点击率预估（CTR）是计算广告里最基础也最容易露怯的环节。面试官问一句「特征怎么处理」，很多人只能背出「离散化、独热、Embedding」三个词，再往下问就接不住了。这门预习课针对的就是这个缺口——不是带你从头学机器学习，而是把电商场景下 CTR 预估的链条拆开，看看哪一环你其实是空的。

先确认一下自己缺在哪

这门课放在计算广告就业小班的预习位置，说明它假定你已经有一些底子：知道逻辑回归在干什么，听说过 Embedding，能看懂一段 PyTorch 或 TensorFlow 的模型定义。如果这些还模糊，那你要补的不是这门课，而是更前面的基础。

它真正面向的是这样几种状态：能跑通一个 CTR demo，但说不清特征为什么这么构造；做过比赛或作业，模型调参靠试，讲不出依据；想转岗到广告算法，简历上写了「CTR 预估」却不敢深聊。如果你对号入座了，说明缺的不是知识点数量，而是把零散知识串成一条可解释链路的能力。

第一阶段：用真实赛题把流程走一遍

第一阶段从 CTR 的基本概念切入，然后直接进腾讯的比赛数据。预习课用赛题而不是造数据，好处是你会遇到真实数据里的脏东西——类别特征的高基数、时间上的分布漂移、正负样本极度不均衡。这些不是课堂上假设出来的问题，是你之后工作中每天都要处理的。

这一阶段你需要回答的问题很具体：一条样本里哪些字段能当特征、连续特征为什么常常要分桶、用户和商品的历史点击怎么变成可用的统计量、线下验证集怎么切才不骗自己。AUC 涨了但线上没涨，多半是切分方式出了问题，这类坑只有在数据上动手才会暴露。

第二阶段：从建模到 CTR 模型实现

第二阶段转入建模本身。从经典的线性模型加特征交叉开始，过渡到深度模型怎么处理稀疏 ID 特征。重点不是背模型结构图，而是搞清楚每个模块在解决什么问题：为什么需要 Embedding 层、特征交叉为什么从人工设计走向自动学习、深度部分到底补了线性部分什么短板。

预习课不会把每个模型都推一遍公式，但要求你能说清一件事——给定一个电商场景，你会选哪类结构、理由是什么。这个「理由」才是面试和实际工作的分水岭。

看完应该能回答的问题

电商 CTR 预估里，特征工程和模型结构各自承担什么角色，哪边更值得花时间
面对高基数类别特征，有哪些处理方式，各自的代价是什么
线下 AUC 提升但线上效果不动的常见原因有哪些
深度学习相比传统模型，在 CTR 任务上的优势具体体现在哪
一个完整的 CTR 预估流程，从原始日志到线上打分，中间有哪些环节

如果这些问题你现在答不全，这门课就值得当成一次自我检测来用。别急着往下学新模型，先把这条链路里自己的断点找出来，缺什么补什么。