字节跳动
推荐算法工程师（商城）-抖音电商
推荐算法工程师（商城）-抖音电商
发布于 大约 2 小时前普通员工/个人贡献者
北京市
其它
全职员工
仅现场办公
学历未注明
机器学习工程
Llm
Pytorch
Tensorflow
召回
排序
推荐系统
机器学习
深度学习
AI 估算 · 35k–60k
字节跳动推荐算法岗位薪资在互联网行业处于领先水平，北京地区月薪3.5-6万，全年15薪左右。
职位详情
关于这个职位
该职位负责抖音商城推荐系统的算法研发，涵盖商品和直播的个性化推荐，涉及召回、排序、大模型应用等核心方向
你将服务数亿用户，参与猜你喜欢、特卖频道等关键场景的算法优化，挑战工业级推荐系统的技术难题
最低要求
具备扎实的算法和数据结构基础，熟悉C++/Python语言以及TensorFlow、PyTorch等开源工具
机器学习基础扎实，熟悉CF、Word2Vec、LR、DNN、Wide&Deep、Transformer等经典算法模型及其原理
对技术充满热情，持续关注行业内人工智能技术的发展趋势，善于理解和分析问题的本质，勇于应对挑战
具备良好的沟通能力与团队合作精神，拥有快速学习的能力，具备优秀、严谨、乐观的品质
工作职责
参与抖音商城商品及直播Feeds流等体裁的个性化推荐工作，业务涵盖商城猜你喜欢、特卖频道、大促会场等核心场景，覆盖抖音、抖音极速版、独立端抖音商城、今日头条等多端APP，日均为数亿用户提供服务
运用深度学习技术，持续优化推荐系统中的召回、粗排、精排、重混排及机制等方面，开展模型与算法创新，打造业界领先的推荐算法与系统
挖掘并分析海量用户数据，通过用户行为超长期序列建模、全域学习、多场景迁移学习、多场景多任务学习、跨域多模态信息学习等技术，提升算法效率
研究并改进商城新品冷启动、以价换量、推荐与广告价值融合等机制，构建良性的系统循环，优化货架场电商生态
探索大模型技术在推荐系统中的应用，在推荐领域研究支持面向工业级推荐场景的“Scaling Law”以及推动生成式推荐、LLM4Rec的落地
优先资格
熟悉大规模机器学习/深度学习算法，具有搜索、推荐、广告等相关领域经验
在KDD、NeurIPS、WWW、SIGIR、WSDM、ICML、IJCAI、AAAI、RecSys等会议发表过论文，或有数据挖掘/机器学习相关竞赛经历
AI 洞察
优缺点分析
优点
- 薪酬福利竞争力强，公司技术氛围浓厚，接触前沿算法和大模型技术
- 能参与亿级用户规模的系统优化，积累宝贵的工业级实战经验
- 工作强度较大，互联网大厂普遍存在加班现象
- 业务指标导向，需在效果和成本之间平衡，对工程能力要求高
- 适合对推荐算法充满热情、抗压能力强、渴望在技术深度上不断突破的工程师
缺点 / 挑战
- 平台优势明显，业务场景复杂且数据量巨大，技术挑战高，个人成长迅速
- 算法迭代快速，需要持续学习和跟进最新研究，竞争压力大
角色解读
- 从初级算法工程师逐步晋升为高级算法工程师、算法专家
- 可向推荐系统架构方向深耕，或转向技术管理岗位
- 随着大模型与推荐结合，有机会成为LLM4Rec领域的先行者
- 负责抖音商城商品和直播的个性化推荐算法研发，包括猜你喜欢、特卖频道等核心场景
- 优化推荐系统的召回、粗排、精排、重混排等环节，提升推荐效果和用户体验
- 分析海量用户数据，应用多任务学习、迁移学习、大模型等技术改进算法效率
- 探索生成式推荐和LLM4Rec在工业推荐场景的落地应用
- 扎实的算法和数据结构基础，精通C++或Python
- 熟练掌握TensorFlow、PyTorch等深度学习框架
- 熟悉LR、DNN、Transformer等经典模型及其原理
- 有推荐、搜索、广告相关经验者优先，对大模型技术有浓厚兴趣
申请策略
- 深入了解抖音电商的业务模式，准备对推荐场景的独特见解
- 积极寻求内推机会，提高简历曝光率，可关注字节跳动招聘官方渠道
- 重点突出推荐/搜索/广告相关项目经验，用数据量化提升效果
- 展示机器学习、深度学习的扎实基础，例如论文、竞赛获奖、开源贡献
- 强调C++/Python编程能力，以及TensorFlow/PyTorch在项目中的实际应用
- 复习推荐系统核心知识（召回、排序、特征工程），关注生成式推荐、LLM4Rec等前沿方向
- 动手实践一个小型推荐项目，熟悉TensorFlow/PyTorch的工程实现
面试指南
- 对于项目类问题，使用STAR法则（情境、任务、行动、结果）清晰阐述，并强调自己的贡献和量化成果
- 对于开放性问题，先给出总体思路，再拆解到具体模型或实验设计，展现系统性思考
- 表达技术热情和学习能力，遇到难题时展示解决问题的过程
- 如何解决电商推荐中的冷启动问题？
- 介绍一个你负责过的推荐项目，并阐述优化过程和结果
- 多任务学习在推荐系统中如何应用？
- 你认为大模型（LLM）在推荐系统中可以发挥什么作用？
- 在线学习与离线训练在推荐场景中的优劣？
职位点评
76
综合评分
大厂核心算法岗位，薪资福利好、技术前沿，但工作强度大、WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
最适合对技术成长有强烈追求、能够在高强度工作环境中保持热情的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利
85较高
字节跳动提供极具竞争力的薪酬和福利，能充分满足求职者的物质需求。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
95较高
该职位处于深度学习和大模型技术前沿，提供巨大的技术成长空间和良好的职业发展路径。
技术前沿前沿/新兴技术
技术栈深度学习、大模型、LLM、推荐系统、TensorFlow、PyTorch
业务类型profit_center
工作生活
40较低
互联网大厂工作节奏快，加班较为常见，工作生活平衡方面可能面临挑战。
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
该职位致力于通过技术提升推荐效率，改善用户购物体验，虽具有技术影响力，但商业导向较强，社会意义中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
字节跳动 的其他在招职位
相似职位推荐
Watch Jobs