【27届校招提前批】业务增长算法工程师

优缺点分析

角色解读

• 初期专注模型构建与优化，成为算法专家
• 中期可向增长策略方向转型，负责买量全链路优化
• 长期可晋升为资深算法工程师或技术Leader，带领团队
• 构建LTV、付费概率等预测模型，用于指导游戏买量投放和ROI优化
• 评估模型性能，持续迭代算法，提升预测准确率
• 撰写技术文档和业务报告，将模型输出转化为可执行策略
• 扎实的机器学习基础，包括分类/回归、特征工程、过拟合控制等
• 熟练使用Python或Java/C++进行编程，并具备良好的工程习惯
• 掌握SQL，能独立完成数据抽取和分析
• 良好的沟通协作能力，能将模型成果与业务团队对接

申请策略

• 关注莉莉丝校招流程，提前投递，准备好项目展示
• 面试中展示对机器学习原理的深入理解，以及如何将模型落地到业务中
• 突出机器学习项目经验，特别是预测建模相关（如用户付费、活跃度预测）
• 强调编程能力，展示GitHub或参与过的工程代码质量
• 如有游戏行业实习或相关数据分析经验，重点呈现
• 强化SQL和特征工程能力，可练习Kaggle竞赛或开源数据集
• 了解游戏行业买量、LTV等业务概念，提前准备

面试指南

• 定义问题 → 方法选型（如回归、生存分析） → 特征工程 → 评估指标 → 迭代优化
• 业务理解 → 数据验证 → 模型调试 → A/B测试 → 持续监控
• 请解释LTV预测的常用方法及其优缺点
• 如何处理不均衡样本问题（付费概率预测中常见）？
• 描述一次你从数据清洗到模型部署的完整项目经历
• 如果模型在线上表现不如预期，你会如何排查和优化？
• 你了解游戏买量ROI是如何计算的吗？
• 复习机器学习经典模型（线性回归、树模型、深度学习）的原理与适用场景