在这之前，还是要先做一个免责声明（disclaimer）。就像我在快手的文章只能说明快手商业化的情况一样，在字节也只能说我自己的部门的情况，不能够推广到全公司。事实上这个对比完全是基于个人经验，属于一个公司的不同的组，可能会有完全不同的工作体验，因此大家从中各取所需就可以了，千万不要把我的想法当成正确的结论……
那么我们开始吧～
01
字节跳动简介
北京字节跳动科技有限公司，成立于2012年3月，是最早将人工智能应用于移动互联网场景的科技企业之一，是中国北京的一家信息科技公司，地址位于北京市海淀区知春路甲48号。公司以建设“全球创作与交流平台”为愿景。字节跳动的全球化布局始于2015年，“技术出海”是字节跳动全球化发展的核心战略 ，其旗下产品有今日头条，西瓜视频，抖音，火山小视频，皮皮虾，懂车帝，悟空问答等。
字节跳动人工智能实验室成立于2016年，旨在针对人工智能相关领域的长期性和开放性问题进行探索，帮助公司实现对未来发展的构想。其独立研发的“今日头条”客户端，通过海量信息采集、深度数据挖掘和用户行为分析，为用户智能推荐个性化信息，从而开创了一种全新的新闻阅读模式。
截至2020年8月，抖音日活跃用户数已经突破6亿，字节跳动旗下全线产品总MAU（月活跃用户）超过15亿。
2021年5月20日，张一鸣宣布卸任字节跳动CEO，联合创始人梁汝波将接任。
提到字节跳动，大家第一印象还是抖音和Tiktok，不过实际上字节跳动的产品可远不止这些。诸如更加本土化的火山视频，投放广告的穿山甲，投身教育的瓜瓜龙等等，其实都是字节跳动的产品。也就是说实际上字节跳动的短视频业务只是它的一个部分（虽然确实是利润的绝对大头），它的业务线的广阔，可以保证互联网的几乎所有的业务，都能够在够在字节跳动找到应用的场景。并且得益于字节跳动研发线的高标准严要求，字节的内部具有相对较强的中层力量，换句话说在infra侧上，字节的总体水平是处于互联网公司相对比较高的水平的，但是如果说超过BAT什么的，这个可能还是都去过的人体验一下才有发言权，我就先闭麦了hhh。
总之如果想来到字节跳动的研发线，严格的面试准备是必不可少的。这一点各有利弊，利在于筛选进来的人一定都是水平较高的人，弊则在于招人的高要求，会对应导致符合要求的候选人的减少，这样一定程度上会限制业务的扩张，同时在缺人的时候，项目的压力就会相对较大。当然，如果真的是少之又少的人才，进入字节之后，也要匹配比较高的薪资，不然可能就真的招不了人了……即使是我自己已经来到了字节目前的组（Adscore，后面会介绍）呆了几个月，我也对高难度的面试持保留态度。但是事实上真正通过“千军万马独木桥”来到了字节研发线的朋友，可能处于不同的部门，做着不同的业务，但是都没有对自己所做的决定感到后悔。
02
我在字节跳动做了什么？
要说自己做的事情，其实是一个非常非常小的零件一样的存在。不过在这之前，我想先唠唠我所在的部门的大概的组织架构（因为细节的架构业务是涉及机密的，这里就不能多说了）。毕竟字节跳动是非常强调扁平化的公司，所以他们的架构也一定程度上体现了这一点，就是有的时候让人摸不着头脑……
｜PART 1｜
首先说说大部门，我通过的实习部门是字节跳动的Adscore，Adscore这个部门，就是Ads+core，是一个非常纯粹的广告算法部门（虽然最近大leader也开始招一些数据分析师，用来支持这里算法的工作）。也就是说，基本上所有的广告相关的算法与业务，其实都会落在这个部门，因此其实很多时候，我们会说这个组是一个中台组，就像中间件或者架构中的一些中间层，用于支撑一些实际业务。
｜PART 2｜
当然了，Adscore是一个非常大的组，内部有非常多的业务细划。因为涉及架构等敏感信息，这里不详谈。但是大体上来说，算法这边可以作简单的三个部分的区分，就是模型，策略和生态。但是如果按照功能分的话，分为两个模块会比较好，就是模型和策略。我自己属于的是策略组，所以相比较快手模型组的任务来说，就又是一块全新的领域。策略组和模型组的区别，我之前写过一个想法，就是说
搞模型的，数错了，数仓有问题，表有问题，就你没问题。
搞策略的，数错了，数仓没问题，表没问题，就你有问题。
