广告AI算法工程师（AI Ranking方向）-Data

优缺点分析

角色解读

• 可晋升为高级算法专家，深入AI前沿技术研究
• 可向技术Leader发展，带领团队优化广告算法
• 在字节跳动广告平台积累核心经验，为未来跳槽或创业奠定基础
• 优化搜索广告的AI算法，覆盖召回、粗排、精排等全链路，提升变现效率
• 利用LLM进行多模态内容理解和特征建模，应用于广告排序
• 对深度学习、图神经网络、强化学习等算法进行建模优化
• 扎实的编码能力，精通数据结构和算法
• 深度掌握LLM、深度学习、图神经网络、强化学习等AI技术
• 有推荐系统或计算广告经验，熟悉Ranking漏斗

申请策略

• 了解字节跳动广告产品（如巨量引擎）和业务方向
• 准备技术面时，注重算法推导和工程实现细节
• 突出推荐系统或计算广告相关的项目经验，量化效果提升
• 展示LLM应用案例（如Prompt工程、微调、Agent开发）
• 强调编码能力，包括竞赛获奖或开源贡献
• 系统学习LLM原理和部署，掌握常用框架（如LangChain）
• 强化深度学习、图神经网络、强化学习等理论基础
• 熟悉广告业务指标（如CTR、CVR、ROI）和优化方法

面试指南

• 先明确问题背景和目标，再提出技术选型和分析思路
• 结合具体项目，描述解决方案、实现过程及效果评估
• 展现思考深度，如对比不同方案的优缺点
• 如何优化召回阶段的模型？请举例说明
• 如何利用LLM改进精排模型的特征表达？
• 多模态特征在广告排序中如何融合？
• 你解决过哪些具有挑战性的算法问题？具体思路和效果
• 对图神经网络在广告推荐中的应用有什么理解？