演算法優化工程師的

A. 演算法工程師對生活的影響

可以被演算法優化的生活場景：

1、時間管理大師

最近幾年，「時間管理大師」一詞逐漸走入大家的視野中，一開始只是用作調侃，但放在認真生活的語境之下，提升時間管理效率其實是許多職場人的必修課。世界著名的「艾維·利時間管理法」教會上百萬人如何利用「優先順序」管理自己的時間：

（1）寫下你明天要做的6 件最重要的事。

（2）用數字標明每件事的重要性次序。

（3） 明天早上第一件事是做第一項，直至完成或達到要求。

（4）然後再開始完成第二項、第三項……

（5）每天都要這樣做，養成習慣。

我們在生活中常常看不清楚的優先順序問題，比如工作和生活的平衡，該去同學聚會還是在家裡看書，都是沒有想清楚要按什麼來排，什麼對你最重要。每天的時間對於每個人都一樣多，用排序思維來管理時間可以讓你的每一天更高效。

2、解除焦慮，安心躺平

你如果感到焦慮，可以試試下面的三步法。第一步，坐下來把你想到的所有的事情寫下來，然後分類成「我能影響」和「我不能影響」的兩類。僅僅這樣的分類，就能讓你看清楚自己是否花了太多的時間在擔心不能影響的事。第二步，對「我能影響」的那些事，你可以積極主動地去改變，比如改變自己對他人的態度。第三步，對「我不能影響」的那些事，你可以問自己：「我自己能做些什麼？」比如你擔心經濟下滑，你是否可以儲蓄更多？把自己擔心卻不能影響的事，變成自己可以執行的行動，可以減少沒有意義的焦慮。

3、像演算法工程師一樣思考

以上的生活場景，是否讓你意識到「計算思維」的重要性？現在你大概知道了，為什麼「演算法工程師」們的思維模式有價值，值得每個普通人去學習。女性計算機科學家諸葛越博士在她的新書《未來演算法》中，詳細解釋了普通人為什麼要訓練計算思維，以及如何訓練計算思維的辦法。

