2019年字节跳动招聘算法岗，他们最看重哪些新技术能力？

【导读】合格的算法工程师真正应该具备什么技能？在面试时，面试官又会如何验证你具备这些新技能？毕业仅一年，相继拿下头条、阿里、腾讯等offer的本文作者，为你绘制了一幅面试技能雷达图。

1

哲学第一命题：我是谁

211B段高校毕业的小硕一枚，光电子专业（偏光通信工程）。专业方向实在不想去，也没有好的选择，不是研究所就是通信设备厂。研究生期间自己折腾Java，C++开发，也自学了点机器学习算法，毕业秋招时也尝试过找算法岗机会，all挂了，那时真没有竞争力，自己的储备也不够，毕业时去了家小型互联网公司，主要是做后台开发。一年后公司挂了，今年8月份不得不开始重新找工作，好在我入职后就准备着手入坑AI算法。所以，我有(dao)幸(mei)在最近2年时间经历了AI算法岗面试，第一年参加秋招，今年的面试经历感觉很艰难，体会颇多...

入职两个多月了，有时间回想一下为转行算法岗所经历的学习和面试过程，其实也踩过了不少大坑，今天写点东西（好久没码字了），要是能帮到和我一样准备找算法岗的你，也算是不枉熬这一夜。

兄弟姐妹们，别怕，坑我帮你踩啦！

2

从零零散散地自学到系统化学习

一开始只是自学网络上的视频课程，但我本身没有基础，周围又没有人可以交流，视频课程和博客文章在知识点的构建上都很碎片化，很难在形成从理论到项目实践的系统性认知。

尤其是网络中的博客文章，我点进去看了之后实在是看不下去，慢慢的就觉得没有底气，归根到底是因为自学中接触网络的信息太碎、太杂了，很多东西串不起来，感觉自己知道的不少了，但是和行家一交流就经常短路，最后只能尬聊。

这个阶段耗费了我大半年的时间，自学效果很不好，总结一下：对算法原理公式推导理解不深刻、用法不熟悉，更不懂工业界算法模型怎样落地应用的。

2018年底，一位学长推荐我学习了一门免费课程：《机器学习面试算法常考题精讲》，5个多小时的课时，我当时花了3、5天时间认真学习了课程内容，这对我之后的学习和面试帮助很大，主要是让我在初学的阶段清晰了如何学习，重点应该放在什么地方，如何选择合适的技术方向，合理的学习路径是什么，项目经验如何提升，简历该怎么写才能有吸引力进而获得面试机会，今年的技术面中常会出现哪些考点问题。

3

◆◆ 四个技能点：知识、工具、逻辑和业务 ◆◆

算法工程师必须具备的四个技能点：知识、工具、逻辑和业务，我可以用一个实际例子中说明一下，比如我去面试“推荐算法工程师”的职位，具体是什么能力呢？

• 知识：主流CTR模型以及预算控制，流量预估，bidding策略等模型算法的原理和技术细节
• 工具：coding能力，大数据相关的spark、flink、深度学习tensorflow、pytorch、ps-lite等模型训练、serving相关工具
• 逻辑：算法题，模型之间的演化关系
• 业务：推荐业务逻辑包括冷启动、召回和排序等在构建模型时的区别联系，如何根据公司业务模型制定模型的目标效果

算法基础是个基本功，需要在学习阶段夯实，千万不要在这个阶段过于深究类似于SVM、EM、HMM等这些需要深奥的数学逻辑层面的理解，会把人耗死而且也极易让你丧失信心。你需要量力而行，不是所有的算法都要搞清楚，抓住主流的算法模型，可以从各大公司的JD里发现面试官比较关心的算法模型有哪些，我总结了一些主流的算法如下：

LR、决策树、SVM、EM、Adaboost、PageRank、 FFM、随机森林、 GBDT 、XGBoost 、聚类、CNN、RNN、LSTM、Word2Vec，FCN、RestNet、Fast R-CNN 、MobileNet、SSD

我学习期间汇总了300+道NLP、搜索推荐、机器学习算法的面试常见题，总结一下：

NLP项目——要写上深度学习模型，19年面试NLP基本上都会问到Bert,Attention机制，最好准备下。

搜索推荐——相关岗位，感觉除了考察算法外，工程上考的也比较多，面一个做搜索的公司就让设计一个方案统计商品近6小时实时点击率。当时有点蒙，回答的并不是很好，有回答使用Storm来实时计算，具体实现并不太熟悉。

机器学习算法——GBDT基本上必问，Xgboost，LR、决策树模型也问的很多，没有遇到手推算法，常见机器学习模型的损失函数要清楚。

• GBDT的原理
• 决策树节点分裂时是如何选择特征的？
• 写出Gini Index和Information Gain的公式并举例说明
• 分类树和回归树的区别是什么
• 与Random Forest作比较，并以此介绍什么是模型的Bias和Variance
• XGBoost的参数调优有哪些经验
• XGBoost的正则化是如何实现的
• XGBoost的并行化部分是如何实现的
• 为什么预测股票涨跌一般都会出现严重的过拟合现象
• 如果选用一种其他的模型替代XGBoost或者改进XGBoost你会怎么做，为什么？

NLP：

• 有没有自己改过模型？类似Google Inception这种的；
• 你了解attention机制吗？seq2seq,有用到attention机制吗？
• 了解最新的bert，transformer吗？
• 怎么优化深度学习模型性能？
• 你们有用到哪些激活函数？NLP中有没有用到？
• LSTM和GRU那个性能更好，什么情况下gru的效果会比lstm好？
• 讲一下Word2vec原理；
• 商品购买评论，分成10个类，怎么聚类？把整个流程从头到尾讲一下。

搜索推荐：

设计一个系统来完成搜索词类目预测，设计一个关键词分类系统，搜索行为日志中有搜索关键词和对于的点击，购买商品日志，每个产品知道具体的分类，怎么处理同一个关键词多分类的情况？怎么处理误点击数据？

广度考察：

• Adaboost、 FFM、随机森林、个别聚类算法，模型评估等知识的理解程度
• Spark的调优经验，Model Serving的主要方法，Parameter Server的原理，GAN，Online Learning的基本理解
• Embedding方法，Attention机制，Multi task，Reinforcement Learning