Olight(深圳)招聘一位AI开发工程师(广告算法方向)

Lydia_xu1 2026-02-26 20:14:10

【工作职责】
1. 负责广告投放相关算法与系统的研发,包括但不限于广告效果评估、出价策略、预算分配、投放节奏控制、ROI/ROAS 优化等方向。
2. 基于多渠道广告数据(如 Facebook / Google / TikTok 等),构建投放数据分析、特征工程与模型训练流程,支持投放策略的自动化决策。
3. 参与广告相关机器学习/深度学习模型的设计与优化,如 CTR/CVR 预估、LTV 预测、转化归因、异常检测等。
4. 结合业务目标,将 AI / 大模型能力应用于广告创意分析、素材理解、文案生成、投放策略辅助决策等场景。
5. 负责 Python 爬虫平台或数据采集流程 的设计与维护,进行非结构化数据的抓取、信息抽取、清洗、去重与入库,为广告分析和模型训练提供数据支持。
6. 持续跟进 AI 与广告算法领域的前沿技术,探索其在智能投放、自动化优化、增长分析等场景中的落地应用。
【任职资格】
1. 本科及以上学历,计算机科学、人工智能、统计学、电子信息工程、数学等相关专业。
2. 扎实的数据处理与分析能力,能够处理大规模广告投放与行为数据,并进行指标分析与可视化。
3. 熟悉计算机科学与人工智能基础原理,包括 机器学习、深度学习、数据挖掘、统计建模等。
4. 熟练掌握 Python,具备良好的工程能力,熟悉常用数据分析与计算库(Pandas / NumPy / Scikit-learn 等)。
5. 熟悉主流深度学习框架(如 PyTorch / TensorFlow),具备模型训练与调优经验。
6. 理解广告投放核心指标与逻辑,如 CTR、CVR、CPA、ROI、ROAS、LTV、归因模型等,有广告投放、增长优化、推荐/排序、效果评估等相关算法或系统经验者优先。
7. 有大模型(如 Qwen、GPT、Claude 等)的使用或应用经验,了解 Prompt 设计、模型调用与推理优化,熟悉大语言模型微调等
8. 有将大模型应用于广告创意生成、内容理解、策略辅助决策等场景的实践经验者优先。
9. 有 Python 爬虫或数据采集经验,熟悉常见反爬策略与数据清洗流程。
【公司福利】带薪年假、五险一金、提供员工宿舍、餐费补贴等,具体薪资待遇可单独沟通。

联系人:徐女士(微信:15879574060,邮箱:897061357@qq.com)

...全文
425 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文聚焦风电出力的不确定性问题,采用拉丁超立方抽样(Latin Hypercube Sampling, LHS)方法生成具有统计代表性的风电出力初始场景集,有效克服传统蒙特卡洛抽样存在的样本冗余与收敛速度慢的缺陷。为进一步降低场景数量以提升电力系统优化调度的计算效率,研究结合K-means聚类、快速前向选择等场景缩减技术,对生成的高维场景进行聚合与概率修正,保留最具代表性的典型场景及其对应概率分布。整个建模流程在Matlab平台上编程实现,形成一套完整的“抽样—生成—缩减—验证”的不确定性建模框架,为含高比例风电的电力系统提供高质量、低冗余的输入场景集,显著增强随机优化、鲁棒优化等模型的求解效率与工程实用性。; 适合人群:具备电力系统分析、概率统计基础及Matlab编程能力,从事新能源并网、电力系统优化调度、不确定性建模与风险评估等方向的科研人员、工程技术人员及研究生。; 使用场景及目标:①应用于风电主导的电力系统随机优化调度、机会约束规划、鲁棒经济调度等场景,提升模型对不确定性的刻画能力;②帮助研究者深入掌握拉丁超立方抽样与场景缩减的核心原理与实现方法,构建高精度的不确定性输入模型;③为复杂电力系统仿真提供经过科学约简的典型场景集,平衡计算精度与效率,支撑实际工程决策。; 阅读建议:建议读者结合提供的Matlab代码逐模块调试与运行,重点理解LHS在多维空间中的分层抽样机制、场景距离度量方式及聚类缩减过程中的概率守恒原则,关注缩减前后场景集的分布保真性与计算效率提升效果,以全面掌握风电不确定性建模的关键技术路径。

1,029

社区成员

发帖
与我相关
我的任务
社区描述
渊渟无迹静涛君
社区管理员
  • 叫兽-郭老师
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

拒绝黄赌毒,文明聊天,可以问问题,招聘等

试试用AI创作助手写篇文章吧