职位简介：
作为微信搜索团队的算法工程师，你将负责微信搜一搜表情业务的个性化推荐和搜索算法优化工作，通过技术手段提升海量用户的表情推荐和搜索体验。具体工作内容包括序列建模排序、多队列召回、用户表征、人群优化及冷启动等问题的解决，涉及长序列建模、用户兴趣表征学习、大模型应用、生成式推荐/搜索等前沿技术，并持续探索这些技术在表情推荐/搜索业务中的落地应用。你需要具备机器学习/模式识别/人工智能/计算机等相关专业硕士以上学历，深入掌握机器学习、深度学习算法原理，在推荐系统/搜索/广告等场景有实际算法落地经验，同时具备深度模型开发调优能力和离线大数据处理经验，熟练掌握C/C++、Python等编程语言及tensorflow/pytorch框架，在机器学习/数据挖掘/推荐系统/NLP等领域顶级会议发表过论文者优先。工作地点在广州。
简历及面试建议：
在撰写简历时，你需要特别突出与表情推荐和搜索相关的算法经验。首先，确保你的教育背景清晰列出，特别是机器学习/人工智能相关专业的硕士学历。在专业技能部分，重点展示你对机器学习、深度学习算法的深入理解，以及在实际推荐系统或搜索场景中的落地经验。具体到项目经验，建议详细描述你参与过的序列建模、用户表征或大模型应用项目，量化你的贡献和项目成果。如果你有处理海量用户行为数据的经验，一定要强调这一点，因为这正是微信海量用户场景所需要的。对于编程能力，明确列出你熟悉的语言和框架，特别是Python和C++，以及tensorflow/pytorch。如果你在顶级会议发表过相关论文，这将是极大的加分项，建议在简历中突出显示。记住，微信搜索团队特别看重实际业务场景中的算法落地能力，所以尽量用数据和成果来证明你的能力。
面试准备时，你需要深入理解表情推荐和搜索业务的特点。微信拥有海量用户，这意味着你需要准备好讨论如何处理大规模数据下的算法优化问题。面试官很可能会考察你对序列建模、用户表征等技术的理解深度，以及如何将这些技术应用到表情推荐和搜索中。建议提前准备几个你解决过的具体算法问题的案例，特别是那些涉及用户兴趣挖掘、冷启动或长序列建模的案例。在技术面试部分，可能会涉及算法原理的深入讨论和代码实现，所以复习常见的机器学习算法和数据结构是必要的。同时，准备好讨论你如何评估算法效果，以及如何进行A/B测试等实际业务中的关键环节。面试中展示你对前沿技术的关注也很重要，比如大模型在推荐系统中的应用。最后，保持清晰的沟通，能够将复杂的技术问题用简单的方式表达出来，这将展示你与团队协作的能力。
在线咨询
提示：由 AI 生成回答，可能存在错误，请注意甄别。