小助手


PaperWeekly 致力于推荐最棒的工作机会,精准地为其找到最佳求职者,做连接优质企业和优质人才的桥梁。 


如果你需要我们来帮助你发布实习机会或全职岗位,请添加微信号「PW-Assistant」。



腾讯




互动娱乐研发部


招聘岗位:AI 工程师(上海)


岗位职责:

1. 负责智能聊天机器人的算法设计开发工作,包括但不限于 NLP,知识图谱等领域

2. 负责深度学习算法研究改进,设计 end2end 的模型


岗位要求:

1. 计算机相关专业毕业 1 年及以上,研究方向为机器学习、深度学习相关更佳

2. 熟悉机器学习,深度学习等常用的算法,对 AI 有强烈的兴趣,平时有接触过相关的工作

3. 动手能力强,熟练使用 Python/C++ 等语言,了解 Keras/Tensorflow 等深度学习工具

4. 对自然语言处理、知识库有一定的了解者优先考虑 

5. 具有良好的沟通表达能力,优秀的学习能力


联系方式:

• 简历投递邮箱:wzxwjy2000@163.com

• 听说在邮件标题中注明“PaperWeekly”,能大大提升面试邀约率



移动浏览产品部



招聘岗位:NLP算法高级工程师 - 商品服务(深圳)


岗位职责:

1. 负责浏览器搜索 query 分析,使用数据挖掘和大数据分析等技术手段为部门商业化提供大数据技术支持

2. 负责用户在浏览场景下的商品推荐系统的建设,通过在海量流量下精准推荐商品,以提升 CTR/CVR 指标

3. 通过建设用户画像、商品画像,为提升推荐效果提供支持

4. 运用机器学习、文本挖掘等技术,在大型分布式平台上提取关键特征,建立数据模型,发现数据间潜在联系,指导浏览器搜索业务的发展

5. 优化、改进已有算法的瓶颈

6. 负责大数据相关知识的预研与人才培养


岗位要求:

1. 硕士及以上学历,机器学习、数据挖掘、应用数学或相关专业

2. 3 年及以上数据分析、数据挖掘、大数据处理等相关工作经验

3. 有推荐系统、精准广告、信息检索方面的实际工作经验

4. 要求具有 Spark/Hadoop/Storm 等大规模分布式计算平台的使用和并行算法的开发经验

5. 熟悉数理统计、数据分析、数据挖掘,熟知常用算法

6. 有很强的技术选型及规划能力、较好的沟通能力、积极主动,愿意接受挑战,抗压能力强


招聘岗位:NLP算法高级工程师 - 搜索方向(深圳)


岗位职责:

1. 负责 query 分析,包括不限于分类、合并、关键词提取、歧义消解、同义词库、相关词库建设

2. 负责语义理解能力的建设,识别用户 query 背后的意图并给出 query 与 doc/资源的语义相关性计算

3. 联想词能力建设

4. 使用 CNN、DNN 等业界新方法提升现有 NLP 相关能力

5. 负责相关人才培养


岗位要求:

1. 计算机或相关专业本科及以上学历,3 年以上工作经验(2 年以上自然语言处理工作),具备丰富的机器学习算法实践经验

2. 熟悉 C++、Java、Scala、Python 等一门或多门编程语言

3. 要求有机器学习/数据挖掘/信息检索/深度学习/神经网络实践经验

4. 有智能助手、对话系统建设经验者优先

5. 良好的逻辑思维能力和数据敏感度,能从海量数据中发现有价值的规律

6. 能够阅读英文技术文档和论文,具有良好的自学能力

7. 有很强的技术选型及规划能力、较好的沟通能力、积极主动,愿意接受挑战,抗压能力强

招聘岗位:QQ 浏览器社区高级推荐算法工程师(深圳)


岗位职责:

1. 负责浏览器社区内容个性化推荐系统;包括对社区用户画像、用户分群、CTR 预估、投放效果预估等相关的分析和建模相关工作

2. 对社区的圈子及帖子内容进行分析并解决语义理解,信息抽取、统计、分类、检索和推荐等产品问题

3. 负责大规模机器学习算法设计及开发实现,数据实验评估反馈


岗位要求:

1. 有强烈的求知欲和进取心

2. 2 年以上推荐系统、自然语言处理、数据挖掘、机器学习或者搜索引擎等领域的研发经验

3. 具备 Unix/Linux下C/C++ 开发经验,良好的系统编程、数据结构、算法基础、系统设计能力

4. 熟悉常用分类聚类算法,如朴素贝叶斯,KNN,SVM,逻辑回归等

5. 有互联网行业、推荐系统、精准营销、信息检索等方面的实际项目经验优先

6. 有 Spark、Hadoop 的分布式数据挖掘开发经验优先


招聘岗位:大数据高级研发工程师(深圳)


岗位职责:

