智能算法产品事业部-广告算法工程师-展示召回

优缺点分析

角色解读

• 在阿里妈妈体系内，可以从算法工程师成长为技术专家或技术Leader，负责更核心的算法方向
• 广告算法领域技术壁垒高，可积累大规模机器学习系统、大模型应用等稀缺经验，在行业内极具竞争力
• 未来可向AI产品、技术管理或创业等方向发展，职业路径宽广
• 负责阿里妈妈展示广告的召回与定向算法研发，优化广告匹配效率，提升用户体验和广告主ROI
• 推动召回大模型在预训练、知识融合、持续学习等方向的技术突破，解决大规模工业场景下的算法挑战
• 探索Reasoning、Agentic-AI等前沿技术，构建创新的广告产品能力，提升广告投放效果
• 参与广告算法系统的架构设计，研发支撑大规模算法迭代的基础设施和解决方案
• 扎实的机器学习算法基础，深入理解算法原理及应用，具备搜推广方向的实际项目经验
• 具备大模型相关经验，熟悉预训练、微调、知识融合等技术，有顶会论文发表是加分项
• 优秀的工程实现能力，熟练掌握C/C++、Java、Python等至少一门编程语言，能应对大规模分布式系统开发
• 出色的分析和解决问题能力，以及良好的沟通和团队协作能力

申请策略

• 在申请前，深入了解阿里妈妈展示广告业务和其技术挑战，在面试中展现你对业务的理解
• 可以关注阿里妈妈技术团队的博客或开源项目，了解其技术方向，并在面试中适当提及
• 重点突出搜推广方向的实习或项目经历，详细描述你在召回、排序等环节的具体工作和取得的量化成果
• 如果有大模型相关项目经验，务必详细说明，包括模型架构、训练方法、应用场景及效果
• 强调你的工程能力，例如使用C++/Java/Python开发过的大规模分布式系统或算法框架
• 如有顶会论文或竞赛获奖，一定要在显眼位置列出
• 系统复习机器学习、深度学习核心算法，特别是推荐系统和广告领域的经典模型（如DIN、DCN、DSSM等）
• 深入学习大模型技术，包括Transformer架构、预训练、LoRA微调、RLHF等，并尝试在推荐场景中应用

面试指南

• 回答项目类问题时，采用STAR法则（情境-任务-行动-结果），突出你的个人贡献和技术难点
• 回答技术方案类问题时，先阐述基本原理，再结合具体业务场景分析利弊，最后给出你的设计思路
• 回答开放性问题时，展现你的思考过程，从问题定义、技术选型、潜在风险到解决方案，体现系统性和深度
• 请详细介绍一个你参与过的搜推广项目，包括问题定义、技术方案、挑战和最终效果
• 谈谈你对召回阶段常用算法（如双塔模型、图神经网络）的理解和比较
• 大模型如何应用于广告召回？请谈谈你的思路和可能遇到的挑战
• 如何评估一个召回算法的效果？有哪些离线指标和在线指标？
• 面对海量用户和广告，如何设计一个高效的召回系统架构？