字节跳动
校招机器学习系统研发工程师 - 端变现
北京/上海 · 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，计算机等相关专业优先
- 优秀的代码能力、数据结构和基础算法功底，熟练掌握Linux环境下的C/C++、Python
- 熟悉至少一种机器学习框架（TensorFlow/PyTorch/Paddle或其他自研框架），以及对应框架相关技术生态
- 掌握分布式系统原理，参与过大规模分布式系统的设计、开发和维护。
- 加分项：
- 熟悉推荐广告Ranking模型和算法（召回、粗排、精排），有实际链路参与经验者优先
- 熟悉常见的LLM&CV&NLP算法和模型结构、常用算子
- 深入实践优化过大规模机器学习框架的性能，或优化过大规模机器学习任务的训练和推理性能
- 熟悉高性能编程，例如CUDA、向量化、并行化；或具有AI编译器相关经验。
岗位描述
团队介绍：端变现团队是商业化能力的核心承载者之一，负责今日头条、番茄小说、西瓜视频、红果短剧等十数款明星产品的变现价值挖掘、技术体系搭建和业务增长助力，涵盖最丰富的内容体裁和变现场景。团队以“技术驱动商业价值，体验平衡增长效能”为理念，通过整合模型策略、工程技术与增长激励等多元能力，打通“流量-技术-转化-增长”全链路，为产品商业可持续性、用户体验优化及业务规模增长提供全方位支撑。
- 1、参与字节跳动投放系统相关的机器学习系统研发工作，包括点击、转化率预估、向量化召回、广告内容候选等上下游应用；
- 2、打造业界前沿的广告算法深度学习架构，构建高性能、高可用的服务框架，承载高并发、低延迟的广告算法系统架构需求；
- 3、优化广告投放链路关键算法和机器学习模型的离在线训练效率，以及在线服务推理性能。
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。