字节跳动
推荐算法工程师-抖音生活服务
推荐算法工程师-抖音生活服务
发布于 大约 16 小时前普通员工/个人贡献者
成都市
中级经验
全职员工
仅现场办公
本科
机器学习
深度学习
数据结构
模型压缩
图神经网络
多任务学习
推荐算法
多模态技术
Learning To Rank
AI 估算 · 20k–40k
字节跳动为一线大厂，推荐算法岗位技术难度高，成都薪资略低于北京但竞争力强，综合估算20k-40k/月
职位详情
关于这个职位
作为抖音生活服务推荐算法工程师，你将负责抖音推荐feed和同城feed中生活服务内容的推荐，利用深度学习、图神经网络等前沿技术优化用户体验和转化效率
你将与产品、运营团队紧密合作，推动算法在本地生活业务的落地，并探索短视频对行业的影响
最低要求
本科及以上学历，计算机相关专业
具备优秀的编码能力，扎实的数据结构和算法功底
对推荐算法和机器学习有热情、乐于学习、思考和创新
优秀的分析问题和解决问题的能力，有良好的沟通表达能力和团队精神
熟悉机器学习基础知识
工作职责
负责抖音推荐feed&同城feed里生活服务相关视频、图文、直播的推荐，建设繁荣健康的生活服务内容生态
将最前沿的机器学习技术应用到抖音的本地生活业务场景，优化用户体验促进业务发展
研究方向包含且不局限于：深度学习、图神经网络、多任务学习、learning to rank、模型压缩和加速、多模态技术等，结合业务的实际问题来做好技术的探索和研究
和产品、运营等团队紧密合作，探索算法在本地生活业务上的落地场景，影响产品发展方向，甚至可以深度分析短视频对本地生活行业的影响，通过调整算法策略来促进行业的发展和变革
优先资格
对推荐系统、计算广告、搜索引擎相关领域有经验者优先
AI 洞察
优缺点分析
- 字节跳动提供海量用户数据和丰富的业务场景，技术挑战大，成长空间广阔
- 深度参与抖音本地生活这一高速增长业务，算法的影响力直接可见
- 团队技术氛围浓厚，鼓励前沿探索，与业界顶尖人才共事
- 互联网大厂工作节奏快，可能需要应对高强度开发和快速迭代的压力
- 推荐算法领域竞争激烈，需要持续学习新知识，保持技术领先
- 业务目标导向，算法效果直接影响业务指标，责任重大
- 适合对推荐算法充满热情、乐于用技术解决实际业务问题、愿意在快节奏环境下成长的工程师
角色解读
- 从算法工程师成长为推荐系统专家，深入理解用户行为和内容生态
- 向技术负责人或架构师方向发展，主导大型推荐系统的设计与优化
- 也可转向产品方向，利用算法理解业务，成为技术驱动的产品经理
- 负责抖音推荐feed和同城feed中生活服务视频、图文、直播的推荐算法，提升内容生态质量
- 将深度学习、图神经网络等前沿技术应用于本地生活业务，优化用户体验和转化效率
- 与产品、运营团队协作，推动算法落地并探索新商业模式，分析短视频对本地生活行业的影响
- 扎实的编程能力（Python等）和数据结构算法基础
- 熟悉机器学习、深度学习、推荐系统相关技术，包括多任务学习、LTR、模型压缩等
- 具备图神经网络、多模态技术等前沿领域的知识或兴趣
- 良好的沟通能力和团队协作精神，能够跨部门推动项目
申请策略
- 在面试前深入了解抖音生活服务业务，思考算法如何提升用户体验和转化
- 准备一些开放性问题，如“如何平衡用户短期点击和长期留存”
- 突出推荐系统或机器学习相关的项目经验，尤其是落地效果和量化指标
- 强调编程能力和算法功底，可附上GitHub或竞赛成绩
- 展示对前沿技术的了解，如深度学习、图神经网络、多模态等
- 体现团队协作和跨部门沟通的实战案例
- 系统学习推荐系统经典模型（如DIN、DIEN、MMoE等）和工程实践
- 动手实现完整的推荐流程，包括召回、排序、重排等环节
面试指南
- 对于项目介绍，按照背景、方案、效果、挑战的结构回答，强调个人贡献和量化结果
- 对于算法设计题，先明确问题和假设，再提出解决方案，最后分析优缺点和可行性
- 请介绍一下你参与过的推荐系统项目，包括核心技术和效果
- 如何解决推荐中的冷启动问题？结合抖音生活服务场景具体说明
- 多任务学习在推荐中如何应用？有哪些常用模型？
- AB测试中，如何评估推荐算法的有效性？需要注意哪些陷阱？
- 针对生活服务内容，如何设计特征工程来提升转化率？
- 复习推荐系统基础知识，包括召回、排序、重排等经典模型
匹配度报告
71
综合匹配度
大厂核心业务、前沿技术栈、高成长性，但工作强度大、WLB一般。
适合人群
最适合追求技术成长和职业发展的求职者，希望参与前沿算法实践并愿意接受挑战。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活40
使命价值70
薪资福利匹配
85较高
薪资具有竞争力，字节跳动福利完善，但未在JD中明确福利细节。
薪资信号未披露 (20K-40K/月)
成长发展匹配
90较高
使用前沿技术，海量数据，业务场景丰富，成长空间极大。
技术前沿前沿/新兴技术
技术栈深度学习、图神经网络、多任务学习、learning to rank、模型压缩、多模态技术
业务类型profit_center
工作生活匹配
40较低
仅现场办公，未提及WLB，互联网大厂通常工作节奏较快。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
本地生活服务发展迅速，算法能直接推动行业变革，意义感较强。
行业发展高速增长赛道
社会影响中性/一般
使命信号促进行业的发展和变革
创新程度积极采用新技术
Watch Jobs