【字节跳动】搜索-推荐团队【社招/校招/实习】内推

字节跳动搜索-推团队大量招算法工程师(machine learning engineer)， 实习和全职（校招/社招）岗位都有。
先来个官方的团队介绍和jd。
搜索-推荐团队介绍
1、致力于打造搜索品牌认知，负责搜索流量增长和搜索内容生态建设，业务覆盖字节跳动国内外所有重要产品；
2、以推荐和NLP技术为核心，依托全球超过十亿月活用户，打造业界最好的搜索推荐系统；
3、应用业界最前沿的推荐和NLP技术，处理超大量级的业务体量和数据，持续创新，发挥空间广阔。

搜索推荐算法工程师（北京）
岗位方向
1、首页搜索框，搜索中间页&结果页&Feeds中和搜索有关的推荐模型和业务；
2、服务于搜索内容增长和搜索内容生态优化的推荐系统改进，包含从候选到召回/粗排/精排全链路模型的系统改进；
3、探索文本推荐&通用推荐技术上限，推荐和NLP技术联合应用，以及强化学习多模态等技术的探索
职位要求
1. 基础要求：较好的算法设计能力和工程实现能力，有机器学习/强化学习/NLP应用（其一）的实践经验。
2. 具备良好的沟通和表达能力，对好的用户体验有自己的认识，有较好的产品意识者优先。
3. 加分项：
    -有大规模（候选大，用户量大）推荐系统优化经验者优先
    -有大规模NLP语言模型预训练经验优先
    -参加过ACM等竞赛并取得好名次者优先

下面是我个人的理解。
我们组可能涉及的方向:
1. 短文本相关的推荐模型
2. NLU相关方向，比如text classification, information extraction, sentence level semantics, text matching)
3. QA和Dialogue以外的NLG(比如text summarization, controllable text generation)


我们组不做的方向
1. 预训练模型（比如BERT, RoBERTa, GPT3)的训练，对这部分感兴趣的投递搜索-NLP或AML-US。但是我们可能涉基于预训练模型的sentence embedding的训练。
2. 视频和长文章的推荐，对这部分感兴趣的请投递data-推荐

我们组希望招收一些对推荐和NLP交叉领域感兴趣的同学，但是并不要求对推荐和NLP都很熟悉，熟悉一个领域就可以。目前组内氛围nice, 离职率低且实习return offer率很高。
目前组内所有职位的base均为北京。
对我们组感兴趣的投递简历到我的公司邮箱: zhuxunjie@bytedance.com。合适的简历会直接推荐给团队leader。
校招岗位也可以使用内推码: VD66QN6

hengde12 发表于 2021-3-23 18:07
十分谢谢楼主信息，刚刚看到信息。想追问一下楼主现在推荐里面一般如果不使用knowledge graph，那么使用的 ...

比如某篇文章下面出现的推荐query必须和文章相关，这时候就需要一个文本匹配的模型衡量相关性，对于部分query光用bert还不行，需要融入一些实体信息(当然你也可以把它当成一个文本摘要或者key phrase extraction问题来做，不过这么做难度更高）。另外某些场景下（比如搜索提示）用户后一个时刻的输入可能和它的历史输入高度相关（比如用户前一个时刻搜鱼香肉丝，后面打了一个"宫“，那他大概率要搜宫保鸡丁。这种场景普通的召回算法解决不了，但可以尝试用预训练语言模型来解）。即使是纯推荐场景NLP知识也是有用的，比如序列建模问题，可能要用到transformer, transfromer对输入长度的复杂度是O(n^2), 如果序列很长我们需要线性复杂度的transformer, 通常做NLP的人会想到Linear Transformer or Performer, 纯粹做推荐的人不一定关注这方面知识。

hengde12 发表于 2021-3-23 13:20
想请问楼主字节在北京的TC和Facebook等比较起来差多少？Facebook E5 大概是380K USD，不知道北京或者美国字 ...

北京的职位里面380k大约要比较资深的3-1才能匹配，新晋3-1可能拿不到，具体还要看面试评价。湾区的薪水我不是很了解，不过按照中低层级湾区薪水比国内高1级-1.5级的惯例，2-2应该能匹配。目前推荐是有涉及knowledge graph的场景的，但是推荐模型里面没有大规模的用knowledge graph或者Graph Neural Networks。

想请问楼主字节在北京的TC和Facebook等比较起来差多少？Facebook E5 大概是380K USD，不知道北京或者美国字节达到这个水平？推荐有没有使用knowledge graph？

项目挺不错的，想问下LZ工作时长的问题，算法和其他组一样也要996起步吗

hateT 发表于 2021-03-22 22:35:29
北京的职位里面380k大约要比较资深的3-1才能匹配，新晋3-1可能拿不到，具体还要看面试评价。湾区的薪水我不是很了解，不过按照中低层级湾区薪水比国内高1级-1.5级的惯例，2-2应该能匹配。目前推荐

十分谢谢楼主信息，刚刚看到信息。想追问一下楼主现在推荐里面一般如果不使用knowledge graph，那么使用的是matrix factorization + deep learning/reinforcement learning?为什么需要NLP的知识呢？面试的工程师需要用NLP在什么地方？

hejie1991 发表于 2021-03-23 03:03:35
项目挺不错的，想问下LZ工作时长的问题，算法和其他组一样也要996起步吗

早上通常是10点到10点半到。晚上走的时间不好说，8点半到9点半的都有。算法工程师也分做模型的和写策略的，或者二者兼具的。通常做模型的人轻松一些，工作量小，但是工作见效慢，压力更大。写策略的人容易出成果，但是工作量通常会更大，走的要晚一些。我们leader不提倡拼工作时间，通常组里面他最早走，所以不用担心干完活走不了的问题。

hateT 发表于 2021-3-23 23:29
早上通常是10点到10点半到。晚上走的时间不好说，8点半到9点半的都有。算法工程师也分做模型的和写策略的 ...

明白，想问下字节的写策略的会和模型混在一个组吗，还是一般都是分开分组的？谢谢

hejie1991 发表于 2021-3-24 01:05
明白，想问下字节的写策略的会和模型混在一个组吗，还是一般都是分开分组的？谢谢

分组不是按策略和模型分的，是按是否直接参与业务分的。参与业务的算法组既有做策略的也有做模型的，不参与业务的组（AI Lab和AML)就没有写策略的。