计算广告就业小班 第一期「BAT大咖小班教学，助力就业」

如果你在招聘网站上搜过「广告算法工程师」，会发现一个尴尬现象：岗位不少，但要求里写的召回、粗排、精排、CTR预估、oCPX，大部分资料要么只讲概念，要么直接跳到公式推导，中间那段「工程上到底怎么落地」没人说清楚。这门计算广告就业小班，针对的就是这段空白。

它解决的是哪个环节的问题

计算广告是个链条很长的系统：广告主出价、流量侧请求、召回候选、粗排筛量、精排打分、计费扣费、效果回传，每一环都有独立的工程问题和策略问题。市面上多数内容只覆盖其中一段——要么讲机器学习模型，要么讲广告业务指标，学员学完能背出AUC和GAUC的区别，却说不清一个请求进来后系统里发生了什么。

这门课按四个阶段推进，从业务背景和技术全景起步，再进入召回、CTR预估这些核心模块。它的定位不是科普，而是让你能对着一条真实的广告链路，说出每一层在做什么、为什么这么设计、常见坑在哪。这个能力在面试和实际工作里都是硬通货。

学完之后能独立做什么

判断一门课值不值得投入，我习惯看「学完能交付什么」。按课程的设计，比较现实的目标是：能理解并复述完整的广告系统架构；能针对召回环节选择合适的技术方案并说明取舍；能独立完成CTR预估任务的数据处理、特征工程和模型搭建，并对结果做归因分析。如果你原本是做推荐或搜索的，这些能力和已有经验能接上；如果你是转行，至少能拿到一套可讲的完整项目逻辑，而不是零散知识点。

需要提醒的是，课程本身不承诺帮你改简历或内推，摘要里说的「助力就业」，落在实处的部分主要是小班答疑和针对性辅导——你能直接把遇到的问题抛给有BAT背景的人，这在自学路径里是稀缺的。

资料适合什么基础的人

这门课不适合零基础。你需要至少会一门编程语言，能读懂Python代码，对机器学习的基本概念（损失函数、梯度、过拟合）有认知，否则CTR预估部分会跟得很吃力。数学方面，不要求你推公式，但看到逻辑回归、Embedding、特征交叉这些词不能完全陌生。

如果你已经有一定推荐系统或广告投放经验，这门课的价值在于把碎片经验串成体系，补上你平时接触不到的那部分——比如召回层之外的排序策略，或者业务指标和技术指标之间的映射关系。小班形式意味着进度不会太快，但也意味着你需要主动提问，否则容易变成看录播。

怎么用这套资料更划算

建议按四阶段顺序走，不要在召回和CTR预估之间来回跳——后一阶段依赖前一阶段建立的系统视角。每学完一个模块，试着用自己的话画一遍数据流图，标出每一步的输入输出和关键决策点。遇到不懂的直接在小班群里问，这是你付费的主要部分，别浪费。

另外，广告算法岗位面试很看重你对业务指标的理解，比如eCPM、CTR、CVR之间的关系，以及出价策略如何影响平台收入。学习过程中留意这些业务侧的讨论，比单纯刷模型效果更有区分度。