B. 演算法工程師 就業前景

一、演算法工程師簡介
（通常是月薪15k以上，年薪18萬以上，只是一個概數，具體薪資可以到招聘網站如拉鉤，獵聘網上看看）
演算法工程師目前是一個高端也是相對緊缺的職位；
演算法工程師包括
音/視頻演算法工程師（通常統稱為語音/視頻/圖形開發工程師）、圖像處理演算法工程師、計算機視覺演算法工程師、通信基帶演算法工程師、信號演算法工程師、射頻/通信演算法工程師、自然語言演算法工程師、數據挖掘演算法工程師、搜索演算法工程師、控制演算法工程師（雲台演算法工程師，飛控演算法工程師，機器人控制演算法）、導航演算法工程師（
@之介
感謝補充）、其他【其他一切需要復雜演算法的行業】
專業要求：計算機、電子、通信、數學等相關專業；
學歷要求：本科及其以上的學歷，大多數是碩士學歷及其以上；
語言要求：英語要求是熟練，基本上能閱讀國外專業書刊，做這一行經常要讀論文；
必須掌握計算機相關知識，熟練使用模擬工具MATLAB等，必須會一門編程語言。
演算法工程師的技能樹（不同方向差異較大，此處僅供參考）
1 機器學習
2 大數據處理：熟悉至少一個分布式計算框架Hadoop/Spark/Storm/ map-rece/MPI
3 數據挖掘
4 扎實的數學功底
5 至少熟悉C/C++或者java，熟悉至少一門編程語言例如java/python/R
加分項：具有較為豐富的項目實踐經驗（不是水論文的哪種）
二、演算法工程師大致分類與技術要求
（一）圖像演算法/計算機視覺工程師類
包括
圖像演算法工程師，圖像處理工程師，音/視頻處理演算法工程師，計算機視覺工程師
要求
l
專業：計算機、數學、統計學相關專業；
l
技術領域：機器學習，模式識別
l
技術要求：
（1） 精通DirectX HLSL和OpenGL GLSL等shader語言，熟悉常見圖像處理演算法GPU實現及優化；
（2） 語言：精通C/C++；
（3） 工具：Matlab數學軟體，CUDA運算平台，VTK圖像圖形開源軟體【醫學領域：ITK，醫學圖像處理軟體包】
（4） 熟悉OpenCV/OpenGL/Caffe等常用開源庫；
（5） 有人臉識別，行人檢測，視頻分析，三維建模，動態跟蹤，車識別，目標檢測跟蹤識別經歷的人優先考慮；
（6） 熟悉基於GPU的演算法設計與優化和並行優化經驗者優先；
（7） 【音/視頻領域】熟悉H.264等視頻編解碼標准和FFMPEG，熟悉rtmp等流媒體傳輸協議，熟悉視頻和音頻解碼演算法，研究各種多媒體文件格式，GPU加速；
應用領域：
（1） 互聯網：如美顏app
（2） 醫學領域：如臨床醫學圖像
（3） 汽車領域
（4） 人工智慧
相關術語：
（1） OCR：OCR （Optical Character Recognition，光學字元識別）是指電子設備（例如掃描儀或數碼相機）檢查紙上列印的字元，通過檢測暗、亮的模式確定其形狀，然後用字元識別方法將形狀翻譯成計算機文字的過程
（2） Matlab：商業數學軟體；
（3） CUDA： (Compute Unified Device Architecture)，是顯卡廠商NVIDIA推出的運算平台（由ISA和GPU構成）。 CUDA™是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題
（4） OpenCL: OpenCL是一個為異構平台編寫程序的框架，此異構平台可由CPU，GPU或其他類型的處理器組成。
（5） OpenCV：開源計算機視覺庫；OpenGL：開源圖形庫；Caffe：是一個清晰，可讀性高，快速的深度學習框架。
（6） CNN：（深度學習）卷積神經網路（Convolutional Neural Network）CNN主要用來識別位移、縮放及其他形式扭曲不變性的二維圖形。
（7） 開源庫：指的是計算機行業中對所有人開發的代碼庫，所有人均可以使用並改進代碼演算法。
（二）機器學習工程師
包括
機器學習工程師
要求
l
專業：計算機、數學、統計學相關專業；
l
技術領域：人工智慧，機器學習
l
技術要求：
（1） 熟悉Hadoop/Hive以及Map-Rece計算模式，熟悉Spark、Shark等尤佳；
（2） 大數據挖掘；
（3） 高性能、高並發的機器學習、數據挖掘方法及架構的研發；
應用領域：
（1）人工智慧，比如各類模擬、擬人應用，如機器人
（2）醫療用於各類擬合預測
（3）金融高頻交易
（4）互聯網數據挖掘、關聯推薦
（5）無人汽車，無人機

相關術語：
（1） Map-Rece：MapRece是一種編程模型，用於大規模數據集（大於1TB）的並行運算。概念"Map（映射）"和"Rece（歸約）"，是它們的主要思想，都是從函數式編程語言里借來的，還有從矢量編程語言里借來的特性。
（三）自然語言處理工程師
包括
自然語言處理工程師
要求
l
專業：計算機相關專業；
l
技術領域：文本資料庫
l
技術要求：
（1） 熟悉中文分詞標注、文本分類、語言模型、實體識別、知識圖譜抽取和推理、問答系統設計、深度問答等NLP 相關演算法；
（2） 應用NLP、機器學習等技術解決海量UGC的文本相關性；
（3） 分詞、詞性分析、實體識別、新詞發現、語義關聯等NLP基礎性研究與開發；
（4） 人工智慧，分布式處理Hadoop；
（5） 數據結構和演算法；
應用領域：
口語輸入、書面語輸入
、語言分析和理解、語言生成、口語輸出技術、話語分析與對話、文獻自動處理、多語問題的計算機處理、多模態的計算機處理、信息傳輸與信息存儲 、自然語言處理中的數學方法、語言資源、自然語言處理系統的評測。

