取演算法崗

⑴ 演算法工程師如何選擇適合自己的方向

目前投了的有TX(offer) 海康威視(offer sp) DJI(offer sp) 頭條(掛) 阿里(ssp) MSRA(等消息，但hr透露不樂觀)我就介紹下我自己的一些感受，可能不一定對，但也許會幫到大家。我覺得一定要做演算法的話一定要明確下面幾點:

1. 不要一直盯著互聯網公司，很多硬體公司也需要演算法，而且是剛需。
2. 千萬不要認為視覺演算法就不用刷題了，這種必跪(我頭條就沒刷，就是例子)
3. 不是說搞dl的就不用管頻域那些傳統方法了。就比如我不止一次被問到canny演算法的具體實現方法(我還是做3D的)。 我感覺可能是真正落地的時候不可能讓你直接dl end2end的。dl只會是一個pipeline的核心的小部件，剩下的還是需要人為先驗更強的傳統方法的。
4. 最好能對一些論文里或者實驗中反直覺的方法有一些深刻的理解，最好能直接到硬體層面。舉個例子 mobilenet v2明明flops比 resnet18低那麼多，為啥電腦跑起來不會更快?又為啥放移動端就會快很多?
5. 我覺得比起論文，面試官更喜歡在知名排行榜上有個好名次的方法。
6. 實習真的很重要，尤其是大廠實習(比如阿裡面試官就說，他能撈我簡歷看上的根本不是啥paper啥排行榜。。人家是覺得MSRA培養的方法論很好。。)
7. 大家現在很多都過了那種刷論文，刷排行榜的階段了，都講落地。這意味著你要是不懂輕量級網路，剪枝蒸餾演算法的sota，你會很吃虧。同時，如果你有嵌入式經驗和cuda經驗，你會很加分。
8. 拉寬知識面。。沒事就去讀讀別的方向的paper總會有好處。
最後無論從事開發崗，還是在演算法領域，知識的更替速度快，不持續學習跟進前沿技術，就會被淘汰。演算法工程師本質上也是工程師，不要因為你是演算法而有所謂的優越感，數學模型技能只是一方面，沒有扎實的工程能力，也走不遠。尤其是AI近幾年的火爆，演算法的門檻也變低，造成越來越多的人湧入演算法崗。等到AI退潮之後，你扎實的基礎工程能力和業務能力才是生存下來的必要條件吧。

⑵ 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。

⑶ 演算法工程師的就業前景如何

人工智慧工作最受歡迎。演算法工程師平均招聘工資建議達到25978元。由於人才匱乏，企業競爭激烈，平均加薪超過7%。該市90%以上的人工智慧高薪工作都在天河區.近日，由廣州天河人才港和BOSS直接就業研究院聯合發布的《廣州市天河區2018年1-4月人才趨勢報告》，展示了該地區的主流發展趨勢：IAB已經成為天河區，和天河區創新型企業和大型企業布局或發展的核心主方向，企業以高薪吸引更多的行業優秀人才。「天河區企業渴望以高薪攫取IAB人才，這意味著企業要在這些行業中發揮實力。

⑷ 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。

⑸ 想成為一名人工智慧演算法工程師，大學讀什麼專業

首先，從研究生的就業情況來看，近兩年演算法工程師的崗位需求量較前些年有了明顯的下滑，目前大數據崗位的研發型人才需求量要相對大一些。所以，如果當前要想選擇從事演算法崗位，在選擇空間上往往並不會很大，這一點應該做好心理准備。

在IT行業內多個領域都需要演算法工程師，目前演算法崗位多集中在大數據和人工智慧相關領域，由於目前大數據正處在落地應用的初期，而人工智慧行業也普遍存在落地難的問題，所以演算法崗位的需求量受到了較大的影響。
從目前行業的發展趨勢來看，演算法崗位短期內出現爆發式人才需求的可能性並不大，一方面科技企業對於演算法人才的儲備相對比較充足(前些年招聘較多)，另一方面演算法研究也需要一個沉澱的過程。
從人才培養的角度來看，演算法工程師往往都需要具備研究生學歷，計算機專業、數學專業和統計學專業比較容易從事演算法崗位(要看具體的研究方向)，也有一部分經濟學專業、物理專業、自動化專業的畢業生會從事演算法崗位。
計算機相關專業從事演算法崗位是比較常見的，其中以大數據方向、人工智慧相關方向的畢業生從事演算法崗位居多，實際上也有一部分計算機專業的本科生會選擇演算法崗位，這與自身的知識結構有較為密切的關系。
早期有不少數學相關專業的畢業生會從事演算法崗位，但是目前數學專業的畢業生從事演算法崗位的要求有了較為明顯的提升，重點在於演算法實現能力的要求(編程能力)，這也導致一部分數學專業畢業生無法直接從事演算法崗位。
目前，人工智慧的研究和實踐如火如荼，但是應該擺正心態，做好打持久戰的准備，短時期內很難將該領域的技術研究透徹，並完全推廣應用。一句話，此路任重而道遠，但卻是人類社會科技發展的必經階段。

⑹ 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。

⑺ 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。

⑻ 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。

⑼ 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。