北斗演算法崗

⑴ 演算法崗面試都會考代碼嗎

會。
演算法崗面試的第一關，手撕代碼環節，主要考察你對數據結構和一般演算法的掌握，以及作為碼農最基本的編程能力。二至三道編程題寫完之後，就進入到了面試的第二關，演算法基礎知識考察環節，這里的演算法指的是機器學習、深度學習以及細分方向上，比如CV、NLP相關的演算法知識。

⑵ 為什麼演算法工程師的薪酬那麼高

演算法工程師是一個非常高端的職位，是非常緊缺的專業工程師，兼具前途和錢途。

演算法工程師薪酬高的原因：
1、稀缺：互聯網的快速發展，大數據、人工智慧的興起，使得演算法崗位變多了，但是能勝任的人又寥寥無幾。
2、培養成本很高：演算法工程師的培養，需要很高的成本。在上大學的時候就要受到名師指導，進入公司後也要跟前輩學習。
3、能力非常強：如果想成為一名演算法工程師，不僅需要過硬的編程能力，還需要扎實的數學基礎和英文水平。
演算法工程師所需的知識絕對不僅僅只有計算機方面的知識，需要的是綜合能力得到全面培養。所以演算法工程師薪酬高是有原因的，當然前景也是非常好，如果想從事這個行業，還是非常值得。

想了解更多關於演算法工程師的詳情，推薦咨詢達內教育。該機構有獨特的1v1督學跟蹤式學習模式，有疑問隨時溝通，企業級項目，課程穿插大廠真實項目講解，對標企業人才標准制定專業學習計劃 ，囊括主流熱點技術，理論知識+學習思維+實戰操作打造完整學習閉環，實戰講師經驗豐富。

⑶ 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。

⑷ 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

⑸ 為什麼一線互聯網公司的校招高薪都是演算法類

高端工程類崗位所需要的能力，高校很難培養出來。中低端工程類崗位，可能確實不太值錢。

。演算法類因為一些歷史遺留問題，大公司之前懂得人不多，而學校確實有些老師是行家裡手，學生也可以在某一個小領域，做到精通。

這推高了前兩年演算法領域的校招價。然而，隨著公司相關人才越來越多，演算法類的稀缺性也在下降。另外，現在很多技術比較好的組也比較認清了，高端演算法類畢業生已經不能靠論文數量，甚至已經不能靠發的會議質量了。