相關術語：
（2） NLP：人工智慧的自然語言處理，NLP (Natural Language Processing) 是人工智慧（AI）的一個子領域。NLP涉及領域很多，最令我感興趣的是「中文自動分詞」（Chinese word segmentation）：結婚的和尚未結婚的【計算機中卻有可能理解為結婚的「和尚「】

（四）射頻/通信/信號演算法工程師類
包括
3G/4G無線通信演算法工程師， 通信基帶演算法工程師，DSP開發工程師（數字信號處理），射頻通信工程師，信號演算法工程師
要求
l
專業：計算機、通信相關專業；
l
技術領域：2G、3G、4G，BlueTooth（藍牙），WLAN，無線移動通信, 網路通信基帶信號處理
l
技術要求：
（1） 了解2G，3G，4G，BlueTooth，WLAN等無線通信相關知識，熟悉現有的通信系統和標准協議，熟悉常用的無線測試設備；
（2） 信號處理技術，通信演算法；
（3） 熟悉同步、均衡、信道解碼等演算法的基本原理；
（4） 【射頻部分】熟悉射頻前端晶元，扎實的射頻微波理論和測試經驗，熟練使用射頻電路模擬工具（如ADS或MW或Ansoft）；熟練使用cadence、altium designer PCB電路設計軟體；
（5） 有扎實的數學基礎，如復變函數、隨機過程、數值計算、矩陣論、離散數學
應用領域：
通信
VR【用於快速傳輸視頻圖像，例如樂客靈境VR公司招募的通信工程師（數據編碼、流數據）】
物聯網，車聯網
導航，軍事，衛星，雷達
相關術語：
（1） 基帶信號：指的是沒有經過調制（進行頻譜搬移和變換）的原始電信號。
（2） 基帶通信（又稱基帶傳輸）：指傳輸基帶信號。進行基帶傳輸的系統稱為基帶傳輸系統。傳輸介質的整個信道被一個基帶信號佔用.基帶傳輸不需要數據機，設備化費小，具有速率高和誤碼率低等優點,.適合短距離的數據傳輸，傳輸距離在100米內，在音頻市話、計算機網路通信中被廣泛採用。如從計算機到監視器、列印機等外設的信號就是基帶傳輸的。大多數的區域網使用基帶傳輸，如乙太網、令牌環網。
（3） 射頻：射頻（RF）是Radio Frequency的縮寫，表示可以輻射到空間的電磁頻率（電磁波），頻率范圍從300KHz～300GHz之間（因為其較高的頻率使其具有遠距離傳輸能力）。射頻簡稱RF射頻就是射頻電流，它是一種高頻交流變化電磁波的簡稱。每秒變化小於1000次的交流電稱為低頻電流，大於10000次的稱為高頻電流，而射頻就是這樣一種高頻電流。高頻(大於10K)；射頻（300K-300G）是高頻的較高頻段；微波頻段（300M-300G）又是射頻的較高頻段。【有線電視就是用射頻傳輸方式】
（4） DSP：數字信號處理，也指數字信號處理晶元
（五）數據挖掘演算法工程師類
包括
推薦演算法工程師，數據挖掘演算法工程師
要求
l
專業：計算機、通信、應用數學、金融數學、模式識別、人工智慧；
l
技術領域：機器學習，數據挖掘
l
技術要求：
（1） 熟悉常用機器學習和數據挖掘演算法，包括但不限於決策樹、Kmeans、SVM、線性回歸、邏輯回歸以及神經網路等演算法；
（2） 熟練使用SQL、Matlab、Python等工具優先；
（3） 對Hadoop、Spark、Storm等大規模數據存儲與運算平台有實踐經驗【均為分布式計算框架】
（4） 數學基礎要好，如高數，統計學，數據結構
l
加分項：數據挖掘建模大賽；
應用領域
（1） 個性化推薦
（2） 廣告投放
（3） 大數據分析
相關術語
Map-Rece：MapRece是一種編程模型，用於大規模數據集（大於1TB）的並行運算。概念"Map（映射）"和"Rece（歸約）"，是它們的主要思想，都是從函數式編程語言里借來的，還有從矢量編程語言里借來的特性。
（六）搜索演算法工程師
要求
l
技術領域：自然語言
l
技術要求：
（1） 數據結構，海量數據處理、高性能計算、大規模分布式系統開發
（2） hadoop、lucene
（3） 精通Lucene/Solr/Elastic Search等技術，並有二次開發經驗
（4） 精通Lucene/Solr/Elastic Search等技術，並有二次開發經驗；
（5） 精通倒排索引、全文檢索、分詞、排序等相關技術；
（6） 熟悉Java，熟悉Spring、MyBatis、Netty等主流框架；
（7） 優秀的資料庫設計和優化能力，精通MySQL資料庫應用 ；
（8） 了解推薦引擎和數據挖掘和機器學習的理論知識，有大型搜索應用的開發經驗者優先。
（七）控制演算法工程師類
包括了雲台控制演算法，飛控控制演算法，機器人控制演算法
要求
l
專業：計算機，電子信息工程，航天航空，自動化
l
技術要求：
（1） 精通自動控制原理（如PID）、現代控制理論，精通組合導航原理，姿態融合演算法，電機驅動，電機驅動
（2） 卡爾曼濾波，熟悉狀態空間分析法對控制系統進行數學模型建模、分析調試；
l
加分項：有電子設計大賽，機器人比賽，robocon等比賽經驗，有硬體設計的基礎；
應用領域
（1）醫療/工業機械設備
（2）工業機器人
（3）機器人
（4）無人機飛控、雲台控制等

