百度
实习北京市 · 实习 · 本科
长期有效
【岗位职责】
-负责百度广告转化质量预估模型的训练优化，以及在广告搜索系统中的应用
-负责百度广告转化数据算法研发工作，负责转化数据的清洗、归因、过滤、分级等核心算法
-负责基于转化数据，构建面向广告定向、模型、创意、机制等策略应用的数据挖掘及算法工作
-负责百度商业系统的风控策略及模型工作，通过表征学习、图模型、迁移学习、多任务学习、多模态融合等技术，提升风险发现效率，及时感知风险及业务的变化，主动识别潜在风险
-研究与探索数据挖掘和AIGC大模型等相关前沿技术在商业风控场景下的应用，切实解决业务痛点，维护百度品牌和广告主利益。结合商业风控的业务特点，进行模型和算法创新，打造业界领先的商业风控算法体系
【任职要求】
-计算机及计算机相关专业本科及以上学历
-熟悉Linux/Unix开发环境，熟练使用C/C++、Shell/Python语言，具有良好的开发素养
-具备广告策略算法、内容理解、NLP、机器学习、多模态、大规模数据挖掘领域相关经验优先
-具备优秀的逻辑思维能力，对解决挑战性问题充满热情，善于分析和解决问题，勇于面对挑战性问题
-具有良好的学习能力、时间和流程意识、沟通能力、坦诚直接
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
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）
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
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
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
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
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。