来自:知乎,作者:65加
链接:https://www.zhihu.com/question/398062240/answer/1262739172

自我介绍一下,我17年研究生毕业,社招刚来抖音半年多,在推荐组做算法工程师。

mentor制度

虽然是社招,我之前的算法经历也比较有限,在推荐算法上也算是新人了,知识面大概和校招生差不多。我们组一般刚入职的时候都会同时负责两个方向,至于是哪两个,leader第一天会问你的意愿,应该是可以自己选的。不过像我这种新人根本不知道这些方向是做什么的,就说随便,哪里需要哪里搬。然后leader会分配这两个方向的mentor给你,除了有不懂的可以问mentor,一开始的工作也基本都是mentor分配的。我也不知道我可以做什么,所以一般给我的任务我都没有抗拒,但mentor也会很看重你的想法,如果觉得工作不合理或不想做这块,都可以随时提出来。

新人培训

除了半天的公司价值观培训,就没有其他统一的培训了。这和我之前呆过的外企不太一样,外企各种培训加起来都有一个月了。。。(其实这种密集型的统一价值观、沟通技巧、写作技巧的培训对我也没什么帮助)足以见得字节跳动是一家非常务实的公司,不搞太多虚的没用的培训,直接上手干活比什么培训都管用。

第一周基本没什么工作,就是熟悉代码,看新人文档。基本一开始需要了解的知识都在新人文档里了。现在我已经工作半年了,回头再看新人文档,觉得还是很清晰全面的。不过当初看的时候还是有点懵逼,因为代码库很多,内容量太大了。而且不是所有代码库都有清晰详细的readme。所以我感觉还是要脸皮厚一点,不懂就多问问。如果你非常非常内向、怕麻烦别人但是自身能力又不够牛逼的话,可能刚开始会觉得有点痛苦。我的方法是换着人问,把最蠢的问题拿出来问mentor,其他问题就问写文档的作者,简单的问题直接在飞书(内部沟通聊天软件)上问,复杂的问题当面问。确实大家都很忙,不一定会马上看到或回复你的消息,甚至有时大家的对背景了解的程度不同,所以他们回答几个关键点就以为解答了你的问题,但其实你还是不懂,这时就要打破砂锅问到底。整体来说,我们组同事之间不会有恶性竞争,大家如果对这块清楚,都是很愿意帮你的,即使不了解,也会告诉你谁比较了解或发一些相关的文档给你。

基本第二周或第三周就要开始上手工作了。一开始mentor会给一些相对简单的任务,让你慢慢熟悉代码。大大小小的相关的周会也会开始参加了。会议上经常有一些术语、英文缩写是刚入职的外行同学听不懂的,我一般会默默记下来,结束后问mentor。除了工程能力,抖音的算法岗对产品能力和沟通能力都有很高的要求,开会时认真听其他人发言也是一个很好的学习和锻炼机会。

至于技术培训,基本靠自觉,没有强制的培训。公司内部的分享会还是挺多的,每周基本都有架构组的分享会和一些最新的论文介绍的会议,有兴趣的都可以参加,干货挺多的。其实后期工作忙起来就不一定能经常参加了,不过这些会议都有录屏的视频发到群里,之后有空也可以补一下。飞书文档上也很多模型训练、工程优化的文档,大家在某方面有了新的进展都是很愿意分享出来的,就看你愿不愿意投入精力去学习了。

工作内容

刚开始的工作内容基本上算法、业务两个方向各占一半。后期可能会根据个人喜好和能力慢慢倾向于选择一个方向深入探索,可以是深度钻研模型,也可以是透彻理解产品和业务形态。工业界和学术界对算法能力的要求是有很大区别的。对于抖音这种用户量大的产品来说,模型效果和性能需要兼顾,很多时候训练模型不是简单的调参和调结构,更多工作是在前期的数据准备。

虽然来抖音的时间只有半年,但是学到的知识还是非常多的,现在看半年前的自己就觉得很傻很天真。虽然成立时间不长,但字节跳动的各种基础建设都做的比较完善,加上抖音的用户量大,所以很多想法都可以通过实验快速得到验证,算法工程师不需要把大量精力花费在架构或测试上面。因此,我们有更多时间去拆分每次迭代模型/策略对业务带来的收益,而不是仅仅看到核心指标的提升就认为迭代生效了。比如,假设我发现多推荐某一类视频可以带来指标上的提升,我们会思考为什么模型没有做到这一点,从哪些地方可以将这种人为的干预转为模型的自动化推荐,而不是停留在表面,简单粗暴的上线这个策略。

工作强度

经常有人说字节跳动的工作强度非常大,这里相比外企强度要大一些,不过没有外界传言的那么夸张啦。大小周,下班时间比较自由,临时有事早走都是没问题的。绩效主要看产出,如果工作效率高,也没必要加班做样子给老板看。

同事关系

同事关系挺简单的,没有什么勾心斗角。基本一人有难,其他人都愿意提想法帮忙,总体都是一心为了做好产品。工作中不需要拍领导马屁,还是以产出为重,专心做好自己的工作就行。我们组同事年龄都差不多大,也不存在什么代沟。我之前也在几十人的创业公司呆过,头条的同事关系整体是不如小公司那么亲密的,毕竟大家平时都很忙,没空闲聊。而且算法同学一般话不多,对于像我这样颜值一般、anti-social的人,不太会有人主动搭讪。下班后偶尔有聚餐活动,公司内部有各种兴趣小组,比如桌游、打球之类,外向的人是很容易交到朋友的。

在抖音推荐算法组工作的体验相关推荐

  1. 在抖音推荐算法组工作的体验怎么样?

