阿里本地生活NLP与推荐算法招聘【社招】

【社会招聘】阿里本地生活-数据营销部-NLP与推荐算法
【招聘层级】
  P6/P7/P8
【工作地点】
  北京
【职位描述】
  1、深入理解业务,准确分析问题,攻坚算法和策略,不断优化效果和性能;
  2、全面支持搜索、推荐、广告等重点业务的数据策略需求,发现价值点,深  挖并产出正向收益;
  3、培养初阶算法工程师,驱动算法和数据产品快速迭代落地,提升团队整体  技术水平和视野;
  4、跟进业界技术发展,结合本地生活的业务特点,打造业界领先的算法和架构系统。
  5、面向本地生活业务,负责内容理解生成与PUSH相关算法研发与业务应用,如对文案的生成、内容推荐、排序等。

【职位要求】
  1、优秀的编码能力,良好的团队合作意识和沟通能力,敏锐的问题发现、抽象和解决能力;
  2、优秀的逻辑思维能力,能快速理解业务,独立解决问题,对数据敏感,崇尚数据说话,深信数据在驱动业务、支撑决策上的价值;
  3、深入理解数据挖掘、机器学习、深度学习理论,实现过相关算法或有相关应用;具备推荐系统、计算广告、自然语言处理关领域相关背景;
  4、对文本生成、文本摘要、文本匹配、机器翻译等NLP相关算法有研究和落地经验优先。
  5、近两年有顶会论文的优先,包括但不限于ACL、EMNLP、COLING、WWW、AAAI等。
  6、有成功的算法应用、技术架构搭建经验;有良好的产品sense;算法类开源社区经验优先。
 如投递简历请发至 shujie.ysj@alibaba-inc.com

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
阿里社招推荐和NLP算法工程师的笔试中可能会出现的算法题有很多种,我将为你提供一个例子进行回答。 假设题目要求设计一个基于协同过滤的电影推荐系统,根据用户的历史观影记录,为用户推荐其可能喜欢的电影。 首先,我们需要建立一个电影评分矩阵。矩阵的行表示用户,列表示电影,每个位置的值表示用户对该电影的评分。该评分矩阵可以通过采集用户行为数据和问卷调查的方式得到。 接下来,我们需要计算用户之间的相似度,然后为用户推荐那些和他们之前喜欢的电影相似的电影。常用的相似度计算方法有余弦相似度和皮尔逊相关系数。 具体算法步骤如下: 1. 对于一个指定用户,找到与其有相似观影记录的其他用户。 2. 根据这些相似用户的观影记录,计算推荐列表。 3. 根据推荐列表和已观看的电影,为该用户生成最终的推荐结果。 这个算法题主要考察了协同过滤算法应用,以及相似度计算的方法。同时,对于大规模的数据集,还可能需要考虑算法的优化和并行化处理。 总结起来,阿里社招推荐和NLP算法工程师笔试中的算法题目涉及多种多样的问题,需要候选人具备扎实的算法和数据结构基础,对相关领域的理论和实践有深入的了解,并能够灵活应用所学知识解决实际问题。编程能力和思维的严密性也是评估的重要因素。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值