字节跳动推荐算法实习生-TikTok算法
任职要求
1、2027届硕士及以上学位在读，计算机、软件工程等相关专业优先； 2、具备优秀的编码能力，扎实的数据结构和算法功底； 3、优秀的分析问题和解决问题的能力，对解决具有挑战性…
工作职责
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：短视频平台算法团队，负责国际化短视频产品的基础推荐算法，加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，直接为核心用户体验负责，支持产品在全球赛道上高速发展。我们的工作内容包括大规模推荐算法的优化、复杂约束的优化问题的解决、多模态大模型的落地探索，推荐大模型的应用研究等多个学术领域的算法改进以及对多种场景的推荐架构的设计和对产品数据的复杂深入的分析。在这里，你可以深入钻研机器学习算法的改进和优化，探索前沿的技术；可以跟来自全球不同国家的团队合作, 感受不同文化的碰撞, 激发认知；可以通过对产品和内容生态的深度分析，影响产品未来的发展方向。 1、负责国际化短视频算法工作，共同搭建业界领先的推荐系统，为用户提供一流的产品体验； 2、理解机器学习技术与业务目标，端到端独立负责推荐系统，确保用户在TikTok平台上能够更好地发现和消费音乐；构建行业领先的推荐系统，为用户的创作过程提供精确的音乐推荐与高品质的音乐体验，提升用户的创作体验； 3、应用先进的机器学习技术解决各种在线/离线，大数据量/小数据量，长期/短期信号等不同场景遇到的各种挑战，包括标签缺失，反馈周期长，收敛速度慢，信号相关性弱等； 4、和产品以及运营团队紧密合作，对用户、作者的行为做深入的理解和分析，制定针对的算法策略促进生态良性发展。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok 在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 我们是 TikTok用户增长技术团队，我们是公司全球战略的核心引擎之一，是连接全球亿万用户与精彩内容的第一座桥梁。我们的使命非常纯粹：用技术驱动增长，让TikTok成为全球每一个角落的用户发现快乐、激发创造的平台。 我们的工作远不止是写代码，我们是用技术解决真实世界商业问题的增长建造师。在业务上，我们直面激烈的技术前沿战场： 我们负责全球用户的拉新、促活、留存与变现，你都将会深度参与；你的每一个技术决策和代码实现，都助力着我们全球化业务的发展；这种直接创造价值、见证全球性影响的成就感，是无与伦比的。在技术上，我们挑战的是业界硬核的难题：极致性能下的全球高并发、复杂至极的全球化架构与合规、数据驱动与AI的科学赋能、用户端侧体验的极致打磨。 1、负责TikTok的算法工作，包括但不限于：视频推荐、内容理解、因果推断、智能增长等，为用户提供海内外领先的产品体验； 2、结合机器学习技术和业务场景需求，运用包括强化学习、Graph Embedding、大模型、大规模计算等在内的前沿建模技能，解决业务痛点，提升线上效果； 3、与产品及运营团队紧密合作，对用户的行为进行深入理解和分析，制定合理高效的策略逻辑，促进生态的健康发展； 4、参与算法团队的基建工作，提升资源利用率、增强效果稳定性、优化开发流程等，持续提高团队成员的工作效率。
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：TikTok Shop 是 TikTok 旗下的内容电商。平台汇聚全球优质商家与创作者，通过短视频、直播等多场景连接消费者，让新奇好物畅销全球，让美好生活触手可得。目前团队分布在美国、英国、法国、印尼、墨西哥、中国等全球多个国家和地区，在这里你将有机会深入国际场景，面向全世界商家及用户，和跨区域团队协作，共同探索创新购物模式。期待和优秀的你一起创造更多可能！ 1、参与国际电商个性化推荐算法的优化：商品推荐、直播推荐、短视频推荐等的召回、粗排、精排、重混排、用户和商品生态等； 2、通过表征学习、图模型、深度学习、迁移学习、多任务学习等技术提升信息匹配的效率，让每个用户可以便捷的找到优质好货； 3、发现和分析用户行为数据，进行用户长短期兴趣建模，以及潜在兴趣预测，提升推荐的精准性； 4、通过算法自动挖掘优质、专业、高口碑的商品和主播，构建良性的循环机制，优化内容电商生态； 5、结合货架电商的业务特性，进行模型和算法创新，打造业界领先的推荐算法和系统。
-负责爱奇艺智能分发团队推荐算法相关的工作，参与爱奇艺推荐业务的算法研究与开发； -对海量用户行为数据进行分析与挖掘，提取有价值的信息，为推荐算法的改进提供数据支持。
1.基于LLM、协同过滤、信息检索、图算法等技术优化推荐算法效果，提高产品体验与流量效率； 2.利用数据、经验和客观规律，改善生态环境，提升运营能力； 3.探索LLM等技术的应用创新，探索LLM4Rec在业务上的真实落地