⑹ 為什麼有人勸別選計算機專業

1、時代不一樣了。碼農之所以被吹捧，必然是有原因的。08年的時候，計算機真的是鄙視鏈的最低端了，我表哥就是那時候畢業的，那時候計算機都是分不夠被調劑過去的。但是呢，移動互聯網的爆發，外加人工智慧，給計算機續了2次命。我的很多領導，也就是10年到15年加入互聯網公司的，字面意義的財務自由了。年薪百萬，房產增值若干，天天上班欺上瞞下玩弄女下屬就是這一幫人（說實話不少人素質很低）
阿里巴巴是14年上市的，14年前你在大街上真的沒有幾個路人知道馬雲，那時候真的是，二本進大廠都不難。我們18年已經很卷了，我也是憑借著985才進的大廠。而現在呢，我們招聘，非985碩士連看都不看的。是的，我們一年給新生就可以給30萬，但是我們一般要刷掉十幾個人才招一個，你確定你能卷進了我們大廠？
2、碼農工資沒有這么高。另外，40萬的包裹是包含股票的，必須干滿4年才能給你，離職跳槽全部沒有了，其實你的工資也就是20萬出頭，扣完稅真的沒多少明白嗎？不像公務員，基本工資一個月一萬，但是各種年終獎，補貼，精神文明獎，五險一金。真的不一樣。考慮到程序員基本上是35歲失業，那時候孩子估計還在上小學，一家老小，吃什麼喝什麼。
另外，收入分為明面收入和暗面收入，人家醫生分錢的時候，是不會給你說的。人家拿回扣收紅包也是不會給你講的。
3、找對象很重要。我們計算機專業女生很少，大學四年下來真的連和女生說話的機會都沒有。畢業了就去大廠卷了，更沒有機會和女生接觸了。
4、碼農是真的苦啊。大學的時候，通宵趕項目是常態，各種新語言，各種框架，各種配置環境，能把你逼瘋你信嗎？其他的工科為了考試作業發愁，我們看了就是好笑。考試算個啥，代碼你有bug，調試一周都找不到原因，問題是代碼跑不出結果，就是零分，別管你花了多少時間。這才是真正的絕望。我們的大作業，1~2周讓你寫一個大作業真的是常態，在外面的培訓班至少要學一個月，真的不知道那群老師的腦子是不是進水了
5、最後說一下35歲退休，為什麼會35歲退休？本質上就是因為你35歲的競爭力已經比不過27的小年輕了，年老色衰，人家NBA球員35歲就算老將了，我們同理。我們一輩子也就只能掙10年的錢，現在不多拿一點，以後老了怎麼辦。評論區有人說演算法不失業的笑死我了。要知道演算法崗是15年以後才出現的，以前根本沒有演算法崗這個東西，從業者就沒有超過35歲的，何談35歲危機？
總結：
計算機並沒有想像中的美好。最重要的就是互聯網的增長能不能持續的問題，之前計算機也是勸退專業，後來是移動端人工智慧給計算機續命了。現在互聯網的風口早就過了，資本的寵兒已經是自動駕駛和新能源了，如果還是以為互聯網的高薪可以持續，那麼你真的很幼稚了。
更不要說計算機由於是工科，自帶硬核屬性，大學4年真的很辛苦。到了工作也是硬核模式，代碼寫的不好真的是被末尾淘汰。而且就像所以的工科一樣，女生很少，不好找對象。由於計算機是對著電腦的，眼睛近視，彎腰駝背，禿頭真的就是職業病了。

⑺ 本科生真的很不適合演算法崗位嗎

先說結論：有難度，演算法工作兩年，身邊都是碩士和博士，真心想做演算法，可以繼續讀個碩士。演算法內卷嚴重，很多人也都是在勸退。不過這也是我國快速發展帶來的問題，試問哪個行業不是內卷嚴重？大家一起卷唄。學習經驗和路線，我整理過，原文如下：

一直以來，被問到最多的問題就是「演算法的學習路線」。

今天，它來了。

我會帶著大家看看，我們需要學些啥，利用這個假期，我甚至還收集整理了配套視頻和資料，暖男石錘啊，這期文章有用的話，別忘三連哦！

主要分為 4 個部分：數學基礎、編程能力、演算法基礎、實戰。

⑻ 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。

⑼ 你覺得演算法工程師的就業前景如何

隨著大數據和人工智慧領域的不斷深入發展，自然語言處理、機器學習等方向成為求職的大熱門，演算法工程師也自然而然成為目前最炙手可熱的崗位。雖然演算法工程師一直被頻頻提及，但是許多人對這個崗位的了解還知之甚少。那麼演算法工程師究竟是做什麼的？發展前景怎麼樣呢？

由於演算法工程師對於知識結構的要求比較豐富，同時演算法工程師崗位主要以研發為主，需要從業者具備一定的創新能力，所以要想從事演算法工程師崗位往往需要讀一下研究生，目前不少大型科技企業對於演算法工程師的相關崗位也有一定的學歷要求。

⑽ 都快2021年了，演算法崗位應該怎樣准備面試

說到演算法崗位，現在網上的第一反應可能就是內卷，演算法崗位也號稱是內卷最嚴重的崗位。針對這個問題，其實之前我也有寫過相關的文章。這個崗位競爭激烈不假，但我個人覺得稱作內卷有些過了。就我個人的感覺，這幾年的一個大趨勢是從迷茫走向清晰。

早在2015年我在阿里媽媽實習的時候，那個時候我覺得其實對於演算法工程師這個崗位的招聘要求甚至包括工作內容其實業內是沒有一個統一的標準的。可以認為包括各大公司其實對這個崗位具體的工作內容以及需要的候選人的能力要求都不太一致，不同的面試官有不同的風格，也有不同的標准。

