開發和演算法

Ⅰ 演算法和開發崗相比，哪個前景更好呢

這兩個崗位的工作內容我都接觸過，目前我帶的大數據團隊中既有演算法工程師也有開發工程師，所以我說一說這兩個崗位的區別，以及未來的發展方向。

演算法設計與演算法實現
通常涉及到演算法的崗位有兩個，分別是演算法設計和演算法實現，現在有不少團隊把這兩個崗位進行合並，做演算法設計的同時也要負責實現。但是也有一些團隊是分開的，做演算法設計的不管實現過程。
演算法崗位門檻是很高的，人才也是稀缺的，總體發展空間很好。還有一點演算法崗位的不可替代性強，如果有機會去演算法崗建議是去的，一般學歷要求在碩士，Java本科大專都是可以的哈。從工作的復雜性上來說，演算法工程師的工作強度還是比較大的，但是演算法工程師的職業周期也比較長。
演算法崗主要是在於如何量化我們的產出，寫代碼做開發非常簡單。你完成了一個任務或者是項目，有了經驗之後，這是在簡歷上實打實的東西。很多演算法工程師最終成長為企業的首席科學家，或者是首席技術官等崗位，可以說演算法工程師的發展前景還是非常不錯的。
開發崗位
軟體團隊的大部分崗位都是開發崗位，有前端開發、後端開發、移動端開發等，可以說大部分程序員做的都是開發崗的工作。
與演算法崗位不同的是，開發崗位人數多，佔比大，而且大部分開發崗位的職業周期都比較短，一般開發崗位在做到一定年齡(比如35歲)之後都會轉型。一部分會轉向項目經理等管理崗位，一部分會轉型做架構師，還有一部分轉型為行業咨詢專家等，當然，也有一部分開發人員轉型為演算法工程師。
一個優秀的開發者不是網上說的那樣吃青春煩的，每一個崗位都會有自己的未來職業發展。開始確實是青春飯，因為大多數人不懂如何提升自己在公司當中的潛在價值，或者不知道如何更加聰明的完成任務。
其實兩個崗位沒有什麼可比性。聊聊這兩個崗位的突出項，開發門檻不很高的，演算法就相對高一些，因為涉及大數據人工智慧等等。現在做演算法的話，5年左右基本會成為專家，給別人講，因為大多數的人是不太懂演算法的，所以會覺得你很牛。收入上來說，演算法的收入是高於開發的。創業的話，大白話就是演算法其實是更容易給別人講故事的，而且相對產品來說，演算法是更容易形成產品的。

Ⅱ 女生適合開發還是演算法

在開發和演算法兩個方面女生都沒有太大的優勢如果非要二選一的話我個人覺得演算法比較靠譜一點。

Ⅲ 演算法崗和開發崗哪個好

你玩呢，演算法還不是開發崗的一種啊，你會寫演算法還不是算作開發，你會開發也要懂基本的演算法啊

Ⅳ 計算機搞演算法和搞開發的區別

第一點：因為開發是要做功能的開發，雖然開發的難度沒有演算法的難度高，但是開發的工作量比演算法的工作量更多，開發是有時間的限制的
第二點：演算法是沒有時間限制的，演算法是對功能的一種優化，不需要實時的運用到實際項目中去。
綜上所述兩點可以得出的結論是開發的加班多一點。

