字节跳动
实习AI运营实习生-IT
广州 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，计算机、信息技术及AI相关领域专业背景优先
- 熟悉服务台或Call Center服务流程，有IT用户支持经验者优先
- 熟悉ITIL理念，有较丰富的知识管理经验
- 有一定的产品思维，能将业务痛点转化为产品功能需求，英语可以作为工作语言
- 良好的逻辑思维和学习能力，数据敏感性强
- 主动性强，具备良好的沟通和协作能力，以及多项目并行管理能力，能够推动跨部门合作，积极推动项目交付。
岗位描述
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。
团队介绍：IT部门面向字节跳动员工提供全球IT技术支持。我们既负责企业内部IT基础架构的设计和优化，也肩负着保护企业信息安全，降低企业运营风险的使命；同时，IT团队还会直接面向字节各业务线，承接企业级的网络、系统、终端、资产、服务台、多媒体、办公管理等多业务场景的研发需求，打造符合业界标准的商业化企业解决方案和产品，运用大数据和AI技术，提供更加自动化和智能化的企业技术服务。
- 1、参与在线服务台的整体运营工作，执行并优化基于AI的运营策略，包括但不限于智能服务运营流程设计、SOP自动化建设与持续改进、用户调研、数据分析等；
- 2、参与知识库运营，包括AI辅助内容生成、内容编写、审核及更新，知识库应用指标设定和监控等，利用AI持续提升文档质量与生产/更新效率；
- 3、评估IT项目或变更对用户侧和支持团队的影响，事前拉通协调，事后验证效果；
- 4、负责业务数据分析和挖掘，抽取有价值的数据信息和洞察，形成场景化解决方案，应用到智能化流程中，提升AI服务的自动化处理能力；
- 5、通过收集和分析业务数据和客户反馈，识别服务瓶颈与改进机会，提出AI赋能的优化建议，持续提升用户满意度和自助效率；
- 6、协助准备培训材料，协调培训活动开展，确保工程师熟练掌握工作所需软硬技能。
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。