滴滴算法实习生—简历直达leader

岗位职责：
司机行为建模：基于海量司机出行数据，使用离线强化学习（Offline RL）方法，学习高收益司机的接单与路径策略，指导其他司机实现接单率与收入提升。
离线强化学习算法研发：研究并实现离线强化学习算法（如 CQL、IQL、Diffusion RL 等），并在大规模网约车时空调度数据中验证和优化
数据建模与状态表示：将司机接单行为抽象为马尔可夫决策过程（MDP），设计合理的状态、动作、奖励建模方式（如时间-空间热区、预估收入、等待成本）。

任职要求
教育背景：计算机、人工智能、应用数学、运筹学相关专业本科及以上学历，或具备同等水平的经验。
强化学习能力：
理解强化学习基本框架（MDP、Q-learning、Policy Gradient 等），对离线强化学习算法（CQL、IQL、BCQ、TD3+BC 等）有一定了解或实践兴趣。
有 RL 训练 pipeline 搭建、数据预处理或模型调参经验者优先。
机器学习能力：熟悉深度学习在时空建模、推荐排序或调度优化中的应用。
编程与大数据能力：
精通 Python，掌握 TensorFlow/PyTorch。 
能处理大规模数据，熟悉 Hive/Spark/SQL。 
业务理解：对网约车/即时配送/调度优化有兴趣，能够将算法抽象到业务目标（司机收入、接单率、完单率提升）。

加分项
在离线强化学习、序列决策、推荐优化等方向有论文发表或竞赛经验者优先。
有大规模推荐系统、广告策略优化、调度优化的落地经验。

欢迎对强化学习感兴趣的小伙伴积极投递简历
邮箱：rileywu@didiglobal.com