Ⅳ 演算法和開發哪個累

這兩個沒有可比性，一般開發有時間限制，演算法則沒有明確限定。開發以經驗為主、演算法則要求理論基礎好（線性規劃、數理知識、算計數學、統計和涉及的專業等等）

Ⅵ 研究生做演算法還是開發

研究生做開發的比較常見，做演算法的比較少，很多公司演算法崗的hc比開發崗少很多，足以見得演算法崗的難和門檻高。

Ⅶ 搞演算法好還是搞開發好，演算法就是純數學

數學是一門工具性很強的科學，它與別的科學比較起來還具有較高的抽象性等特徵。起初是計算機科學工作者離不開數學，而數學工作者認為計算機對他們可有可無，但是現在是互相都離不開對方了，計算機也提高了數學工作者在人們心目中的地位，大部分的數學工作者開始認識到計算機的重要性，並越來越多地進入到計算機領域發揮作用。但是隨著人工智慧、GPS（全球定位系統）等飛速的發展和計算機運算性能飛躍性的提升，計算機的優勢越來越深入到思維領域，於是計算機將高深的數學理論用到實際中來，十分有效地解決了許多實際問題，例如著名難題四色問題就是被計算機證明的。問題的求解過程中有許多具有實用價值的數學分支如分析幾何、小波分析、離散數學、仿生計算、數值計算中的有限單元方法等。它讓人們知道計算機程序設計結合的就是數學知識和數學思想。
編程是基於數學模型的基礎上面的，所以，數學是計算機科學的主要基礎，以離散數學為代表的應用數學是描述學科理論、方法和技術的主要工具。編程中不僅許多理論是用數學描述的，而且許多技術也是用數學描述的。從計算機各種應用的程序設計方面考察，任何一個可在存儲程序式電子數字計算機上運行的程序，其對應的計算方法首先都必須是構造性的，數據表示必須離散化，計算操作必須使用邏輯或代數的方法進行，這些都應體現在演算法和程序之中。此外，到現在為止，演算法的正確性、程序的語義及其正確性的理論基礎仍然是數理邏輯，或進一步的模型論。真正的程序語義是模型論意義上的語義。於是編程思想運行的嚴密性、學科理論方法與實現技術的高度一致是計算機科學與技術學科同數學學科密切相關的根本原因。從學科特點和學科方法論的角度考察，編程的主要基礎思想是數學思維，特別是數學中以代數、邏輯為代表的離散數學，而程序技術和電子技術僅僅只是計算機科學與技術學科產品或實現的一種技術表現形式。
（一）數學在計算機領域的發展
如今形形色色的，都與數學有必然的聯系，它們相互相成。例如，邏輯學在學科中的應用從早期的數理邏輯發展到今天的程序設計模型論；數學在學科中的應用從早期的抽象代數發展到今天的圖形學、工程問題方面；幾何學的應用從早期的二維平面計算機繪圖發展到今天的三維動畫系統，並在與復分析的結合中產生了分形理論與技術；在游戲、圖形開發中引用了線性代數中大量的坐標變換，矩陣運算；在數據壓縮與還原、信息安全方面引入了小波理論、代數編碼理論等。
（二）編程的思維定式
編程的思維定式決定了一個人編程的水平，在編程過程中，數學思維清晰，編寫出來的程序讓人耳目一新。結合教學，通過調查分析，了解到超過85%的學生，他們在編程時是根據語法而編寫程序，完全脫離了編程的思維，這種思維定式使得他們編寫的程序相當糟糕，沒有一點邏輯。
之所以造成這種編程的思維，是因為他們平時對數學思維的培養不夠重視。很多學計算機的學生想：學高數，這有什麼用？學線性代數有什麼用？學離散數學，有什麼用？於是他們很少去上這些課，馬馬虎虎，整天悶在寢室里，玩玩游戲，裝裝，看看C語言。只知道概率問題和矩陣知識在其它課程上起到了互補作用，學的不是很深。但是當他們看到<<數據結構和演算法>>時，感到其中的內容對他們而言感覺相當的艱澀難懂，這時他們就隱約感覺到了數學思維的作用了。在此之前，他們不僅荒廢了大學的高等數學,連初中的初等數學也忘的好多，當他們進行高抽象思維時，確實感覺自己的思維已經很遲鈍了。學計算機的學生之所以覺得《數據結構》這門課程很難，就是因為他們的數學思維鍛煉的不夠！其實生活中有很多這樣的例子：對於一個剛畢業的，編應用的大學生，在編程中用到《線性代數》的矩陣時，恐怕便會想,在大學把線性代數學好就好了；當在程序中用到動態鏈表、樹時，恐怕也會想「在大學時花點時間去學《數據結構》，會多麼的有意義」；當學數據結構時，恐怕也會想「學《離散數學》時為什麼要逃那麼多的課，要不然學離散的時候就會很輕松」。所以數學思維不夠，在編程會有很多的疑慮，顯的有點縮手縮尾，而且寫的程序也不夠健全，缺乏邏輯。
（三）編程與數學思維的融合
很多專業人士覺得數學和編程能力就像太極和拳擊,編程能力很強就好比出拳速度很快很重,能直接給人以重擊；數學很好的話就好像一個太極高手,表面上看沒有太大的力量但是內在的能量是更強大的，但是好的拳擊手是越年輕越好,而太極大師都是資歷越深越厲害。所以數學是成就大師的必備能力，雖然很多學生看上去感覺沒有什麼用途,但是到了一定的水平之後就會體會它的力量了。

Ⅷ 到底是演算法重要還是開發技術重要

都不重要。

1、能夠把「演算法或開發」與現實需求更好結合的最好-
利是利益的利，便利的利----闡述共鳴是千年不變的法則。
2、先搞演算法--基礎；開發技術是演算法的一小部分----
最重要的是：1、學最最基礎的。2、搞定現實人的問題。 ----1 2結合才能奇跡。
最好的不在於技術，而在於共鳴或輿論
3、思想無價、知識次之、其餘不要被過多干擾。

Ⅸ 計算機開發崗和演算法崗都有些什麼區別

其實只有在大廠這兩個崗位才會被分的很清楚，小公司的話一般都是混著用，畢竟演算法工程師都很貴，得保證利益最大化才行。

演算法崗

這種崗位負責新演算法的研發工作和論文的解讀、編寫，一般存在於一些大廠的實驗室，比如國內的阿里、網路、騰訊、華為，國外的openAI、臉書、deepmind等。而且學歷和專業要求極高，基本都是科班的名校碩士或者博士，這也是網傳的演算法門檻高的真正崗位，高學歷保證了技術水準的同時也保證了技術員的學習接收能力，保證了國外如果有新的技術論文可以第一時間解讀和實踐。

演算法工程師崗

目前我就是這個崗位，主要是負責將已經成熟的技術結合到商業項目中偏向業務一些，這個這個崗位就沒有演算法崗那麼誇張，基本上只要是好一點的本科計算機專業就夠滿足面試要求了，目前商湯、曠視、寒武紀這些都偏向這個方向。

其實還有第三檔的公司主要做的是產品，基本上就是調用模型然後應用到一些軟體中去，來優化產品功能，基本上懂一些演算法的開發就能做到這項工作。

Ⅹ 今年剛考上CS研究生，學校是個中等211，方向選擇演算法還是開發呢

如果以找工作而論，那麼，各行各業，競爭都激烈……工資高，待遇好，還沒人來干，這樣的工作，天底下不可能存在！
要想得到高薪資，自己就必須具備高人一籌的能力！
如果你不敢去打拚，那就一切免談了。
如果你敢於打拚，那麼，即使演算法崗人才飽和，你憑借自己的實力，照樣可以在其中找到適合自己的位置！