（八）導航演算法工程師
要求
l 專業：計算機，電子信息工程，航天航空，自動化
l 技術要求（以公司職位JD為例）
公司一（1）精通慣性導航、激光導航、雷達導航等工作原理；
（2）精通組合導航演算法設計、精通卡爾曼濾波演算法、精通路徑規劃演算法；
（3）具備導航方案設計和實現的工程經驗；
（4）熟悉C/C++語言、熟悉至少一種嵌入式系統開發、熟悉Matlab工具；
公司二（1）熟悉基於視覺信息的SLAM、定位、導航演算法，有1年以上相關的科研或項目經歷；
（2）熟悉慣性導航演算法，熟悉IMU與視覺信息的融合;
應用領域
無人機、機器人等。

C. 想做一名演算法工程師需要學什麼

1、業務認知&問題定位
首先要清楚你所要解決的問題是什麼，是否需要復雜的演算法求解。問題的定義來源於你對業務的認知和理解。我們經常陷入一種誤區，覺得自己是一名演算法工程師，遇到任務問題都想要用復雜的演算法去求解。正所謂一頓操作猛如虎，得來的效果卻很一般。因此，做事之前一定要在理解業務的基礎上，把問題定位清楚，用合適的方法求解。
2、數據挖掘&分析
深度學習的應用能夠突飛猛進的一個重要原因就是大數據的支撐。當前獲取數據的成本很低，而數據清理和挖掘的成本很高，但非常重要。數據是模型的輸入，是模型能夠擬合的上限。在入模之前，你需要花一定的精力用於數據工作，這是必要也是值得的。因此，掌握數據能力也是一名演算法工程師的必經之路。
3、演算法策略
這是每位演算法工程師的硬實力，有了清晰的問題和可用的數據後，我們需要選擇合適的演算法策略求解問題。就銷量預估而言，由於特徵大部分都是表格型，樹模型及其變體成為首選的方案。通過樹模型，你能夠快速拿到一個不錯的baseline。但千萬不要停滯不前，你需要調研更多的先進的方案進行優化，即使此時能夠拿到的受益不多，但請堅持專研的精神(近期時序模型中，熱度很高的informer值得嘗試)。此外，「人工智慧，有多少人工就有多少智能」這句話在實際應用領域體現得淋漓盡致。策略也屬於演算法的一部分，人工策略有時候能夠帶來很大的受益，也能夠找到更適合的演算法優化方向。例如，我們在優化首猜的貨品池時，考慮到首猜目前的推薦演算法已經非常優秀了，但消費者的成交來源主要是搜索，我們通過人工分析選擇了做增量貨品供給的方式，拿到了不錯的業務效果。基於此，我們也找到了更合適的選品演算法優化方向。
4、離線實驗和線上AB實驗
實驗是驗證理論的最佳手段，也是最具有說服力的。我們需要找到幾個合適的指標進行優化，並且要保證離線效。

