阿里云RI项目--算法实习生持续招聘中！！！欢迎投递私聊

【团队介绍】

阿里云智能弹性计算是阿里云飞天平台（阿里云自研云计算操作系统）的核心，在全球有超过200个数据中心，19个地域，为全球数10亿用户提供着可靠的计算服务。

我们管理着海量物理机和虚拟机，提供超大规模服务编排能力，专注于大数据之上的机器学习算法研究与应用，如果你了解机器学习、深度学习、强化学习、迁移学习、主动学习、特征提取与稀疏学习、等级学习等相关知识，对人工智能抱有极大的热情，勇于挑战各种实际应用难题，欢迎加入我们：阿里云弹性计算--库存调度--智能引擎团队！

【岗位要求】

1、本科及以上学历，硕士博士优先，计算机、数学、电子工程、通信、信息系统、大数据、统计学等相关专业；

2、熟悉常用机器学习算法，对模式识别、深度学习、增强学习等相关领域，极佳的工程实现能力，精通C/C++、Java、Python等至少一门编程语言；

3、候选人有数理分析方面良好的素养以及数理统计基础；

4、良好的数据敏感能力、较强的逻辑分析能力；

5、有实际成果并发表在国际顶级会议、期刊者优先，有在KDDCUP、ImageNet、MSCOCO、ICDAR等权威比赛中取得优异成绩者优先。

6、有deeplearning的经验，大规模数据处理经验优先。

同时，我们还希望你：

1. 学习能力强，对新事物保有好奇心，并能快速适应新环境

2. 良好的沟通能力和团队协同能力；能与他人合作，共同完成目标

3. 对所在领域有热情，相信方法总比困难多，善于独立思考并反思总结

【招聘对象】

2025届及以后毕业的海内外 本硕博学生【毕业时间：24年11月后】

实习地点：北京、杭州

岗位：算法实习生（推荐系统方向、时序预测方向、调度建模方向）

【简历投递】

邮件标题：姓名-学校-期望实习城市

邮件内容：简单介绍一下自己的优势即可

附件：个人简历

投递邮箱：desy.dsy@alibaba-inc.com

或 直接牛客内推岗位

【实习岗位简介】

【RI项目一：推荐系统方向】

研究型实习生 - ECS云服务器的在线实时推荐算法模型技术研究：https://careers.aliyun.com/campus/position-detail?lang=zh&positionId=2023514

实习内容：在云服务器售卖场景中，用户购买选型时，地域、可用区、规格的组合有成千上万种，面临很大的使用门槛，很难快速、简单的选购到目标实例。业界的推荐如电商购物推荐、视频推荐等主要是to C场景，特征数据丰富，推荐结果的可选空间也相对较大。云计算更多是to B场景，样本数据集相对较小，且对结果的精准性、以及可解释性上要求更高，数据的稀疏性和非连续性也是一大挑战。与此同时，云服务器推荐需要考虑成本、体验、性能、容量、安全、稳定性等诸多维度，系统的算法建模会有更多新的挑战。 本项目希望基于云计算用户画像的深入分析，优化云服务器的在线推荐系统，实现用户全新的云服务器购买体验，带来更好的用户转化和资源交付效率提升。

【RI项目二：调度建模】

研究型实习生 - ECS资源调度策略和性能画像算法优化技术研究：https://careers.aliyun.com/campus/position-detail?lang=zh&positionId=2023513

实习内容：阿里云ECS在线调度是一个复杂的问题，其主要是解决如何将用户需求VM分配到合适的物理机，以实现更好的资源利用和用户体验，其核心问题可以认为是动态装箱问题，在实际调度系统中，除了资源维度上的要求，还需要考虑因素如容灾、干扰等，同时不同场景的调度目标不尽相同，这进一步提升了问题的复杂性性。 作为IaaS的基础服务，ECS调度算法和策略的每一个参数配置的调整、每一项技术升级的评估都关乎云计算整体运行稳定性、性能和成本，即便极小的优化提升，也会为云计算服务带来极为可观的收益。所以调度算法的建模和优化，有着巨大的现实价值和广阔的研究潜力。 我们希望建立一套完善的调度策略评估框架，评估和优化调度算法和策略，探索全新的调度算法框架，同时结合基于机器学习/深度学习构建VM/物理机的性能画像模型，提升整体调度系统效率。

【RI项目三：时序预测】

研究型实习生 - 面向公有云的需求预测算法平台技术研究：https://careers.aliyun.com/campus/position-detail?lang=zh&positionId=2023808

实习内容：云计算资源供应链管理，从计划到执行，所面对的最大的挑战是供应链各个环节中的种种不确定性，尤其是需求侧的不确定性，深远地影响着整个计划、执行链路上几乎所有的决策。如何最大限度的减小需求波动对这些决策质量的影响，决定了供应链整体的成本和效率，从而决定了云厂商计算服务的竞争优势与壁垒。面对需求的不确定性，供应链管理者的第一道防线是需求预测：利用数据和算法，相对准确地预测未来需求的波动，让供应链提前准备，匹配合适的资源，从而实现资源利用效率的提高和成本、浪费的降低。 本项目希望能基于弹性供给链路现有体系，深入分析弹性需求复杂性，基于预测提前期、预测标的、预测对象颗粒度、时间颗粒度、空间颗粒度等多维度组合确定高价值的需求预测目标，在算法模型层面优化需求预测准确率，并完善事前、事中、事后算法平台机制，优化现有需求预测算法平台的建设，从而全链路优化整个供应链路的决策、执行。