计算机视觉算法工程师（推荐&搜索）

优缺点分析

角色解读

• 在技术纵深上，可向推荐系统架构师、算法专家方向发展
• 可横向拓展至计算机视觉、多模态等方向，结合业务创新
• 积累业务理解后，可转任技术负责人或产品策略岗位
• 构建搜索与推荐排序模型，提升用户创作效率和成片率
• 主导多路召回与精排模型的迭代，优化业务核心指标
• 建设用户画像，刻画用户风格偏好，并应用于召回排序
• 搭建离线评估与A/B Test体系，数据驱动模型迭代
• 扎实的机器学习/深度学习基础，熟悉推荐系统或搜索排序算法
• 精通Python和至少一种深度学习框架（PyTorch/TensorFlow）
• 有用户画像、特征工程相关经验，理解召回与排序全链路
• 具备数据分析能力，熟悉A/B测试实验设计

申请策略

• 深入了解大疆编辑器产品及用户场景，在面试中体现业务理解
• 准备一个完整的推荐系统项目案例，清晰讲解技术方案和迭代过程
• 突出搜索推荐排序相关项目经验，尤其是召回、排序模型的实际优化效果
• 展示用户画像构建或特征工程经验，强调对业务指标提升的贡献
• 体现数据分析能力，如A/B测试实验设计、因果推断等
• 如有顶会论文或开源项目，务必突出
• 系统学习推荐系统全链路知识（召回、排序、重排），阅读经典论文
• 掌握主流深度学习框架，熟练使用PyTorch进行模型开发

面试指南

• STAR原则：描述情境、任务、行动、结果，突出量化效果
• 对比不同方案的优缺点，展示技术选型思考
• 结合业务场景，说明技术如何服务业务目标
• 请详细介绍你过去在推荐排序方面的工作，包括模型选型、特征设计和效果评估
• 如何解决推荐系统中的冷启动问题？
• 描述一个A/B测试从设计到上线的完整流程，以及如何处理实验中的偏差
• 如何构建用户画像？画像特征在召回和排序中如何应用？
• 在深度学习模型中，如何处理特征稀疏性和模型实时性？