广告算法实习生（J104731）

优缺点分析

角色解读

• 从执行具体算法任务开始，深入理解广告系统全链路，成长为能独立负责模块的算法工程师
• 在实习中积累对推荐系统、广告系统、大模型应用的深度理解，为未来职业发展打下坚实基础
• 表现优异者有机会获得转正资格，成为正式员工，在算法领域持续深耕或转向产品、管理等方向
• 参与信息流广告核心变现算法的研发，包括算法设计与线上服务实现
• 探索将AIGC和大模型技术应用于广告系统，以提升广告匹配效率和最终的业务收入
• 与产品和运营同事紧密合作，从数据中发现问题并驱动算法优化，形成业务闭环
• 进行深入的业务和数据分析，寻找新的增长机会并设计相应的算法解决方案
• 扎实的编程基础，特别是C/C++和Python，能够独立完成开发任务
• 对机器学习和大模型原理有较好的理解，而不仅仅是调用API
• 强大的逻辑思维和数据分析能力，能将业务问题转化为技术问题
• 良好的沟通与协作能力，适应快速迭代的互联网工作环境

申请策略

• 仔细研究百度信息流广告的产品形态和业务模式，在面试中展现你对业务的理解和热情
• 简历和求职信中可以针对性地描述你对“AIGC优化广告变现”这一方向的思考或小实验，展现主动性和匹配度
• 重点突出与机器学习、推荐系统、广告算法相关的课程项目或个人项目，展示算法理解与实现能力
• 清晰列出熟练掌握的编程语言（C/C++、Python）及相关的框架或工具，并举例说明应用经验
• 如有参加过数据挖掘、机器学习相关竞赛或发表过相关论文，应重点呈现
• 在项目经历中强调解决实际问题的思路和取得的量化结果（如效率提升、准确率提升等）
• 复习和加深对经典机器学习算法（如CTR预估、深度排序模型）的理解，并了解推荐/广告系统的基本架构
• 学习大语言模型（LLM）的基础知识，思考其在推荐、内容生成等广告场景中的应用可能

面试指南

• 采用STAR法则（情境-任务-行动-结果）来结构化地描述你的项目经历，突出个人贡献和学到的东西
• 对于系统设计或开放性问题，先阐述你的整体理解，再分解核心模块，最后结合具体技术点（如模型、特征、策略）来展开
• 对于技术问题，既要展示你知道的标准答案，也要融入自己的思考和实践经验，表现出你的学习深度
• 回答行为问题时，保持真诚，将个人特质与岗位要求（如需要的逻辑思维、学习能力、协作精神）结合起来
• 请介绍一个你过去参与的、与机器学习或算法相关的项目，遇到了什么技术难点，你是如何解决的？
• 你对信息流广告的推荐/变现系统有什么理解？它的核心优化目标可能是什么？
• AIGC或大语言模型（LLM）在广告场景中有哪些潜在的应用方向？请谈谈你的想法
• 如果让你设计一个简单的CTR（点击率）预测模型，你会考虑哪些特征？模型的大致结构是怎样的？