做推薦、做風控、做 NLP 的人投崗位時經(jīng)常兩邊都投算法崗和工程崗。很多人用同一份簡歷結(jié)果兩邊都不占優(yōu)。同一個項目兩種寫法的側(cè)重完全不同。假設(shè)這是同一件事你在一個推薦系統(tǒng)里做了召回鏈路的改造同時也承擔了線上服務(wù)的工程實現(xiàn)。算法崗寫法指標、對照、方法推薦召回優(yōu)化針對長尾物品曝光不足問題在原 ItemCF 基礎(chǔ)上引入 雙塔召回負樣本采用批內(nèi)負采樣 曝光未點擊混合 離線 Recall50 由 0.31 提升至 0.42線上 AB 實驗 7 天 CTR 4.2%長尾物品曝光占比從 12% 提升至 21%。這個版本回答的是問題是什么、用了什么方法、對照組是什么、指標提升多少、怎么驗證的。算法崗最看重的是最后兩項有沒有嚴格的對照實驗以及你是否分得清離線指標和線上指標。只有離線指標沒有線上結(jié)果的項目說服力會打折。工程崗寫法規(guī)模、延遲、穩(wěn)定性推薦召回服務(wù)承接日均 2 億次召回請求P99 延遲 30ms 將雙塔向量檢索接入線上使用 Faiss 分片部署 單節(jié)點 QPS 從 1200 提升至 4000索引更新由全量改為增量 更新延遲從 2 小時降到 10 分鐘。同一件事這個版本回答的是規(guī)模多大、延遲多少、怎么部署、出過什么問題、怎么保證穩(wěn)定。工程崗面試官不會深究你的負采樣策略他關(guān)心的是 QPS、延遲、資源消耗、故障處理。兩邊都投的人怎么辦準備兩個版本不要準備一個「兼顧」的版本。兼顧的結(jié)果通常是兩邊的重點都沒突出篇幅還翻倍。兩個版本的事實必須一致同樣的日期、同樣的規(guī)模、同樣的指標。變的是取景和詳略。中間還有一類崗位算法工程化介于兩者之間的崗位這兩年越來越多崗位名可能叫機器學習工程師、算法平臺工程師、或者 MLOps。這類崗位的簡歷要同時體現(xiàn)兩側(cè)重點落在「把模型送上線」這條鏈路上特征平臺建設(shè)將離線特征與在線特征統(tǒng)一到一套定義 解決訓練與推理特征不一致問題此前線上效果比離線低 3-5 個點 支持 30 特征、日更新 2 億條特征上線周期從 3 天縮短到 4 小時。這段描述里既有算法側(cè)的概念訓練推理一致性也有工程側(cè)的指標數(shù)據(jù)量、周期。投這類崗位這種描述比純算法或純工程的寫法都更貼。三個共同的坑一只寫模型名不寫效果?！甘褂?BERT 做文本分類」是 A 檔描述沒有信息量。二把開源方案的效果寫成自己的成果。用了某個開源模型效果提升主要來自模型本身這一點要如實說明面試官對領(lǐng)域內(nèi)的開源方案很熟。三指標口徑不清。提升 4.2% 是絕對值還是相對值基線是多少樣本量多大置信度如何這幾個問題在算法面試里一定會被問。最后分崗位寫簡歷的成本其實只是把同一段經(jīng)歷重新取一次景。前提是那段經(jīng)歷你兩邊都真的做過如果工程部分其實是同事做的就別往工程崗版本里寫。應(yīng)屆算法崗的特殊情況沒有工業(yè)界經(jīng)驗時簡歷上能寫的是論文、競賽和課題。三者的權(quán)重差別很大。競賽寫清楚名次、參賽規(guī)模、你負責的部分、以及你的方案相比 baseline 的提升。名次一般但方案有亮點的重點寫方案。論文寫清楚會議或期刊、你的作者位次、以及一句話的核心貢獻。一作和三作在面試官眼里差別很大不要模糊。課題如果沒有公開產(chǎn)出寫清楚問題、方法、以及你實現(xiàn)的部分。注意別把導師的課題整體寫成自己的成果。三者都有的話按與目標崗位的相關(guān)度排序而不是按含金量排序。最后一句算法崗和工程崗的簡歷差異本質(zhì)上是兩種評價體系一個看你能不能把指標做上去一個看你能不能把系統(tǒng)穩(wěn)住。搞清楚這一點取景就不會錯。