虎扑体育网

lz8月开始秋招，战线历经三个月，最后一共收到了五个offer，全部是搜广推方向：快手用增，福报厂推荐，百度推荐，美团推荐，小黄书广告，基本都是sp或者小ssp级别。在此把自己半年的学习历程和经验记录下来， 供有兴趣在搜广推开始职业生涯的JR们参考。

1、搜广推需要你有什么背景？

首先，学历是必备的入场券。如果你的学历不在211中上等（参考北交、北科），除非其他方面特别优秀按今年形势大厂基本上不会过简历关。

那么是不是一定需要论文？答案是不需要。虽然搜广推人多，但是相应的岗位也多，竞争要比NLP和CV激烈一些。就我的经验来看，基本上项目、论文、实习、比赛四项满足三项，在学历不差的基础上是能过简历的。其中，实习的重要性最高，一段三个月以上的大厂实习可以顶一篇论文。

（lz背景：中科院top所，两个github上抄的项目，有一段三个月的字节广告算法实习，Kaggle一金一银，这个背景秋招所有大厂全部有面试）

2、搜广推需要你学习什么？

lz对搜索了解不深，因此在此就不妄言搜索。但是我的简历流转到美团搜索算法的时候约过面试，所以基本上我的经验是可以复制到搜索算法上的。推荐和广告比较类似，这里的经验适用于这两个领域。

书方面，必备三本书：王喆《深度学习推荐系统》，李航《统计学习方法》，邱锡鹏《神经网络与深度学习》。

第一本书《深度学习推荐系统》，这本书除了第6、8章之外要全书通读，并且对书中每一个提到的模型，都要看过论文有自己的理解，在面试的时候能清晰地描述各个模型的结构、应用场景和优缺点。有条件的话，可以看一些最新的论文，这些论文有一些是对经典模型的改进，可以在和面试官交流的时候提出来，会大大增加印象分。除此以外，项亮的《推荐系统实践》最好也看一下，不过那本书的算法部分有点老了，大概浏览一遍即可。

第二本书《统计学习方法》，这本书用来夯实机器学习基础。但是这里面的算法并不是全部需要，面试中只会考到LR、SVM、决策树、朴素贝叶斯、Boosting和Bagging、EM算法和SVD分解，再加一个书中没有的Xgboost。

第三本书《神经网络与深度学习》，这本书就最好都看过一遍，但是这些基础研究生期间也基本打下来了，所以问题应该不大。

除此以外就是做题了，推荐代码随想录，做2遍，然后LeetcodeHot100再做两遍，基本代码题也就没问题了。

大概就这些，有什么问题随意提问！如果各位JR有问题的话欢迎评论提问或私信，想让我看简历也可以私信~