字节跳动
实习多媒体图形/图像研发实习生-抖音用户产品基础
深圳 · 实习 · 2027 届 · 本科
长期有效
任职要求
- 2027届本科及以上学历在读，计算机等相关专业优先
- 具备扎实的编程功底、严谨的逻辑思维能力、成熟稳健的编程风格
- 熟练使用Python等脚本语言
- 有音视频或者图形、图像基础优先
- 了解Android、iOS编程优先
- 有计算机竞赛获奖经历优先。
岗位描述
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。
团队介绍：抖音用户产品基础团队为抖音全业务提供核心研发支持与底层能力，是支撑业务进化的重要力量之一。团队不仅负责首页、推荐等亿级流量场景的极致体验优化，更在引领内容消费的新趋势。从图文生态的沉浸式变革，到中长视频的专业化深耕，不断打破创作边界。通过智能创作与AI搜索，将前沿算法转化为触手可及的互动体验；凭借安全稳定的账号体系与高效的社交通讯网络，守护并连接着每一位用户。在这里，技术能力与公益并行，技术温度与业务高度同在。诚邀志同道合者共克技术难题，在不断进化的产品旅程中，创造属于上亿用户的无限可能。
- 1、支持抖音模板能力建设，保证模板新能力在生产、消费链路打通；
- 2、支持抖音模板性能和画质优化，保障用户体验达到最佳；
- 3、支持抖音模板促进产能活动，保证促进产能模板效果和性能符合预期。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。