字节跳动
校招算法工程师（数据发现） - 业务中台
杭州 · 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、人工智能、自动化、大数据、电子工程等相关专业
- 具备优秀的算法设计能力和扎实的编码能力，精通Python或C++
- 熟悉TensorFlow、MXNet、PyTorch等至少一种机器学习框架，了解Spark、Hive、Hadoop等至少一种数据处理框架
- 在搜索、广告、推荐、UG、NLP、流量分发、运筹优化等一个或多个算法领域具备项目或者建模经验
- 熟悉排序、预估及常见深度学习算法模型，如CNN、RNN、Transformer、强化学习等，有大模型或运筹优化经验者优先
- 具备优秀的逻辑思维能力、问题分析与解决能力，富有技术热情，拥有良好的沟通协作能力和学习能力。
岗位描述
团队介绍：团队负责公司多个跨产品业务方向，提供可复用的平台能力及技术解决方案。我们为公司多业务提供如地理位置、行业数据等多类型的中台能力与技术解决方案，积极利用AI等技术做中台能力提效与升级。
加入我们，你将有机会从中台的多视角参与业务建设，感受不同类型/阶段的业务特点；通过用户场景的开发&架构工作，学习和解决极富挑战的技术问题；你也可以从数据出发，积极利用策略和模型，为业务提供有价值的助力。
- 1、负责中台算法能力建设，围绕业务场景开展数据挖掘、模型研发与算法优化，支持业务持续增长；
- 2、基于机器学习、深度学习与AI技术，建立流量、转化等关键环节的预测模型，提升数据分析效率与分发效果；
- 3、结合大模型、运筹优化等技术方向，在调度、分发、匹配等场景中设计并落地优化算法方案，推动业务效率提升；
- 4、参与数据资产建设，利用机器学习与大模型技术进行数据挖掘、生产和加工，沉淀通用能力，为业务提供高质量的数据服务。
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。