字节跳动
实习算法实习生-财经业务
北京 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 2027届硕士及以上学位在读，计算机、统计学、数据科学、人工智能等相关专业优先
- 掌握LR/XGB/LGBM/Uplift建模等机器学习算法，熟悉LSTM/Transformer/MMoE等深度学习算法原理，掌握大模型Prompt框架设计与优化方法
- 熟悉Linux操作系统与Python编程，熟练掌握深度学习框架（TensorFlow/PyTorch等）、大模型Agent框架（LangChain/LangGraph等），对数据结构、算法设计有深刻理解，具备良好的代码编写与调试能力
- 对AI技术、智能风控领域有浓厚兴趣，具备较强的逻辑思维能力、问题分析与解决能力；具备良好的学习能力、执行力和跨部门沟通能力，有责任心，乐于探索新技术、解决新问题。
- 加分项：
- 有数据挖掘、机器学习、NLP、大模型微调/应用相关实际项目经验（课程设计、科研项目、竞赛、实习均可）者优先。
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：依托抖音集团的科技能力和产品，我们为抖音电商、生活服务、直播等场景提供金融服务，为抖音用户提供更好的支付、消费金融、保险等金融服务。科技创新，普惠大众。
- 1、参与金融业务和风控场景的核心模型建设，如反欺诈模型、信贷风险模型、响应模型、画像标签、预测模型，自动化攻防等，通过前沿算法不断提升优化模型性能，促进业务发展；
- 2、参与并负责从数据挖掘、特征工程、算法设计，模型调优到部署上线的全流程工作，根据实际业务场景需求完成模型的工程化落地与迭代；
- 3、探索前沿AI技术在风控业务中的应用与落地，设计并搭建风控领域Agent核心技能原子模块，构建具备推理、协同能力的Agentic AI风控能力。
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。