字节跳动
实习内容生态数据科学实习生-国际电商
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、计算机、数学、信息、工业工程、经济管理等相关专业优先
- 具备扎实的数据分析与编码能力，熟练使用Python数据栈，熟悉SQL（Hive/SparkSQL），了解数据建模与性能优化；熟悉Spark/Hadoop等大数据工具者优先；具备扎实的统计学、机器学习、因果推断等数据科学理论基础及应用经验，具备业务问题拆解、指标体系搭建和复杂数据分析能力
- 对内容生态、推荐系统、电商业务、创作者经济、用户行为分析或多模态AI有兴趣，具备良好的业务理解能力、逻辑思维能力和跨团队沟通协作能力
- 积极应用TRAE、Codex、Claude Code、数据分析Agent工具辅助分析、编码和研究者优先
- 有大模型、多模态、推荐系统、图算法、序列建模、AIGC内容识别、RAG/Agent等相关项目经验者优先
- 在数据挖掘/机器学习顶会（KDD、WWW、WSDM、ICML、NeurIPS、VLDB等）有论文，或在Kaggle、天池等竞赛中取得优异成绩者优先。
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：国际电商是以TikTok为载体的电商业务（也称为TikTok Shop），致力于成为用户发现并获取优价好物的首选平台，在直播电商、视频内容电商、货架电商等多场景下，国际电商希望能为用户提供更个性化、更主动、更高效的消费体验，为商家提供稳定可靠的平台服务，致力于新奇好物畅销全球，美好生活触手可得的使命。
Data-电商团队是国际电商的核心算法技术力量，专注于电商领域的算法创新，帮助用户高效发现感兴趣的商品，保障用户的购物安全，提升交易各环节的智能化水平。在这里，你将与一流的产品和技术团队合作、钻研，一起应对技术和业务上的挑战，推动技术在电商场景的深度落地。
- 1、负责围绕电商内容生态中的短视频、直播、图文、达人、商家与商品等对象开展数据分析与建模，构建内容质量、创作者成长、用户体验、生态健康度等指标体系，识别关键问题与优化机会；
- 2、负责分析影响内容消费、互动转化，结合曝光、点击、互动、转化、复购、负反馈、举报、审核与治理结果等数据，产出可解释的业务洞察与策略建议；
- 3、参与建设内容原子标签、内容簇、达人/商家/商品/直播间画像等数据资产，对大规模行为序列、内容特征、关系网络与多模态信息进行统计建模和探索分析，支撑内容理解能力；
- 4、参与运用智能技术搭建内容生态质量与风险监控、异常预警体系和根因分析框架，推动持续优化；
- 5、主动使用大模型TRAE、Codex、Claude Code、数据分析Agent等AI工具提升工作效率，包括代码开发、SQL生成、数据探索、实验分析、洞察归纳等；同时具备对AI输出进行验证、修正和沉淀的能力。
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。