推荐/广告算法社招生存指南（浅梦）

转载

wx62cea850b9e28 2022-07-14 15:32:23

引言

作者研究生期间就读与某IT类211学校做CV算法方向，秋招时候误打误进了某电商公司广告部，毕业时候看了几天sql语法，买了本《计算广告》第二版，到离职时候也没看完，惭愧惭愧。。回过头来似乎有些庆幸自己选了一个不错的业务方向，毕竟广告是各互联网大厂核心业务方向，要不就要跟实验室的同学一样去做cv的组天天鉴黄了。其实关于业务方向的选择也是自己慢慢理解以及和各个大佬交流得出的结论，总的来说就是越贴近用户、越和产品发展挂钩的业务往往比较核心，越能培养产品业务发展思维和全局视野（所谓大菊观），单纯做CV或者NLP算法研究在各大公司的发展生存逐渐式微，可替代性越来越强，其次是一些功能性的公司防御性业务，如反作弊、流量质量等。。（仅代表个人观点，不喜轻喷）

话说回来了，广告这么核心你为啥还要走–，其实离开也是个人思考比较久的一个决定，核心出发点也是一样的：个人的努力固然重要,但也要考虑历史进程，选择永远比努力更重要，做好选择让自己的努力得到应有的回报。大部分互联网人是不怕卷的，就怕卷的没有意义，样本选错了模型训练的再好也是南辕北辙。对于毕业前几年的同学来说，要直接找到跟自己合适的小组还有发展前景好的业务方向，找到跟自己match的领导是一件很靠运气的事情，要是秋招时候当闭眼玩家大概率入职之后过的不会很舒服。所以强烈推荐大家多出去实习，多呆几个地方大概率是能找到适合自己的公司和部门的，如果不能恰好又运气不好，请及时止损，找一个能让自己发展更好的地方。

业务

在推荐或者广告领域工作一两年的同学估计没有人再给别人介绍说自己是机器学习or AI算法工程师，除非你要去割韭菜~~，一般都戏称自己是sql boy，毕竟日常工作里充斥着大量的dirty work，分析、清理数据，查bad case。那么这个核心业务的价值到底在哪里，就恰恰在于它「没有银弹」，往往一个模型在场景A中有效，不代表着在B中一样有效，所以经常出现某公司核心部门发表一篇顶会研究出某某ctr模型对某某场景业务指标提升xx个点，为公司带来xx收入，某某同学辛苦复现，尝试三个月未果，指标纹丝不动甚至负向；如此反反复复持续大半年，做到自己怀疑人生。

为何？「The devil is in the details」。动手之前多分析分析数据和指标，结合业务场景特点思考痛点在哪，培养自己的挖坑能力和立项能力，想好了再动手，这才是取胜之道，如果可以的话尽量不要拍脑袋做决策，除非这些不靠谱的idea是别人非要你做的。

一个idea的靠谱与否以及是否能成功实施取决于很多因素，但总绕不开两点：成本与收益，

成本：时间成本（实现需要时间）、架构成本（架构改动大小）、机器成本（线上机器增加多少）、有时还有沟通成本（组内/跨组合作）
收益：预期该项目可以解决当前业务的xx问题，即以上所述的分析数据和论证过程。

那么idea是如何找到的？建立全局框架思维，从整个系统（架构、数据流、特征、模型）找优化点是最容易有突破的，也不只是简单复现一篇论文。

社招

到了下决心要参加社招时，压力还是很大的。但是还是一定要想好自己要的是什么，期望找什么样的业务方向和岗位，有策略性的设置公司和部门梯队，每个梯队选两三个公司即可，重要性较高的部门放后面。利用自己平时也积累的一些人脉，打听部门情况和业务发展情况，考虑是否和自己match，尽量减少信息差，如果暂时不想躺平，建议一定找核心部门核心业务方向。

关于业务方向的选择，推荐or广告？这两个方向可以说是大公司发展的双引擎，没有高下之分，只有公司内的强弱之分，跟部门在公司的发展有很大关系。具体方向选择需要参考公司业务场景及多个因素，如召回or排序or重排or出价等。

这里面相对来说重排和出价比较小众，坑位比较少，但是由于竞争者少，专注于该方向的人一旦找到坑位容易要到一个很高的价位；再如rank，需求量大但内卷严重，可替代性相对较强。

由于自己头比较铁加上失业的恐惧，前前后后面了不同公司的20个广告、推荐部门，都是该公司的核心组，（某头部公司面了三个不同的组–），除了个别一二面挂之外都到了三面或者HR面，最后拿到了一半多部门的offer。有时候一天三次面试，面完了做review，面到自己怀疑人生。中间也曾有非常想去的组三面挂的情况，一度十分沮丧，后期放平了心态反而拿到了几个头部公司组不错的offer。最后综合考虑各方面因素选择去某司做推荐召回方向，虽然不是钱给的最多的一家，但是其他方面还较为满意。