字节跳动
实习算法实习生-业务中台
北京 · 实习 · 2027 届 · 本科
长期有效
任职要求
- 2027届本科及以上学历在读，计算机、数学、自动化、电子等相关专业优先
- 具备良好的编程基础，熟练掌握至少一门主流编程语言（如Python、C++、Java），对数据结构、算法有扎实的理解
- 对机器学习、数据挖掘、NLP、CV、LLM等领域有浓厚兴趣，具备一定的理论基础或实践经验
- 具备优秀的自主学习能力、逻辑思维能力和数据分析能力；沟通协作能力强，工作耐心细致，有高度的责任心
- 能保证每周至少4天出勤，实习时长不少于3个月（6个月及以上优先）。
岗位描述
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。
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、协助参与字节跳动海量文本、图像、位置信息与用户反馈数据的挖掘工作，在导师指导下探索高价值情报与特征，为POI数据的“新、准、净、全”体系建设贡献力量；
- 2、参与搭建融合文本、图像与空间信息的多模态知识图谱，协助推动POI实体识别与关系理解在推荐、搜索、地图等业务中的应用；
- 3、学习与实践前沿的自然语言处理（NLP）、计算机视觉（CV）、多模态融合及大语言模型（LLM）技术，在具体项目中提升地址理解、场景识别、语义匹配等算法能力；
- 4、协助支持生活服务、搜索、豆包等业务在POI方向需求建设，将技术方案转化为实际业务价值；
- 5、跟踪与调研国内外学术与产业界前沿发展，在团队支持下探索先进算法在地理空间智能方向的创新应用，解决真实场景中的算法问题。
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。