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。

主包本硕中2，数学本，通信硕，组里做医学图像分割的，现在研一，老师平时放养，研二下就可以找实习了。纠结大模型（算法/应用）or java，大模型的话，跟自己的研究方向更相关一点，现在也是风口但不知道过一两年啥样，而且算法的话会不会学历不太够；java跟我的方向是完全不相关了，但是貌似岗位多一点，比较稳，之前跟着黑马学过一点，只是基础，还没涉及到项目。求助大家，这种情况怎么办啊，应该朝着什么方向学呢

1-之前某段实习的主要工作、具体做的事情及主要产出2-某实习中，某实验是否基于数据分析给出排序策略建议？是否做了AB实验对照？3-AB实验中灰度阶段效果好、全量放量后效果变差甚至反转，可能的原因有哪些？4-某段实习的业务背景：4.1-面向B端、G端还是C端？4.2-转化率的定义：是提升17%是课程售卖转化率还是学习机+课程的整体转化率？4.3-用户标签画像的互联网属性标签从哪里获取？5-对大模型辅助分析的认识6-是考研or保研；研究生院校的学硕人数 + 学习成绩排名7-反问：询问了该业务中的岗位定位、具体的培养机制

1.项目拷打为主2.项目中的OCR怎么做的，为什么用大模型做3.后训练的数据规模有多少？数据集是自己构建的吗4.数据清洗采用了什么策略5.OCR如何处理复杂表格6.微调前后准确率对比7.Badcase有哪些，占比怎么样8.为什么用GRPO不用DPO9.什么任务适合DPO10.模型微调用的是全参微调还是lora微调，为什么这么选11.Lora微调的阿尔法和rank是怎么选择的，对模型的影响分别是怎么样的12.GRPO奖励怎么设计的13.是否做过消融实验14.讲讲react思想15.讲讲agent中的反思模块逻辑16.Agent中数据是怎么交互的