知乎
算法工程师
算法工程师
发布于 大约 15 小时前普通员工/个人贡献者
北京市
无经验要求
全职员工
仅现场办公
本科
算法优化工程师
Paddlepaddle
Pytorch
Tensorflow
大模型
推荐算法
深度学习
AI 估算 · 25k–35k
知乎作为上市互联网公司，算法校招薪资具有竞争力，结合北京地区水平和岗位要求，预估月薪在25k-35k之间。
职位详情
关于这个职位
作为知乎核心推荐算法团队的一员，你将参与召回、粗排、精排、重排等关键环节的模型设计与优化，利用深度学习和前沿大模型技术提升推荐效果
你将深入分析用户行为数据，通过AB实验驱动业务指标增长，并与工程团队紧密合作实现算法落地
该岗位面向2027届毕业生，是进入互联网大厂算法领域的绝佳起点
最低要求
年毕业的本科及以上学历应届毕业生
扎实的计算机基础：熟练掌握数据结构、算法设计，具备优秀的编码能力，精通Python/Go/Java中的至少一门语言
坚实的数学与机器学习功底：对概率论、数理统计、线性代数和最优化方法有深刻理解
熟练掌握常见的机器学习/深度学习模型
项目或实习经验：拥有与推荐系统、计算广告等相关领域的项目经历或实习经验，使用 TensorFlow, PyTorch, PaddlePaddle 之一做过项目开发
数据敏感性与分析能力：会使用Hadoop、Spark、Flink等进行数据提取与分析，能够运用数据发现问题、验证假设者优先
强大的学习与内驱力：对技术充满热情，具备快速学习新知识、攻克技术难题的能力和决心
团队协作精神：具备良好的沟通能力，能够与不同背景的同事有效协作
工作职责
参与核心推荐算法研发：负责召回、粗排、精排、重排等一个或多个阶段的模型设计、实现与调优
数据驱动与效果迭代：深入分析用户行为数据，挖掘潜在模式，通过AB实验科学评估算法效果，持续驱动业务指标提升
紧跟技术前沿：将深度学习、大模型等前沿技术应用于实际业务场景
工程落地与优化：与工程团队紧密合作，推动算法的线上部署与性能优化，确保系统的高可用和低延迟
理解业务与用户：从业务逻辑和用户视角出发，发现算法优化的新机会点，而不仅仅是技术指标的提升
AI 洞察
优缺点分析
优点
- 知乎作为上市互联网公司，平台大，业务场景丰富，能接触海量真实数据和复杂业务
- 公司重视技术前沿，有机会应用大模型等新技术，保持技术先进性
- 完善的校招培养体系，有导师指导，成长路径清晰
- 推荐算法竞争激烈，对数学和编程基础要求高，需要持续学习
缺点 / 挑战
- 推荐算法是核心业务，技术挑战高，能快速提升算法和工程能力
- 业务压力大，需要关注指标提升，可能面临高强度工作节奏
- 需要与多团队协作，沟通成本较高
- 适合对推荐算法有浓厚兴趣，具备扎实计算机和数学基础，热爱技术挑战，希望在互联网大厂快速成长的应届毕业生
角色解读
- 从初级算法工程师起步，逐步成长为独立负责核心模块的算法专家
- 可向技术专家或技术管理方向发展，如高级算法工程师、算法团队负责人
- 积累推荐系统领域经验后，可向大模型应用、搜索、广告等方向拓展
- 设计并优化推荐系统的核心算法，包括召回、粗排、精排、重排等环节，提升推荐效果和用户体验
- 分析海量用户行为数据，挖掘用户兴趣和潜在模式，通过AB实验验证算法改进效果
- 将深度学习、大模型等前沿技术落地到实际业务，推动算法创新
- 与工程团队协作，确保算法高效稳定地线上运行，优化系统性能
- 扎实的编程基础，精通Python/Go/Java中的至少一种，熟悉数据结构与算法
- 深厚的数学功底，包括概率论、线性代数、最优化等，并熟练掌握机器学习/深度学习模型
- 熟悉TensorFlow、PyTorch或PaddlePaddle等深度学习框架，有相关项目经验
- 具备数据处理能力，熟悉Hadoop、Spark、Flink等大数据工具，能进行数据分析和特征工程
申请策略
- 了解知乎的产品和推荐场景，思考如何优化推荐体验
- 关注知乎技术博客，了解其技术栈和业务动态
- 突出推荐系统或相关项目经历，详细描述你的角色、技术栈和成果
- 强调编程能力，列出熟悉的语言和框架，如Python、TensorFlow
- 展示数据分析能力，如使用Spark处理数据的项目
- 如有竞赛获奖或论文发表，务必突出
- 深入学习推荐系统经典算法，如协同过滤、FM、DeepFM等
- 熟悉大模型在推荐中的应用，如序列推荐、多模态推荐
面试指南
- 用STAR法则回答项目经历：情境、任务、行动、结果，突出技术难点和你的贡献
- 对于算法问题，先阐述原理，再结合业务场景给出解决方案，体现思考深度
- 对于开放性问题，展示你的逻辑性和创新思维，结合知乎业务特点
- 请介绍一个你参与过的推荐系统项目，包括你的角色、技术选型和效果
- 如何解决推荐系统中的冷启动问题？
- 解释一下召回和精排的区别，以及各自常用的模型
- 如何评估推荐系统的效果？你会如何设计AB实验？
- 你对大模型在推荐系统中的应用有什么理解？
职位点评
74
综合评分
大厂核心算法岗，技术前沿，成长快，但工作强度可能较高。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
该职位最适合追求技术成长、对算法有热情、能接受高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
知乎作为上市互联网公司，提供有竞争力的薪资和福利，但具体薪资未在JD中披露，因此补偿性动机满足度中等偏上。
薪资信号未披露（AI估算：25K-35K/月）
成长发展
90较高
该职位处于核心推荐算法领域，技术前沿，强调深度学习和大模型应用，能提供极佳的技术成长空间，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈深度学习、大模型、TensorFlow、PyTorch、PaddlePaddle、推荐系统
业务类型profit_center
工作生活
50较低
工作地点在北京，仅现场办公，未提及弹性工作，互联网公司算法岗通常工作强度较大，生活化动机满足度一般。
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
70中等
知乎作为知识分享平台，推荐算法能提升用户体验，促进知识传播，具有一定社会价值，但主要仍是商业驱动，意义感动机满足度中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs