字节跳动
实习数据科学实习生-抖音推荐
北京 · 实习 · 硕士
长期有效
任职要求
- 硕士及以上学位在读，统计、数学、计算机、经济学等相关专业优先
- 具备扎实的数理统计基础，熟练掌握统计、机器学习、实验设计等领域的基础理论；熟练掌握SQL，熟悉R/Python/SAS中的一种或者多种工具
- 具备严谨的逻辑思维能力，良好的沟通协作能力和数据敏感度，对于探索和挑战充满热情
- 有用户同理心，能够快速理解用户需求，并发掘其与数据之间的关联
- 在相关领域国际会议或期刊上发表过论文，或在主流竞赛中取得过排名靠前的比赛成绩者优先。
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：Data-抖音-数据科学，是以统计学和机器学习为基础的量化分析团队。团队致力于通过AB实验、因果推断、模型搭建、归因分析等技术手段，支持和赋能推荐模型&策略迭代，为业务发现新的增长点，探索生态的长期演化模式，建立科学的决策机制。
- 1、抖音系APP的日活用户数突破7亿，本岗位负责抖音系APP的数据科学工作，聚焦于解决短视频推荐、创作者成长与体验、用户增长与泛化、商业变现等场景中的数据科学问题，探索抖音生态的长期演化模式；
- 2、规划和搭建抖音系核心指标体系和分析体系，通过实验科学、因果推断等方式评估策略的收益和影响；
- 3、基于海量用户行为数据搭建离线模型（机器学习、时间序列、NLP等），预测用户的活跃度、满意度、互动行为变化，挖掘业务潜在增长点；
- 4、参与到决定平台未来发展方向的关键决策中，通过数据驱动团队高效、科学决策，为平台的创新和可持续发展提供保障；
- 5、跟进推荐算法、CV、NLP、实验科学、因果推断等领域最新进展，进行探索研究与落地。
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。