事实上就说明了，相比较模型来说，策略不是一个黑盒子，每一步都是可以被我们所定制化和追踪的。这样的话，从落表开始，到最终产品的策略上线结束，中间的每一步都是有可能有错的和设计不合理的。这也是为什么相比较而言，策略算法不容易受模型算法那么受欢迎的缘故。因为策略算法的细节太多，要管的事情很多，不像模型你调好一个参数/结构，剩下的事情就是排队等候训练了……当然了，也是因为这一点，策略相比较模型来说，对于心细程度的要求是更高的，这也很好理解。
｜PART 3｜
终于可以说我自己做的事情了！我自己参与做的产品叫作bid landscape（大家可以在Google上搜索这个词）。思考一下，广告主在投放广告之后，这一个广告会经过哪些步骤？互联网公司比较传统的广告链路一定包括召回，粗排，精排等，具体细节可能不同公司设计的略有不同，但是一定是有这些步骤的。在这个步骤下，一个广告到真正拿到收益（我们会说消耗），它的因素会和什么有关？随便一想肯定都会很多。那么这个产品要做的事情，就是考虑
当我们固定其他变量不变，只考虑广告主的出价（bidding）的话，我们可以如何给广告主提出价建议（提价？降价？提价多少？还是说因为各种settings不合理，我们不提供建议？），使得广告主的收益可以被优化。
这个事情相对来说是一个非常新的事情，即使是在国外，能够说这一个任务做的很好的，也就Google和Facebook两家。因此我所在的这四个月，虽然大家通力合作，做出了一个产品。但是实际上的效果，要想说“赶英超美”，还是有点异想天开了。但不可否认这个过程是极为充实和具有挑战性的，对于一个实习生来说，也算没有留下遗憾。
03
对比：快手和字节的算法有何差别？
再次强调：这个对比完全是基于个人经验，事实上属于一个公司的不同的组，可能会有完全不同的工作体验，因此大家从中各取所需就可以了～
03-01
“没有内卷，只有合作”
首先第一点，就是至少我所在的地方，可能因为要做一个产品的缘故，因此内部大家只管你的职责是什么，而不管你是实习生还是正式员工。但是这一点又不能等同于“如果你的工作没完成，你就需要加班把它完成”，因为正如我在这里的mentor所说
如果一个项目block在了一个实习生那里，那么担责的应该是分配任务的人，而不是这个实习生。
比方说我们在做出价相关的事情，那么我们要看表，表是全量的吗（因为离线表的数据大概率都要采样，否则无法落入Hive）？数据里面有哪些字段？广告的settings有哪些限制条件？这一块大概率是需要数仓和开发来帮忙一起看和做的。再往后，你的策略是什么？这就需要寻找其他人的文档，去学习去讨论，再看可能的问题是什么，优化点是什么？再往后，效果不好，那么为什么不好，你可不可以解释？如果可以解释，有明显的问题，这个问题可不可以量化？可以看出，策略算法是与实际业务，广告链路紧密结合的，决定了全过程一定不只是算法工程师在闷头苦干，而是算法，开发和产品的通力合作。
我们组的模型侧也是很类似的，因为不管是在快手还是字节，资源都是非常紧张的，并且对于一个比较复杂的模型，很多时候出错的往往不是模型架构本身，或者训练，而是serving的部分。有的时候可能制约速度的也并不是模型本身的问题，而是其背后的推理架构，这些严格来说都是开发要做的事情，与模型算法工程师本身其实关系不大。因此引用leader的话，就是
组内没有内卷，只有合作。
一定程度上也体现了字节这种“团结办大事”的作风。
你会发现，我在快手的工作时间其实是相对自由的（虽然论实际的工作时长，快手商业化平均是比字节Adscore要长的），因为可以自己一个人，在一个相对比较初级的业务上去调研自己的东西，在这过程中mentor会努力辅助你，但是你的业务是相对独立的。但是在字节现在的部门，很多模型已经不再是看paper或者照搬paper可以了解的了，它们都根据实际的业务做了一些个性化的改造。这就使得“调参”这个事情变得几乎不可能了，大家更多的是关心它与业务的交合（比方说，是否使用了正确的数据流，label是否使用了正确的计算公式，等等）。这就使得“合作”两个字变得尤为重要。
当然事实上如果是快手的核心部门（例如社区科学部），情况可能就完全不一样，但是因为我当时不在，这里不详谈。
03-02
放眼全球，而不是全国
