58A计划—算法工程师-26届

优缺点分析

角色解读

• 技术深耕：从算法工程师成长为领域专家（如大模型、搜索推荐），负责核心技术突破
• 技术管理：向技术Leader发展，带领小团队完成项目，逐步承担更多管理职责
• 业务转型：深入理解业务后，转向AI产品经理或解决方案架构师，连接技术与业务
• 负责大模型、搜索广告推荐等核心业务算法的研发与优化，直接提升业务收入和用户体验
• 跟踪前沿AI技术（如多模态、大语言模型），并推动其在58同城各业务线的落地应用
• 与产品、前后端、数据团队紧密协作，将技术方案转化为高效代码，保障系统稳定性和效果
• 扎实的机器学习/深度学习基础，熟悉常用算法和模型原理，尤其是大模型相关理论
• 熟练掌握Python或Java，能够熟练编写高性能代码，并熟悉Linux开发环境
• 熟练使用PyTorch或TensorFlow等深度学习框架，具备模型训练和调优的实践经验

申请策略

• 深入了解58同城的业务模式（如分类信息、房产、招聘等），思考算法如何赋能业务
• 准备一个完整的算法项目案例，清晰阐述问题、方法、效果和思考过程
• 突出机器学习/深度学习项目经历，尤其是与NLP、大模型、推荐系统相关的实践
• 强调编程能力，展示用Python/Java实现算法或系统的代码仓库或竞赛经历
• 如有顶会论文、知名竞赛获奖或高质量开源项目贡献，务必重点提及
• 体现团队协作和沟通能力，通过项目中的角色和成果来证明
• 系统复习大模型相关理论，如Transformer、LLM微调、Prompt工程等，并动手实践
• 巩固编程基础，刷LeetCode尤其是动态规划、数据结构等高频题

面试指南

• 项目介绍可用STAR法则：Situation（背景）、Task（任务）、Action（行动）、Result（结果），重点突出你的贡献和量化结果
• 算法原理问题：先给出核心概念，再简述计算流程，最后举例说明其优势或应用
• 系统设计问题：明确目标，提出多种方案并对比优劣，选择合理方案并解释
• 请介绍一个你参与过的机器学习项目，包括问题定义、数据、模型选择和最终效果
• Transformer的self-attention机制如何计算？为什么有效？
• 如何解决推荐系统中的冷启动问题？
• 手撕代码：给定一个数组，找出和为target的两个数（LeetCode 1）
• 你如何理解大模型？它有哪些应用场景和挑战？