字节跳动
实习搜索广告算法实习生-国际化搜索广告
北京 · 实习 · 本科
长期有效
任职要求
- 本科及以上学历在读，计算机相关专业优先
- 具备一种或多种通用编程语言的经验，包括但不限于：Go、C/C++、Python
- 在以下领域之一具有良好理解：搜索、广告、推荐、电商、商业化产品
- 能够批判性地思考问题并以清晰简洁的方式提出解决方案。
- 加分条件
- 具有以下领域中的一个或多个领域的经验：机器学习、深度学习、自然语言处理、排名系统、推荐系统
- 在NLP领域具有研究经验，在会议/期刊上发表过高质量论文，如ACL/EMNLP/NAACL/NIPS等
- 在跨文化、跨职能环境中与内部团队有效合作的良好沟通与协作技能。
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：国际化搜索广告团队不断突破通用搜索引擎变现的界限，覆盖海外应用，致力于构建全球领先的搜索广告变现系统。在国际化搜索广告团队，您将有机会从事大规模分布式存储和架构、自然语言处理、排序和信息检索相关的问题。您还将深入参与我们的广告样式、创意展示和广告投放链路的创新和优化。我们正在寻找勇于挑战困难、热衷于解决复杂问题并与热情洋溢的候选人们共同发展我们的搜索广告产品。
- 1、参与大规模广告系统的开发；
- 2、使用机器学习参与广告投放的开发和迭代，包括点击率/转化率模型估计准确性、数据分析、建模、特征工程，以及广告定向、出价算法、广告流量控制等研究与开发；
- 3、参与自然语言处理（NLP）能力的提升和查询理解，例如查询分类、Seq2Seq、实体识别（NER）、知识图谱、关键词优化等；
- 4、负责相关性模型和策略优化，例如语义匹配模型、主动学习、文本/照片/视频多模型、排序策略等；
- 5、与产品经理和产品战略与运营团队合作，定义产品策略和功能。
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。