D. 成為演算法工程師需要學習哪些課程

演算法工程師要求很高的數學水平和邏輯思維。需要學習高數，線性代數，離散數學，數據結構和計算機等課程。

專業要求：計算機、電子、通信、數學等相關專業；

學歷要求：本科及其以上的學歷，大多數是碩士學歷及其以上；

語言要求：英語要求是熟練，基本上能閱讀國外專業書刊；

必須掌握計算機相關知識，熟練使用模擬工具MATLAB等，必須會一門編程語言。

國內外狀況

國內從事演算法研究的工程師不少，但是高級演算法工程師卻很少，是一個非常緊缺的專業工程師。

演算法工程師根據研究領域來分主要有音頻/視頻演算法處理、圖像技術方面的二維信息演算法處理和通信物理層、雷達信號處理、生物醫學信號處理等領域的一維信息演算法處理。

E. 數據演算法工程師主要是做什麼的

只有數據科學家和演算法工程師，數據科學家關注於用演算法研究數據背後的信息，演算法工程師負責將科學家研發的演算法應用到實際生產活動中

演算法工程師就是會一些人工智慧演算法的工程師。工作就是做一些人工智慧演算法相關的任務：根據任務整理數據（如果沒有數據最好可以協助建立獲取數據的流程）跑模型，改進模型部署模型，測試，優化速度等等其實AI行業比較欠缺好的產品經理，演算法工程師在需求設計和溝通上最好也能參合參合，都是有益的。

想了解數據演算法工程師這個職業可以到CDA認證中心去了解一下，CDA認證，致力於打造全球數據人才考核行業標准，推動全球數人才發展。包括開發和整合國際數據科學領域的前沿技術及優質資源； 制定並完善數據科學行業人才標准與職業道德行為准則；編寫和建立專業教材體系與題庫；組織並實施命題審題、人才評定和考試服務；管理會員與提供行業咨詢服務等事務。

F. 演算法工程師是個什麼崗位

演算法工程師是企業內部負責演算法這一塊的工程師，包括演算法設計，演算法優化

G. 演算法工程師（全職）有前途嗎

其實任何一個職位做專了，做精了都是有前途的。演算法工程師也是如此，君不見如google，網路等世界級的大公司筆試面試時都是非常注重演算法的，在這些大公司看來演算法能力的高低是一個計算機從業人員能力高低的標桿，如果你能有幸從事演算法相關的工作，恭喜你。當然你也要有心理准備，這個職位的勞動強度也是蠻大的，有時候搞盡腦汁也未必能設計出一個理想的演算法，即使要優化已有的演算法也不是一件容易的事。如果你能較快的在演算法設計，演算法優化的領域成長起來，那就是公司核心中的核心，前途無可限量。相比之下網路游戲開發時下就非常熱，到處都是網游公司，還是那句話，如果你能成為該領域的專家，也是非常有前途的，但相比而言，網游開發要比演算法設計門檻要低，競爭也更加激烈，如果讓我選，我會選擇演算法工程師。

H. 演算法工程師大致是做什麼的

各個行業都有演算法部分，統計有統計的演算法，控制有控制的演算法，圖像處理有圖像處理的演算法。在很多傳統行業，演算法不是一個獨立的崗位，而是由研發工程師負責。今天小編就帶大家來了解下演算法工程師大致是做什麼的?我們接著往下看。