第二点就是字节在全球（注意，不是全国）各个地方其实都有分部（虽然研发线还是主要在北京，上海，深圳，杭州，山景城，西雅图等），这就使得出差这个事情变得普遍，也使得业务上绝大部分时间的沟通，都需要依赖远程。比方说Adscore本身其实是有小部分人是在北美的，在北美的朋友如果要和国内合作，就必须要挑选一个两个地方都合适的时间。因此事实上有很多组会都会安排在一大早，或者中午这样的时间，这都是为了照顾两边的时间。当然这也使得相对来说，北美的成员的上班时间就会比国内更晚。我们这里的上班时间平均是11点到晚上九点半，放到北美那里，有很多人可能就是下午才开始上班，一直上到凌晨，然后早上做自己的事情……虽然听上去其实挺不可思议的，但是毕竟美国的COVID-19还在肆虐，所以大家都是WFH（work from home）的，倒也无所谓了。
这一点快手就没什么好说的了，绝大部分人都是在北京的，最多也就是几个工区不一样。虽然也有合作（比方说之前在的时候，社区科学部的一个人就会到商业化的部门去debug一个训练样本的问题），但是相对来说距离不远，也不是特别需要依赖远程。当然个人感觉，虽然线上的效率不如线下，但有远程的backup肯定是好的（这里安利一波飞书，还有它的飞书妙记，开会和分享都会很快有录屏，以后有空学习也会很方便），COVID-19的出现，就非常明白的说明了这一点……
03-03
讨论时间很多……
最后就是，这里的会议是真的多……快一百人的大组有会议，非中国区的小组有会议，和mentor的项目也有几个会议（这其实也可以算是远程的坏处了，啥大事小事都得靠远程电话解决，但是这也是业务不断扩张之后带来的必然吧，毕竟北京再大，也就地球上的一小块233）。这也使得相比较快手商业化，你还可以理一个日程表出来，但是在字节Adscore，由于项目在驱动，每天的工作时间其实并不是很固定。临近sync或者项目会议的时候，你的数跑不出来，你的策略还在运行，那你一定是会十分紧张的。但是如果你没有在这个时候，可能你的压力就还好（当然了，压力还好的意思就是，你可以按照自己的节奏正常下班。虽然说网络上总说互联网公司加班严重，但是事实上一个好的公司，对于员工的生活平衡必然是要有尊重和考虑的，虽然项目在忙的时候真的会很累，但是总体上来看，大家还是做到了相对比较好的一个平衡，没有网上说的那么玄乎。至于你想十一点来，然后六点七点就下班，可能和公司关系不大，而要看个人头不头铁）。
04
字节Adscore面试题
叙述过拟合和欠拟合的表现和常见解决方案。
叙述FbProphet的关键参数。
代码题：二维数组，每一个元组内是一个整数，从左上角往右下角走，只能够向右或者向下，要求经过的数的和最少，空间复杂度为O(max(m, n))，其中m为行数，n为列数。
叙述GBDT与随机森林的区别。
概率题：给定一棵决策树，输出1的概率为p，0的概率为1-p。问如何使用两棵决策树进行组合，使得输出1，0的概率分别为1/2。
代码题：有序数组查到target元素的最左边和最右边，要求复杂度O(logn)
代码题：消除字符串的pattern（比方说字符串为baba，pattern为ba，那么会返回一个空字符串），要求只遍历一次数组。
解释一下wide & deep。
xgb的并行化做在了哪里？
给10min，上网查资料，解释xgb如何去拟合一条单调上升的曲线。
给10min，上网查资料，解释如果遇到了10^9维的数据，xgb如何做建模和特征工程。
代码题：最长上升子序列。
可以看出，这一次面试在代码题上，没有遇到hard，但是其实覆盖面上也是很广的。传统的机器学习，深度学习都有考察，还有考察一些开放题。
06
一些想法：算法工程师对工程能力的要求体现在哪里？
事实上，我们一直在说，算法工程师不是调参工程师。但是如果反过来问，说算法工程师是什么工程师？其实就有点难回答了，我自己也不例外。事实上，为了搞清楚这个问题，不仅仅是要亲自去体验不同种算法工程师做的工作，前人的经验也是很重要的。因此我在这段时间还问了一下我们部门的mentor和兄弟部门的leader（Ads Infra，一个业务中台部门，主要会做后端和数据流的工作，是一个开发部门），他们在做什么，怎么理解这个工作。最后，其实可以得到下面这一个结论。
算法工程师对工程能力的要求不亚于计算机本科。