    Java面试笔试面经.Java技术每天学习一点 Java面试 关注不迷路 知乎用户 来源:https://www.zhihu.com/question/398062240 自我介绍一下,我17年研究生 ...

  2. 图解抖音推荐算法(布局抖音短视频的可以参考)

    省时查报告-专业.及时.全面的行研报告库 省时查方案-专业.及时.全面的营销策划方案库 [免费下载]2022年2月份热门报告盘点 2021-2022元宇宙报告.pdf 某短视频APP推荐算法及策略最详 ...

  3. 抖音推荐算法!(教你如何上热门)

    [辰兮要努力]:hello你好我是辰兮,很高兴你能来阅读,昵称是希望自己能不断精进,向着优秀程序员前行! 博客来源于项目以及编程中遇到的问题总结,偶尔会有读书分享,我会陆续更新Java前端.后台.数据 ...

  4. 抖音推荐算法原理全文详解

    阅读目录 一.系统概览 二.内容分析 三.用户标签 四.评估分析 五.内容安全 抖音推荐算法原理全文详解 本次分享将主要介绍今日头条推荐系统概览以及内容分析.用户标签.评估分析,内容安全等原理. 回到 ...

  5. 抖音推荐算法的底层逻辑,互动率包含什么指标?为什么它这么重要?

    书接上回,上一篇我们聊了聊爆款视频的基本流程和爆款的路上绊脚石,今天我们来看一下整个抖音推荐算法里最重要的互动率是什么情况. 抖音算法中的一个最关键的点就是互动率,互动率有四个核心指标,完播率.点赞率 ...

  6. 我赢助手详解抖音推荐算法的底层逻辑,视频是怎样从零开始到爆款的?

    我赢助手详解抖音推荐算法的底层逻辑,视频是怎样从零开始到爆款的? 话不多数,直接上干货,看看抖音推荐机制是怎么处理视频的. 1.视频上传 视频上传后,第一时间先经过机器审核,主要包括:图像识别.音频识 ...

  7. 【推荐算法】图解抖音推荐算法

    抖音推荐算法究竟如何是做抖音短视频运营的同学非常关心的问题,抖音官方并没有披露正式的算法,但凭借着民间的智慧和官方披露的部分信息中,网友已经总结出抖音推荐算法的秘密.这里整理资料如下: 首先看短视频发 ...

  8. 抖音推荐算法原理是什么?四川鹰迪

    在抖音上面肯定也需要去了解一下抖音推荐算法原理,并且也要想办法去让抖音推荐算法上热门,四川鹰迪小编马上就来给各位卖家们详细的介绍一下. 我们在讲抖音SEO如何做之前,那么先要了解下抖音搜索算法工作原理 ...

  9. 和光同尘宝库:抖音推荐算法重大调整:私域粉丝主导

    这是推荐算法的一次重要变革,一定会影响到以后的抖音运营. 最近很多帐号流量出现严重下滑,大部分原因是因为抖音算法调整,最近抖音是算法已经从以前的[帐号标签]转变为[粉丝模型],这个功能在12月刚刚内测 ...

最新文章

  1. ThinkPHP导入第三方类库Vendor
  2. ARM之MMU工作原理分析
  3. java 面向对象 — 继承
  4. Coursera自动驾驶课程第2讲:The Requirements for Autonomy
  5. SQLAlchemy简单入门
  6. Struts2 标签
  7. 文件上传—DiskFileItemFactory核心类
  8. mod_rewrite模块的使用
  9. 刽子手c语言,竞赛题目选讲——刽子手的游戏(C语言)
  10. HtmlHelper用法大全(下)
  11. OSG 集群渲染 cluster render 支持 Cave 和 powerwall 模式
  12. 读《软件测试经典教程》有感
  13. 企业核心-不是技术而是人才
  14. 【机器学习】决策树与随机森林模型
  15. 由于找不到VCRUNTIME140D.dll,无法继续执行代码
  16. Kaldi简介【开源语音识别工具】
  17. 设计模式 - 装饰器模式
  18. Fabric.js 橡皮擦的用法(包含恢复功能)
  19. 百度蜘蛛与百度快照的关系
  20. 系统结构-并行算法FORK JOIN

热门文章

  1. LeetCode实战:最小栈
  2. LeetCode实战:盛最多水的容器
  3. LeetCode实战:回文数
  4. Matlab数据的可视化 -- 视角与色彩控制
  5. 从样本处理到决策模型,如何用NLP识别盗版资源?
  6. 反季大清仓,最低仅需34.9元
  7. EMNLP 2019 | 大规模利用单语数据提升神经机器翻译
  8. 最新剑桥《AI全景报告》出炉:中国发表机器学习学术研究超过美国
  9. AutoML前沿技术与实践经验分享 | 免费公开课
  10. 交通图网络太大太复杂,没法处理?DMVST-Net巧妙处理