1. 圖像處理，尤其是基於OpenCV的圖像處理演算法，一般產品里有做美顏，濾鏡什麼的特別喜歡招這塊的小朋友，近一兩年有被做深度學習的取代的趨勢。最近google出了arcore，所以讓不少小公司也能出一些效果很好的換頭類應用。
2. 計算機圖形學，這也算是一個大類，主要涉及到圖形渲染演算法，光追演算法，三維圖像重構等圖像繪制方面的內容。這個方向，不光是做3d引擎和游戲開發方面，對於很多行業需要與cad相關的，都會涉及到這一個領域的模型和優化演算法設計。
3. VR，AR領域，涉及到的包括視頻跟蹤，SLAM，raytracing，幾何投影等等，實際上是一個綜合的領域，目前主要是做計算機視覺的轉行做這塊。
4. 醫學影像處理，三維圖像重構，用在B超，CT成像上，這個是醫療方向的。
5. 通信基帶信號處理，網路優化演算法，這一塊其實很式微了，畢竟高大上的演算法小公司沒成本去實施。
6. 音頻濾波，用在HiFi產品，比如車載音響，手機廠商，圈子其實蠻小的。
7. 控制演算法，自適應濾波演算法，用在機械領域上，比如機械臂行程式控制制，穩定性。
8. 有限元演算法，這塊從雷達，機械，電磁學，到服裝設計，都有很有價值的應用。
9. 信號處理，比如插值，頻譜分析，盲信號分離，壓縮感知，物聯網大部分應用會涉及這一塊。
互聯網和軟體行業把演算法分離成一個獨立的崗位大體有兩個原因。第一，低級的軟體工程師不懂演算法，或者更乾脆一點說不懂數學，所有涉及到模型和計算公式的工作都必須要找專業人員來搞定。第二，從生產效率考慮，初級演算法工程師很多沒有很好的軟體工程背景，簡單點說就是不會寫代碼只會寫matlab，這種工程師的工作交付沒有辦法直接投入生產，所以需要將他們的工作和生產環節隔離開。綜上所述，就是小編今天給大家分享的內容，希望可以幫助到大家。

I. 演算法工程師應該具備哪些工程能力

作者 | 木東居士

來源 | Data_Engineering

最近看了 Milter 的《演算法工程師究竟需要哪些工程能力》這篇文章，有所感想，因此也寫一篇關於演算法工程師的技術能力的問題，和大家分享一下居士關於演算法工程師的技術能力的觀點。

對於一名優秀的演算法工程師，他（她）要具備的不僅僅是出色的技術能力，也要有很深的業務理解能力和對外溝通能力，總之，要求可以很高！

但是，從職責能力的劃分上來講，演算法工程師首先是一名工程師，因此本文主要從工程能力要求上進行一些探討。

開始之前先放一份思維導圖，這將是這篇文章要分享的核心內容：

工程能力概覽

演算法工程師，從名字上我們就能看出，一名演算法工程師首先應該具備演算法能力和工程能力，我們可以認為這是基礎的技術能力。由於現在開源技術的普及，Sklearn、Tensorflow 和 Spark ML 基本已經成為大部分演算法工程師標配的工具庫了，因此，熟練的調包能力也是決定了一名演算法工程師能否快速實現需求。

其次，在真實的生產環境中，演算法的落地會遇到各種各樣的業務場景和數據環境，這也要求演算法工程師需要具備Pipeline 構建能力，將整個生產環境中的數據流和模型打通。同時，在生產環境中，會出現各種「疑難雜症」等待你去解釋，比如說為什麼實驗效果特別差？為什麼模型效果不穩定？這就要要求演算法工程師需要具備一定的數據分析能力。

很多時候，你會發現，你用在數據分析和Pipeline構建上的精力可能占據了你8成以上的工作內容。

當你具備了上面的能力時，你已經可以稱自己是一名演算法工程師了。此時，你可以去對著數據分析小得瑟一下：「你看，我能構建整個模型的Pipeline，你卻只能拿到別人提供的數據後調調包吧。「或者，你也可以去找開發得瑟：」你看，我懂了很多演算法哦，你就只會寫代碼吧。「

