先说结论：这门课适合谁，不适合谁
计算广告是个听起来很垂直、但实际上岗位需求一直存在的方向。字节、腾讯、阿里、快手、美团，以及一大批做出海和电商的中型公司，都在招广告算法和广告工程的人。但招聘方的要求往往写得很模糊——"熟悉广告系统""了解召回排序"——很多人投了简历才发现，自己连面试官问的"召回和粗排怎么衔接"都答不上来。
这门《计算广告就业小班 第二期》解决的就是这个落差。它不讲机器学习的基础理论，也不带你从零推导公式，而是直接把工业界广告系统的骨架拆开给你看：一个广告请求进来，经过哪些环节，每个环节在做什么决策，工程上怎么落地。适合已经有编程基础、想往广告方向转的算法工程师或后端开发；不适合完全没有编程经验、指望靠一门课直接拿 offer 的人。
它真正解决的工作场景
面试里最高频的几个问题，本质都是在考你对系统链路的理解。比如：为什么广告需要召回这一步，不能直接全量排序？CTR 预估模型离线 AUC 很高，上线后效果反而掉，可能是什么原因？粗排和精排的模型复杂度为什么要拉开差距？
这些问题靠刷题刷不出来，因为它们考的是工程直觉。课程把广告业务背景和技术架构放在前面讲，先让你理解广告主、媒体、用户三方的关系，以及计费方式如何倒逼技术选型，再进入召回和 CT（点击率预估）这两块核心。这个顺序是对的——不懂业务约束，技术方案就是空中楼阁。
学完能独立做什么
- 能画出并讲清一条完整的广告检索链路，包括召回、粗排、精排、竞价各环节的职责边界；
- 理解主流召回思路的适用场景，知道什么情况下该用向量召回、什么情况下用规则或倒排；
- 能说清 CTR 预估从特征工程到模型上线的主要坑，包括特征穿越、样本偏差、线上延迟这些实际问题；
- 在面试中面对系统设计类问题时，能给出有层次的回答，而不是只背模型名字。
注意，这些是"能讲清楚、能动手改"的程度，不是"能独立从零搭一套广告系统"。后者需要真实项目积累，一门课给不了。
资料怎么用效率最高
小班课的节奏比录播课快，互动多，意味着你跟不上的时候没法暂停。建议按这个方式使用：
第一遍跟课时，重点听业务背景和架构总览，把整条链路先建立起来，细节没听懂不要卡住。第二遍再针对召回和 CT 两块回看，这时候你已经有全局视角，理解具体技术的动机会容易很多。课程里的工业界案例是最有价值的部分，不要只当故事听，试着问自己：如果换成我现在的业务，这个方案还成立吗？
如果基础偏弱，建议先补一下推荐系统的基本概念和常见的排序模型，再来上这门课，否则召回和粗排的很多讨论会跟不上。如果本身已经做过推荐或搜索，可以直接跳到 CT 部分，重点看工程落地和线上问题的处理。
值不值得学
计算广告的岗位门槛不低，但竞争也没有通用算法岗那么卷，因为懂业务链路的人相对少。这门课的价值在于帮你补齐"从技术点到系统"这一段认知，让你在面试和实际工作里能说出内行话。它不是速成班，学完也不会立刻变成广告专家，但如果你确定要往这个方向走，它提供的框架比自己东拼西凑看博客要省时间。决定之前，先确认自己是不是真的想做广告方向——如果只是想随便找个算法岗，这门课的投入产出比未必划算。
课程目录
限时免费试听：工业界计算广告核心业务系统架构揭秘 计算广告背景知识 广告产品案例与广告投放流程 客户系统、内部管理平台 核心基础架构 核心广告投放引擎与工具测试平台 第一阶段 计算广告业务背景及相关技术整体介绍 在线实训：倒排索引 在线实训：随机梯度下降LR 在线视频：计算广告背景 在线视频：主流产品核心技术概述 在线直播：工业界计算广告核心业务系统架构揭秘 第二阶段 计算广告核心技术之广告召回 在线实训：深度网络中embedding的应用 在线实训：2018腾讯广告算法大赛相似人群拓展 在线视频：搜索广告的相关性匹配技术 在线视频：非搜索广告targeting技术 在线直播：从word2vec到向量召回: 论embedding的发展史 在线直播：Hidden Markov Models实战 第三阶段 计算广告核心技术之CTR预估一 在线实训：Kaggle广告比赛实战 在线实训：GBDT+LR的算法原理 在线视频：CTR预估A 在线视频：CTR预估B 在线直播：大规模人工特征工程设计方法论介绍 第四阶段 计算广告核心技术之CTR预估二 在线实训：thompson sampling 实现 在线实训：Tensorflow的基本架构讲解 在线视频：Explore&Exploit 在线视频：CTR预估C 在线直播：深度学习中的CTR预估技术 在线直播：在线学习技术的实战和挑战 第五阶段 计算广告核心技术之拍卖机制 在线视频：广告拍卖机制 在线实训：Web Traffic Time Series Forecasting（Kaggle流量预估） 在线直播：计算广告系统和生态链介绍 在线直播：流量时序预估模型进阶 第六阶段 计算广告核心技术之转化 在线实训：腾讯2017社交广告比赛（广告转化率预测） 在线视频：转化 在线直播：拍卖理论与机制策略研究 在线直播：智能出价技术进阶 第七阶段 整体流程介绍与项目任务书发布 在线直播：项目2 基于序列化的embedding建模，和项目6 深度学习在CTR预估问题中的前言研究的介绍 在线直播：项目1 广告系统点击率预估，和项目3 社交广告核心技术实战的介绍 在线直播：项目4 广告转化率预估进阶实战，和项目5 基于XDL面向高维稀疏数据场景的多目标学习任务实战的介绍 第八阶段 环境配置与特征工程 在线直播：项目2 基于序列化的embedding建模，和项目6 深度学习在CTR预估问题中的前言研究的数据准备 在线直播：项目1 广告系统点击率预估，和项目3 社交广告核心技术实战的数据准备 在线直播：项目4 广告转化率预估进阶实战，和项目5 基于XDL面向高维稀疏数据场景的多目标学习任务实战的数据准备 第九阶段 模型构建与迭代优化 在线直播：项目1 广告系统点击率预估和，项目3 社交广告核心技术实战的模型构建 在线直播：项目2 基于序列化的embedding建模，和项目6 深度学习在CTR预估问题中的前言研究的模型构建 在线直播：项目4 广告转化率预估进阶实战，和项目5 基于XDL面向高维稀疏数据场景的多目标学习任务实战的模型构建 第十阶段 模型的评估、优化与上线 在线直播：项目2 基于序列化的embedding建模，和项目6 深度学习在CTR预估问题中的前言研究的优化 在线直播：项目1 广告系统点击率预估，和项目3 社交广告核心技术实战的优化 在线直播：项目4 广告转化率预估进阶实战，和项目5 基于XDL面向高维稀疏数据场景的多目标学习任务实战的优化 第十一阶段 项目总结和就业辅导 在线直播：六大项目的总结与就业辅导