如果你是一位转码选手，那么最方便的方法自然是刷题刷题刷题，然后拿到实习/正式offer了，对应的补一块的知识。比方说你去做网络相关的内容，那么计算机网络这一门课肯定是必不可少了。但是这样的做法其实限制也很明显，毕竟你也不知道你是不是就一直喜欢，或者可以胜任做某一个方向的工作。
对于算法来说，其实这种受制会更加明显，因为我们根本不关心底层设计什么样，但是我们却需要使用它们。举个例子，我们在做策略算法的项目的时候，我们设计好策略，需要上线，需要实验，那么实验平台代码怎么写，业务逻辑是什么？这些是不是都会接触到后端的内容？我的mentor最忙的时候，会同时打开三个屏幕，一个屏幕放Python代码，一个屏幕放C++代码，一个屏幕放Golang的代码。为什么有三种语言呢？这是因为遥远的模块就是用这三种不同的语言写的，所以他每次看都很崩溃……
有人可能会问，那既然如此，我把这一部分交给开发部门不就好了嘛？事实上这就是职责所在了。思考一个问题，如果一个策略算法工程师只会写Python策略，那它值得和一个开发工程师一个价嘛？事实上，除了这个原因，还有一个原因是，实际的业务中，我们要对结果负责，这个过程遇到什么坑，其实每一个人都不知道。而你身处互联网公司，你的模型/策略要上线，你不可避免要涉及到公司的架构。所以无论如何，或许你可以不需要背计网的各种术语，或许你可以不需要明白各种架构设计会带来什么优化，但是你不能看代码的时候毫无章法，或者在修改调试的时候一头雾水。而这，对应的恰恰好就是我们所说的工程能力。
事实上，我们在实际做项目的时候，遇到的各种block的问题基本上都是涉及到后端的。一个例子是，我们要对广告计划的策略做测试，这会涉及到一个循环。循环加速的方法是并行，这个如果做过项目的人可能也都听说过。那么进一步问，并行可以用多少核？在并行的时候开启其他的项目，是否会对其他项目的性能产生影响？以及会不会触发核的熔断机制？这些都是操作系统的东西，你可以不懂，但是一旦遇到这个问题，真的会毫无头绪。遇事不决走oncall，oncall虽然一下子就知道问题是什么，可是时间可能也就这么浪费掉了……至于各种落表的操作，打jar包，写Redis，调网络接口什么的，这就实在是太常见了hhh。
所以，如果你仔细观察一下身边的同事的话，你会发现绝大部分的人都是CS，EE，自动化这种工科专业，而这些专业不可避免的都会学习很多软硬件相关的课程。所以我自己认为，算法工程师对于工程能力要求其实真的很高。这个想法固然是有些学生思维，毕竟你不可能到了工作场合之前，要把所有可能的内容都学习完，你也来不及。但是这一点要提示的是，如果现在有空，要努力学习一些算法工程师底层的内容，而不是上层的内容。而如果到了工作场合，也要养成持续学习的习惯，并且适当的去拓展自己在这一块的边界。如果想在算法工程师这一块有自己的成果，而不只是做螺丝钉的话，那么对工程能力的把握不可含糊，这一点，无论是我的mentor，还是我的leader，还是我们组的leader，还是兄弟组的leader，都给出了一致的意见。
所以最后其实可以补一句话，就是
算法工程师和开发工程师都是互联网的工程师，只是他们的思考角度不同，对技术栈的要求其实大同小异。
但是事实上目前算法相关的面试，几乎不考察后端相关的内容。这个当然可以理解，毕竟只考算法和leetcode都没办法招足够的人了……但是事实上，如果有幸可以加入这个行业，做这一份工作，那么千万不要忽视开发，毕竟我们身处互联网公司，CS基础就是你的根基，根基不稳，摇摇欲坠，哪一天突然掉入深渊，深渊可能早就期待你很久了。
07
小结
终于把这一篇字节篇写完啦！从杉数篇到字节篇，这一个系列今年写了四篇文章，自己也去了四家公司，有startup有大厂，有算法有开发，有机器学习有深度学习，有模型有策略。虽然前前后后跳的厉害，也确实把自己给跳累了。但是每一次认识不同的朋友，了解不同的业务，同时也能够感受不同厂的氛围，其实本身也是很有挑战性和很有成就感的事情了。当然，也衷心希望每一篇文章，都是一个好的对于公司的宣传，对于工作内容的一个朴素的介绍，也是一个好的，帮助大家了解互联网公司的一个机会。
完结撒花！希望这一年北漂经历能够让我真正有所记忆，不留遗憾。当然如果有人可以因自己的文章对互联网产生兴趣，或者通过自己的努力进入了这个行业，那就更好啦～
