小米 – 推荐算法工程师（增长方向） 职位分析和面试指导

职位描述：

1. 负责小爱千万级日活用户的推荐算法优化，通过个性化推荐策略提升用户活跃度、留存率，直接驱动DAU增长
2. 深入分析用户增长漏斗，优化召回、排序、多样性策略，设计增长导向的推荐算法策略，提升推荐系统点击率
3. 探索大模型（LLM、多模态等）在推荐场景的应用，如智能对话推荐、兴趣挖掘等，提升推荐体验和用户粘性
4. 与产品、运营、数据团队紧密协作，设计并落地A/B实验，快速迭代策略，实现可量化的业务增长

职位要求：

1. 计算机、数学、统计学等相关专业，硕士及以上学历
2. 3年以上推荐算法或增长算法经验，有互联网大厂千万级用户增长项目实战经验优先
3. 技术能力：
– 扎实的机器学习/深度学习基础，熟悉增长相关的推荐算法（如冷启动优化、探索与利用、强化学习等）
– 熟悉大规模数据处理（Hadoop/Spark/Flink）和实时推荐架构（如Flink+Redis）
– 熟练使用Python/Scala，掌握TensorFlow/PyTorch等框架，具备优秀的代码和算法优化能力
– 熟悉增长漏斗分析、归因模型（如Causal Inference），能通过数据驱动业务增长
4. 加分项：
– 有大模型在推荐或增长场景的落地经验（如用户兴趣生成、智能交互推荐）
– 熟悉用户增长策略与推荐算法的结合
– 在KDD、RecSys等顶会发表过推荐或增长相关论文

招聘部门：

小米

工作地点：

北京市 ID：A10587

面试建议：

小米这个推荐算法工程师岗位非常聚焦于增长方向，这意味着面试官会特别关注你如何通过算法驱动用户活跃度和留存率的提升。与传统推荐算法岗位不同，这里要求你不仅懂得推荐系统的技术实现，更要理解用户增长的全链路逻辑。你需要准备展示自己在千万级用户规模下的实战经验，特别是那些直接带来DAU提升的项目案例。 面试时建议重点准备三个维度的内容：首先是技术深度，要能清晰解释你使用的算法模型为什么适合增长场景；其次是业务理解，要展示你如何通过数据分析发现问题并设计解决方案；最后是创新思维，大模型在推荐中的应用是加分项，准备1-2个你设想的应用场景。特别提醒，小米很看重A/B测试能力，准备好你设计的实验案例，包括如何设定指标、分析结果和迭代优化。着装方面保持互联网公司的smart casual即可，但技术细节一定要准备充分。