我舉幾個例子，第一個例子是我當初實習面試的時候，因為是本科生，的確對機器學習這個領域了解非常非常少，可以說是幾乎沒有。但是我依然通過了，通過的原因也很簡單，因為有acm的獲獎背景，面試的過程當中主要也都是一些演算法題，都還算是答得不錯。但是在交叉面試的時候，一位另一個部門的總監就問我有沒有這塊的經驗？我很明確地說了，沒有，但是我願意學。

接著他告訴我，演算法工程師的工作內容主要和機器學習相關，因此機器學習是基本的。當時我就覺得我涼了，然而很意外地是還是通過了面試。

核心能力

由於我已經很久沒有接觸校招了，所以也很難說校招面試應該怎麼樣准備，只能說說如果是我來招聘，我會喜歡什麼樣的學生。也可以理解成我理解的一個合格優秀的演算法工程師應該有的能力。

模型理解

演算法工程師和模型打交道，那麼理解模型是必須的。其實不用說每一個模型都精通，這沒有必要，面試的時候問的模型也不一定用得到。但更多地是看重這個人在學習的時候的習慣，他是淺嘗輒止呢，還是會刨根究底，究竟能夠學到怎樣的地步。

在實際的工作當中我們可能會面臨各種各樣的情況，比如說新加了特徵但是沒有效果，比如升級了模型效果反而變差了等等，這些情況都是有可能發生的。當我們遇到這些情況之後，需要我們根據已知的信息來推理和猜測導致的原因從而針對性的採取相應的手段。因此這就需要我們對當前的模型有比較深入地了解，否則推導原因做出改進也就無從談起。

所以面試的時候問起哪個模型都不重要，重要的是你能不能體現出你有過深入的研究和理解。

數據分析

演算法工程師一直和數據打交道，那麼分析數據、清洗數據、做數據的能力也必不可少。說起來簡單的數據分析，這當中其實牽扯很多，簡單來說至少有兩個關鍵點。

第一個關鍵點是處理數據的能力，比如SQL、hive、spark、MapRece這些常用的數據處理的工具會不會，會多少？是一個都不會呢，還是至少會一點。由於各個公司的技術棧不同，一般不會抱著候選人必須剛好會和我們一樣的期待去招人，但是候選人如果一無所知肯定也是不行的。由於學生時代其實很少接觸這種實踐的內容，很多人對這些都一無所知，如果你會一兩個，其實就是加分項。

第二個關鍵點是對數據的理解力，舉個簡單的例子，比如說現在的樣本訓練了模型之後效果不好，我們要分析它的原因，你該怎麼下手？這個問題日常當中經常遇到，也非常考驗演算法工程師對數據的分析能力以及他的經驗。數據是水，模型是船，我們要把船駛向遠方，只懂船隻構造是不行的，還需要對水文、天象也有了解。這樣才能從數據當中捕捉到trick，對一些現象有更深入的看法和理解。

工程能力

雖然是演算法工程師，但是並不代表工程能力不重要，相反工程能力也很重要。當然這往往不會成為招聘的硬性指標， 比如考察你之前做過什麼工程項目之類的。但是會在你的代碼測試環節有所體現，你的代碼風格，你的編碼能力都是你面試的考察點之一。

並不只是在面試當中如此，在實際工作當中，工程能力也很關鍵。往小了說可以開發一些工具、腳本方便自己或者是團隊當中其他人的日常工作，往大了說，你也可以成為團隊當中的開發擔當，負責其團隊當中最工程的工作。比如說復現一篇paper，或者是從頭擼一個模型。這其實也是一種差異化競爭的手段，你合理地負擔起別人負擔不了的工作，那麼自然就會成為你的業績。

時代在變化，行業在發展，如今的校招會問些什麼早已經和當年不同了。但不管怎麼說，這個崗位以及面試官對於人才的核心訴求幾乎是沒有變過的，我們從核心出發去構建簡歷、准備面試，相信一定可以有所收獲。