中/高级计算机视觉算法工程师（推荐&搜索）

优缺点分析

角色解读

• 可向推荐系统专家或技术负责人发展，主导核心算法方向
• 积累多模态和端侧部署经验后，可转型AI平台或大模型应用方向
• 在大疆内部可横向转岗到其他AI产品线，如计算机视觉、机器人等
• 研发搜索与推荐排序模型，提升编辑器内素材检索和推荐效果
• 优化多路召回和精排模型，持续提升业务核心指标如点击率、成片率
• 构建用户画像并应用于召回排序，实现个性化推荐
• 搭建离线评估和A/B Test体系，用数据驱动模型迭代
• 深入理解推荐系统架构，熟悉召回、排序、特征工程全流程
• 熟练使用主流模型如DeepFM、DSSM、Two-Tower等，并能独立调优
• 具备用户画像建模经验，能将画像特征有效融入模型
• 掌握A/B Test和数据分析方法，能通过数据指导模型优化

申请策略

• 深入了解大疆编辑器产品（如DJI Mimo）的使用场景和用户痛点，面试时展现对业务的理解
• 准备一两个完整的推荐系统案例，从数据处理、模型选型到上线评估的全流程讲解
• 突出搜索/推荐排序项目经验，特别是独立负责的线上模型迭代案例
• 详细描述召回、排序、特征工程的具体技术方案和效果提升
• 展示用户画像建模和A/B Test体系建设的成果
• 补充多模态大模型训练经验，如CLIP、VideoBERT等
• 学习端侧模型部署和端云协同推理技术，如TensorRT Lite、ONNX
• 了解视频/音乐/模板等富媒体推荐的特点

面试指南

• 用STAR法则：情境-任务-行动-结果，突出个人贡献和技术细节
• 对于模型对比问题，从原理、适用场景、优缺点三方面展开
• 对于工程问题，先给出理论分析，再结合实践经验说明取舍
• 请详细描述你主导过的一个推荐排序模型迭代项目，包括技术选型、效果提升和遇到的问题
• DeepFM模型的核心思想是什么？它与Wide&Deep的区别？
• 在召回阶段，你是如何平衡召回精度和召回率的？
• 用户画像特征如何融入排序模型？请举例说明
• A/B Test中如何确定实验周期和样本量？如何处理指标冲突？