字节跳动
校招广告算法工程师 - 国际化广告创意与品牌
北京/杭州/上海/深圳 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 2027届获得本科及以上学历，计算机、机器学习和模式识别相关专业
- 热爱计算机科学和互联网技术，对人工智能类产品有浓厚兴趣
- 具备编码能力，熟悉Linux开发环境，熟悉C++和Python语言优先
- 有扎实的数据结构和算法功底，熟悉机器学习、自然语言处理、数据挖掘、分布式计算、计算机视觉、计算机图形、语音识别与合成中一项或多项
- 对推荐系统、计算广告、搜索引擎、对话问答、图像和视频分析处理相关技术有经验者优先
- 优秀的分析问题和解决问题的能力，对解决具有挑战性问题充满激情。
岗位描述
团队介绍：字节跳动国际商业化创意与品牌广告团队致力于通过创意内容（如创意解决方案平台、内容套装及ACA创意工具）与AI技术的结合，为品牌提供从认知到种草转化为购买的全链路营销解决方案。无论是广告投放还是自然流量，我们都能通过智能ROI优化和GMV增长技术，最大化品牌的营销效果。
我们将创意、社区与商业无缝融合，AI技术贯穿始终，帮助品牌高效触达目标用户，实现可持续增长。我们的使命是激发创意，驱动增长。我们愿景是打造以创意为核心、AI驱动的增长引擎，让每一次内容探索都能带来可衡量的商业价值。
- 1、实现支撑高并发请求的高可用广告投放系统，满足广告主投放需求，涉及人群触达、播放、种草等品牌竞价产品；
- 2、品牌广告与创意广告出价策略以及流量策略的优化；
- 3、利用深度学习、大语言模型、多模态模型技术对品牌竞价广告召回、粗排、精排模型算法进行优化；
- 4、和产品团队配合，设计并开发业界一流的品牌产品。
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。