1. 负责浏览器用户画像数据挖掘工作,主要工作内容包括用户标签体系建设、用户分群、多业务画像融合、画像迁移等

2. 负责海量用户数据的管理,为数据分析、挖掘等提供强有力的支撑

3. 负责浏览器画像数据相关系统(数据流系统和在线应用系统)的开发,建立数据灰度、ABTest 能力


岗位要求:

1. 硕士及以上学历,机器学习、自然语言处理、数据挖掘或相关专业

2. 3 年以上的工作经验,熟悉数理统计、数据分析、数据挖掘,熟知常用的推荐算法

3. 熟悉 C++ & Spark & Python 开发,对数据结构和算法设计有较为深刻的理解

4. 熟悉大规模数据挖掘、机器学习、自然语言处理、分布式计算中的一项或多项技术,并具有实际工作经验

5. 有较强的技术选型及规划能力、较好的沟通能力、积极主动,愿意接受挑战

6. 具有海量数据处理、并行计算、推荐系统或大数据方向相关背景和工作经验优先


招聘岗位:资讯 NLP 高级算法工程师(深圳)


岗位职责:

1. 负责资讯文本处理,包括不限于分类、topic、关键词提取、词义分析

2. 使用机器学习的方法进行文本分析,挖掘语义上更深层含义

3. 负责搭建相关的机器学习 & 大数据计算平台

4. 负责数据和业务的紧密集合


岗位要求:

1. 计算机或相关专业本科及以上学历,3 年以上工作经验,具备丰富的机器学习算法实践经验

2. 熟悉 C++、Java、Scala、Python 等一门或多门编程语言,有后台开发经验优先

3. 有算法并行实现相关经验优先,有 Hadoop、Spark、Storm 经验优先

4. 有以下领域之一背景:机器学习/数据挖掘/信息检索/图像处理/贝叶斯/LR,深度学习和神经网络经验者优先

5. 能够阅读英文技术文档和论文,具有良好的自学能力

6. 工作积极主动,逻辑思维能力和沟通能力强

7. 良好的逻辑思维能力和数据敏感度,能从海量数据中发现有价值的规律


招聘岗位:资讯推荐算法高级工程师(深圳)


岗位职责:

1. 负责浏览器资讯用户画像的优化工作

2. 负责基于 Hadoop,Spark 集群 CTR 预估、用户分群模型构建

3. 负责浏览器个性化推荐系统的设计与开发工作

4. 负责浏览器内容筛选、推荐列表排序的相关开发及优化工作

5. 负责业务各应用场景下的推荐效果数据分析

6. 负责以效果为目标的算法策略设计和优化迭代


岗位要求:

1. 本科及以上学历

2. 熟练掌握 C/C++,Scala,Shell 中的一种或多种语言

3. 深入理解常见机器学习或数据挖掘类的算法原理,熟悉常见的统计原理及方法

4. 有大数据分析工具相关的使用经验,比如 Hadoop 生态中的 Map-Reduce,hivesql,pig 及 spark

5. 有 LSTM 等网络在 NLP 应用经验者(如在 caffe,tensorflow 等框架下实现)优先

6. 有 ctr 预估常用算法经验优先(LR/GBDT/FM/FFM)


联系方式:

• 简历投递邮箱:nicolebao@tencent.com

• 听说在邮件标题中注明“PaperWeekly”,能大大提升面试邀约率



关于PaperWeekly


PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。

登录查看更多
4

相关内容

商业数据分析,39页ppt
专知会员服务
157+阅读 · 2020年6月2日
【教程推荐】中科大刘淇教授-数据挖掘基础,刘 淇
专知会员服务
78+阅读 · 2020年3月4日
【新书】Pro 机器学习算法Python实现,379页pdf
专知会员服务
195+阅读 · 2020年2月11日
【推荐系统/计算广告/机器学习/CTR预估资料汇总】
专知会员服务
86+阅读 · 2019年10月21日
招聘 | 深度强化学习研究员/工程师
七月在线实验室
7+阅读 · 2017年12月27日
<公益广告> 阿里巴巴招聘NLP算法专家
深度学习与NLP
3+阅读 · 2017年11月30日
Efficiently Embedding Dynamic Knowledge Graphs
Arxiv
14+阅读 · 2019年10月15日
Arxiv
12+阅读 · 2019年2月26日
Arxiv
21+阅读 · 2018年8月30日
Meta-Learning with Latent Embedding Optimization
Arxiv
6+阅读 · 2018年7月16日
Arxiv
8+阅读 · 2018年5月15日
VIP会员
相关论文
Efficiently Embedding Dynamic Knowledge Graphs
Arxiv
14+阅读 · 2019年10月15日
Arxiv
12+阅读 · 2019年2月26日
Arxiv
21+阅读 · 2018年8月30日
Meta-Learning with Latent Embedding Optimization
Arxiv
6+阅读 · 2018年7月16日
Arxiv
8+阅读 · 2018年5月15日
Top
微信扫码咨询专知VIP会员