广告算法实习（J97027）

优缺点分析

角色解读

• 从实习开始，可逐渐成长为广告算法工程师，负责核心模块
• 积累广告系统实战经验后，可向高级算法专家、技术经理方向发展
• 也可转向推荐系统、NLP、CV等其他AI领域，技术基础通用
• 参与广告系统核心策略的设计与优化，提升广告投放效果和平台收入
• 协助实现和优化广告竞价机制，平衡广告主和平台利益
• 负责CTR（点击率）和CVR（转化率）预估模型的改进与迭代，利用深度学习等前沿技术
• 探索并应用业界最新的算法技术（如强化学习、图神经网络等）解决实际问题
• 扎实的编程能力，精通Python，熟悉Linux开发环境和Spark大数据处理
• 深入了解统计学习和深度学习理论，有相关项目或论文经验者优先
• 对数据结构和算法有深入理解，能高效解决复杂问题
• 具备良好的沟通协作能力和抗压能力，能在快节奏中工作

申请策略

• 关注百度的校招/实习官网，提前投递，并内推可提高简历筛选率
• 面试前准备一个完整的算法项目介绍，包括背景、方案、结果和反思
• 重点突出机器学习项目经验，尤其是CTR预估、推荐系统等相关项目
• 强调编程能力：Python、Spark、Linux等，可列出Github或竞赛成绩
• 如果有论文或专利，务必列出，体现研究能力
• 展示解决复杂问题的案例，如优化某个模型指标或效率提升
• 提前复习统计学习和深度学习基础知识，尤其是逻辑回归、FM、DeepFM等广告常用模型
• 练习使用Spark处理大规模数据，熟悉MapReduce、DataFrame操作

面试指南

• 对于原理类问题，先给出清晰定义，再展开数学推导和实际作用，最后说明优缺点
• 对于场景题，采用STAR原则（Situation, Task, Action, Result），结构化描述问题、分析、解决方案和效果
• 对于开放性问题，先梳理可能的原因，再逐一给出验证方法和解决步骤，体现系统思维
• 请详细解释LR、FM、DeepFM的原理和区别
• 如何解决广告CTR预估中的样本不平衡问题？
• 在Spark中如何进行特征工程？请阐述常用方法
• 如果广告点击率突然下降，你会如何排查原因？
• 介绍一个你最近参与的最有挑战的机器学习项目