商业算法实习生—base北京通用岗

优缺点分析

角色解读

• 实习期可深入接触工业级广告系统，积累实战经验，优秀者可转正为正式算法工程师
• 未来可向广告算法专家、推荐系统专家或大模型应用方向深入发展
• 在大厂实习经历对校招和社招均有显著加分，可进入头部互联网公司算法岗位
• 参与广告系统核心算法的研发，包括召回、排序、竞价等模块的模型迭代与优化
• 针对电商、信息流等业务场景，设计并实验智能出价、预算分配等策略
• 探索大模型、多模态技术在广告内容理解、创意生成等方向的应用落地
• 扎实的机器学习/深度学习基础，熟悉推荐系统或计算广告相关算法
• 熟练使用 PyTorch 或 TensorFlow 等框架，能独立完成模型训练与调优
• 良好的编程能力（Python为主），了解数据结构与算法，具备数据分析能力

申请策略

• 简历中注明感兴趣的广告算法方向（如召回、排序、出价等），便于团队匹配
• 提前了解小红书的广告产品（如信息流广告、品牌广告），在面试中展现对业务的理解
• 突出广告算法、推荐系统、CTR预估等相关项目经验，包括具体技术方案和效果提升
• 强调使用 PyTorch/TensorFlow 的实践经验，最好有 GitHub 项目或竞赛经历
• 如有论文发表（尤其相关顶会），务必列在简历显著位置
• 系统学习计算广告基础知识，如 RTB、竞价策略、CTR 模型等
• 动手实现一个简单的推荐系统或广告点击率预测模型，加深对 pipeline 的理解
• 了解大模型基础，尝试使用 LLM API 做简单的广告文案生成或内容分类

面试指南

• 对于项目介绍类问题，采用 STAR 原则（情况、任务、行动、结果），突出技术难点和你的贡献
• 对于算法原理问题，先解释核心概念，再结合具体场景分析优缺点和改进方向
• 对于开放性问题，先给出一个 baseline 方案，然后讨论可能的优化点，展示思考深度
• 请介绍一个你做的机器学习项目，包括问题定义、模型选择、效果评估和优化过程
• 如何解决广告点击率预估中的样本选择偏差问题？
• 说说你对广告竞价机制的理解，比如 GSP 和 VCG 的区别
• 如果广告转化延迟较长，你会怎么建模？
• 复习推荐系统和计算广告经典论文（如 YouTube DNN、DeepFM、DIN 等），理解核心思想