得瑟完之後，我們還是回歸正題，演算法工程師只具備這樣能力是否已經夠了？答案當然是不夠的。由於不同公司的團隊成熟度不同，工具化和流程的成熟度都不同，這就會對演算法工程師有不同的要求，比如說模型發布能力和報表開發能力，當然也會有一些其它能力，雖然可能不是特別重要，但是當這些工作沒人幫你做的時候，演算法工程師可能依然要承擔起這些工作內容，比如說灰度測試的能力、負載均衡的能力等等。

將上面的內容整理後，就是這樣一份思維導圖了（一張圖多看幾篇更能加深印象，因此我再貼出來一遍）

工程能力詳解

一、基礎能力

演算法能力

演算法能力就不多說了，演算法工程師的基本能力要求，不懂演算法對於一名演算法工程師來講是不太合理的。這里居士把統計學的內容也放進來了。

編程能力

編程能力主要分為兩部分：

Python、C++、Java這類編程語言，這三種也是演算法工程師需要了解的主流編程語言，一般掌握其一就夠，看不同公司。 Sql就是很通用的能力了，Sql也是一門編程語言，而是是數據處理最常用的語言！ 很好用。 大數據場景下，要了解Hive Sql。

調包能力

大家雖然會調侃調包俠，但是說實話，能調包調的很溜的人，也是不多的，比如說現在讓你自己用tensorflow構建一個復雜網路，不能google，你能寫出來嗎？能記清楚用法嗎？

Sklearn Tensorflow Spark ML

二、核心能力

Pipeline 構建能力

Pipeline構建能力，這里想表達的更多的是整個數據流的構建能力，數據從日誌->特徵->模型訓練->反饋，這一個鏈條能否完成的能力，這裡面會有很多難題需要克服。比如說：

實時和離線模型一致性問題？ 離線和實時特徵一致性問題？ 實時特徵構建的問題？ 數據延遲的問題？

很多時候，模型發布之類的工作是可以由其他同學支持完成，但是數據流這種問題更多的是需要演算法工程師來解決的。

數據分析能力

這里的數據分析能力不是指商業分析或者業務分析，更多的是指特徵分析、演算法效果分析和各種異常問題定位分析的能力。

很多時候，兩個演算法工程師能力水平的強弱從數據分析能力上也能窺得一二。

三、輔助技術能力

輔助的技術能力是指，你會不會的影響不會特別大，但是也都是有用的能力，特別是不同公司的發展情況不同，很可能會出現一個演算法工程師既要做數據接入、又要做數據清洗、還要做演算法平台

也要搞前端、還要負責模型上線、系統運維。

這里就不再細講了。

思考一

聊一下對技術能力、工程能力和數據分析的思考。

居士個人的理解，技術能力更多的是偏向於一個一個的技術點，而工程能力更多就是在一個團隊中將項目做好的能力。很多演算法出身的工程能力不行，那麼他做的單純的一個模型是無法應用到實際生產中的，而工程就是指把理論落地實際生產的過程。那麼工程包含了什麼？它包括了系統架構設計和模塊設計、數據流搭建和平台搭建、調包或演算法開發、分布式、上線以及各種落地的代碼開發。報表和監控，其實本質也是做數據流，邊緣性的可能要做些後台和前端的開發。

然後數據分析能力是什麼？數據分析（不是純粹的數據分析）除了分析方法論和套路外，是一個很綜合性、相對偏軟一點的能力，比如說你通過分析發現了我們的系統有哪些可以優化的點，通過分析發現了問題的原因是什麼，這些都是分析能力。

思考二

針對前面的內容，和 Cathy 討論後，對整個思路做了新的梳理，大家直接看圖就好，居士也認為這樣描述可能更為合理。

思考三

這里再補充一個模型復現的能力，比如你看了一篇論文，發現這個模型可能很適合自己的業務場景，那麼你是否能力將論文裡面的模型快速用公司現有的平台和工具來復現？

居士認為，這一個是一個非常重要的能力，但是沒有想好具體該怎樣劃分。

J. 什麼專業畢業可以當運籌優化演算法工程師

計算機專業。當運籌優化演算法工程師需要計算機專業研究生畢業可以當，主要工作是建立優化模型和設計優化求解演算法工作難度較大需要研究生學歷。