阿里妈妈 定向广告核心技术团队 大规模社招开启 求贤若渴
简历请发wushang.gsy@alibaba-inc.com
我们在做什么
基于阿里海量用户/商家/商品数据，建模用户兴趣，精准洞察用户&商品关系;
针对真实业务场景，发掘现有系统、算法的不足，用技术拓展业务增长空间；
时刻关注前沿技术发展，在业务中落地技术并创新突破技术，我们做的就是走在行业前沿；
算法/系统/产品全局思考，推进业务全面协同进步。
团队代表性技术创新
2012年
自研MLR算法，开启了互联网领域大规模非线性端到端建模的全新技术路线
2014年
自研XONE分布式机器学习框架
上线基于大规模稀疏离散特征的MLR算法
推动阿里定向广告技术全面迈入大规模机器学习时代
2016年
自研面向高维稀疏数据的工业级深度学习框架XDL(X-DeepLearning)
构建阿里单体业务最大的GPU训练集群和深度模型training/deploy/serving端到端生产系统
自研第一代端到端深度点击率预估模型GwEN，开启深度学习对广告技术的全面革新
2017年
自研深度兴趣网络DIN并全面生产化
自研模型压缩算法Rocket Training
自研多目标预估模型ESMM上线
自研第一代深度树匹配范式TDM，突破向量检索框架，支持使用任意复杂深度模型全库检索
2018年
自研兴趣演化模型DIEN并全面生产化
自研基于TDM的全库任意目标最优检索方案
牵头开源了包括XDL(X-DeepLearning)框架在内的业界首个工业级深度学习解决方案
业界较早提出并研发了面向大规模稀疏数据深度模型的专有压缩与剪枝技术，全量部署到广告系统
2019年
驱动工业级深度学习2.0技术升级大幕的开启，提出并实践algo-system co-design方法论
启动在离线一体化整体迭代架构的新一轮升级，构建用户兴趣中心 (UIC) 和模型银行 (Model Bank)算法体系
自研用户多兴趣记忆网络MIMN并生产化落地
自研超大规模树索引+兴趣模型的联合学习（JTM）方案
自研全实时在线计算的粗排架构，突破双塔模型范式，在一定的算力约束下支持任意复杂结构的深度粗排模型
2020年
自研全新的用户超长行为序列建模范式SIM，成为业界首个能够对万亿级行为序列数据(亿级用户，单用户万级行为序列长度)端到端建模的解决方案
系统化研究了基于流量价值的个性化算力技术，设计了全新的统一ranker排序架构
自研树+图结合的ConTDM全库检索算法，提出了面向最优检索的树模型训练新范式BSAT
自研面向广告系统在/离线结合的全量大规模人群检索新架构，实现无截断最优召回
自研新一代结构化流式深度学习系统Bernoulli，开启全在线深度学习算法迭代的大潮
我们的每一次技术创新都落地实际业务并驱动了显著的业务增长，同时我们乐于跟业界连接，分享我们的实践经验和成果，推动业界技术的整体前行。
团队自主发表的论文
KDD 2018 : Deep Interest Network for Click-Through Rate Prediction
KDD 2018：Learning Tree-based Deep Model for Recommender Systems
SIGIR 2018 : Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conversion Rate
AAAI 2018 : Rocket Launching: A Universal and Efficient Framework for Training Well Performing Light Net
CIKM 2018 ：Image Matters: Visually modeling user behaviors using Advanced Model Server
AAAI 2019 : Deep Interest Evolution Network for Click-Through Rate Prediction
SIGIR2019 ：Lifelong Sequential Modeling with Personalized Memorization for User Response Prediction
KDD 2019 ：Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction
NeurIPS 2019：Joint Optimization of Tree-based Index and Deep Model for Recommender Systems
DLP-KDD 2019 : XDL: An Industrial Deep Learning Framework for High-dimensional Sparse Data
DLP-KDD 2019 : Res-embedding for Deep Learning Based Click-Through Rate Prediction Modeling
SIGIR 2020：A Deep Recurrent Survival Model for Unbiased Ranking
团队牵头组织的学术Workshop及Competition
The 1st International Workshop on Deep Learning Practice for High-Dimensional Sparse Data with KDD 2019 (
https://dlp-kdd.github.io/dlp-kdd2019/)
CIKM 2019 E-Commerce AI Challenge - 超大规模推荐之用户兴趣高效检索 (
https://tianchi.aliyun.com/competition/entrance/231721/introduction)
The 2nd International Workshop on Deep Learning Practice for High-Dimensional Sparse Data with KDD 2020 (
https://dlp-kdd.github.io)
团队参与贡献的开源技术
https://github.com/alibaba/x-deeplearning
我们在寻找这样的你
我们欢迎秀儿！在这里，你可以和众多阿里星，顶会论文作者，行业技术大咖讨论技术，碰撞思维，秀出你的精彩！
我们欢迎硬核玩家！在这里，有超大规模电商数据，海量计算资源和全栈AI平台，如果你觉得还不够，欢迎来改写！
我们欢迎创新牛人！在这里，有着广袤的业务场景，你的每一个想法都有机会在这片土壤上落地、创造巨大的价值！
社招职位及要求（Base北京）
广告算法工程师
岗位职责
负责广告系统的核心召回和排序算法迭代和创新研发
支撑阿里定向广告的高速收入增长
能力要求
计算机、数学、电子工程、通信、人工智能等相关专业；
熟悉常用的机器学习算法，对算法原理及应用有较深入的理解，具备较好的工程实现能力；
在机器学习、数据挖掘、计算广告学等相关领域顶会或期刊上发表论文者或有相应深入研究经历的同学优先；
聪明、自信，敢于突破，对技术有执着的追求和热爱
2. 算法平台工程师
岗位职责
负责研发支撑大规模工业级算法创新迭代的解决方案及相应的基础设施
负责构建广告中台的算法体系
能力要求
计算机、数学、电子工程、通信、人工智能等相关专业；
熟悉常用的机器学习算法，具备较好的工程实现能力，精通C/C++、Java、Python等其中至少一门编程语言；
有过机器学习/深度学习框架或系统平台开发经验的同学优先
聪明、自信，敢于突破，对技术有执着的追求和热爱
3. 引擎研发工程师
岗位职责
负责超大规模体量下的核心广告系统架构研发
支撑阿里定向广告的所有业务
能力要求
具备扎实的数据结构/算法设计/设计模式/操作系统/网络编程等基础技能；
精通Linux平台的C++/Java编程，熟悉Python等至少一门动态语言；
有大规模/分布式/高并发系统设计和开发经验；
有互联网广告/推荐/搜索相关业务背景优先；
有机器学习算法和工程相关技术背景优先；
具备良好的沟通协作能力、较强的责任感和持续的自驱力。
简历请发wushang.gsy@alibaba-inc.com
--
修改:gusuperstar FROM 106.11.34.*
FROM 106.11.34.*