今天给未来打算入行搜广推算法的同学一些建议，帮助大家少走弯路。这篇帖子适合还在犹豫是否要入行的新人，以及正在入行路上的同学。1️⃣第一个问题：怎么样的同学适合走搜广推算法🌟学历：985或者QS100以内硕士肯定OK，211和QS200内硕士可以考虑🌟专业：计算机/电子/通信等工科专业，或者统计/数学/金融等理科专业都十分推荐。如果是其他非科班具备以下特质的同学也可以考虑。🌟特质：想追求互联网行业的高薪资，因为算法行业拿到50w+薪资很正常。其次走算法方向要有足够的学习能力，以及不排斥写代码，能够有深入的思考能力。2️⃣什么样的同学不适合：排斥写代码，不能专注技术岗位的“手头工作”，专注力不强的同学。3️⃣如何准备路径，少走弯路🌟python/机器学习/深度学习基础🌟核心网络：transformer/DNN/RNN/Bert等🌟搜广推核心方法：DeepFM/DIN/MMOE/PLE等🌟项目经历：补充项目经历提升简历质量/面试能力4️⃣避免踩坑：🌟不要在数学公式/基础算法原理花费太多时间，要用重点（重要算法/项目经历/实践能力）🌟不要使用烂大街的项目作为简历核心内容：比如新闻推荐/OTTO等可以用于入门，锻炼算法思维，但是不适合作为简历核心内容。🌟如果缺少高质量的算法项目经历，可以后台咨询我。

1，讲下实习项目c吧（应该是只有c和组里工作相关）2，模型某个设置可能会受到样本分布变化影响，怎么解决的3，回归用mse和mae区别在哪4，除了看loss，某指标如何离线评价（没说上来，胡言乱语了一下）5，（场景题）目前gpu资源比较紧张的前提下（没法做大规模实验），对于多目标模型，假如说现在有个特征想加，算了相关系数，跟ctr正向，cvr负向，那你到底要不要加上。（感觉又有点胡言乱语了）手撕交叉熵公式（卧槽刚想起来好像把label也写到log里面了……数学奇迹之log0）分割等和子集（边界条件磕磕绊绊了一下）反问业务 工作

1.项目拷打。2.未曝光出去的样本作为负样本有做过实验吗？3.为什么要进行多目标联合建模，解决了什么问题。4.为什么不单独预测 cvr , ctr 的引入为 cvr 带来了什么信息。5.如果出现跷跷板问题怎么解决？6.知道 PLE 原理吗？7.分层召回的结构是什么？8.介绍 groupembedding 。

求大佬们审判一下简历完全不知道怎么走了，实习阶段干的事主要都是数据方面的策略规则制定和搭工作流，感觉自己现在投啥都投不了，AI算法感觉自己没功底，毕竟实习就只是dify搭搭智能体。数分和产品完全没有回应。想说年前刷刷力扣补个搜广推的项目投大厂日常，不知道可不可行