編程演算法崗
① 演算法工程師工作期間需要掌握什麼知識學到哪些核心技術
演算法工程師的主要核心技術基於數學，並輔以語言。要全面掌握的知識包括高級數學，復變函數，線性代數的離散數學，數據結構以及數據挖掘所需的概率論和數學統計知識。不要太受約束去平時閱讀教科書並多練習，並培養良好的思維能力。只有那些有想法的人才能擁有技術的未來。嘗試實現您遇到的任何演算法，無論演算法的優劣總是有其自身的特徵。此外，您必須具有一定的英語水平（至少6級），因為該領域的大多數官方材料都是外語。
計算機及相關專業本科以上學歷，在互聯網搜索，推薦，流量或相關領域有2年以上工作經驗。熟悉機器學習/自然語言處理/數據挖掘/深度學習中至少一項的原理和演算法，並且能夠熟練地建模和解決業務問題。精通Linux平台下的C / C ++ / Java語言開發，精通使用gcc / gdb等開發工具，並精通Python / Linux Shell / SQL等腳本開發。熟悉hadoop / hbase / storm等分布式計算技術，並熟悉其運行機制和體系結構。具有出色的分析和解決問題的能力，思路清晰，並對工作挑戰充滿熱情。具有強烈的工作責任感和團隊合作精神，並能夠交流和更好地學習。
② 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。
③ 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。
④ 什麼是演算法工程師主要任務是什麼
作為演算法工程師，除了精通計算機編程相關知識，精通使用MATLAB等模擬工具外，還必須了解業務背景。例如，人工智慧演算法工程師、交通演算法工程師、圖像處理演算法工程師等需要熟悉公司的業務。有一定的商務學習能力。
通用互聯網公司的演算法工程師主要涉及以下領域：推薦演算法和同通濾波演算法，音頻處理，圖像處理，深度學習和AI演算法，SLAM，VR，AR領域，傳統演算法等。具體如下：
1、推薦演算法和共通濾波演算法。這些工程師主要是解決電子商務或轉換相關問題的工程師。這些工程師需要掌握的是特徵工程、主成分分析、統計數據、貝葉斯概率、決策樹(GBDT/XGBOOST)、 Logistic回歸、協作過濾等圍繞與變換概率有關的知識系統。
2、語音信號處理(例如環路雜訊抑制)通常用於語音聊天和語音識別的前端檢測。像這些做智能揚聲器的公司現在需要做的或多或少。
3、圖像處理，尤其是基於OpenCV的圖像處理演算法，一般產品做美容，濾鏡或其他特別喜歡招募此人的人，在過去的一兩年中有被深度學習替代的趨勢。 Google發布了arccore，因此許多小型公司也可以生產一些非常好的應用程序。
4、 SLAM，專注於機器人定位和導航，例如無人駕駛汽車，掃地機器人。
5、 VR和AR領域，包括視頻跟蹤，SLAM，光線跟蹤，幾何投影等，實際上是一個綜合領域。
優秀的人往往也有一個強大的內心，無論別人如何看待自己，都堅信自己是優秀的，並願意為了進步不斷努力。我認為作為一個演算法工程師也是需要不斷學習，不斷給自己充電，讓自己變得更優秀。以上是小編為大家編寫的演算法工程師的相關知識，希望對大家有幫助!
⑤ 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。
⑥ 成為一名合格的演算法工程師需要掌握哪些技能
演算法工程師目前是一個高端也是相對緊缺的職位;近兩年的就業前景是非常好的，薪資也比較高。但是演算法工程師同時也需要不斷學習。那麼成為一名合格的演算法工程師需要掌握哪些崗位技能呢，我們接著往下看。
業務學習能力
演算法工程師是不可能脫離業務背景的，人工智慧演算法工程師、交通演算法工程師、圖像處理演算法工程師等等。
針對一個業務場景設計一個合理的演算法，業務知識是非常重要的，需要結合業務的實際情況、限定條件、各種專業詞彙和知識都要有一定的了解，如果脫離場景而一味地琢磨演算法，效果不會太好。
比如，做交通演算法，需要對交通組織、交通管理、通行損失、周期延誤等有所認知。比如，做圖像處理，需要對各種圖像去噪、圖像增廣、圖像分割、物理成像有所了解，知道像素底層是怎麼回事。
持續學習能力
演算法工程師的主要工作就是拿著現有成熟的演算法，結合面臨業務場景去做一個合理的方案，如果我們知識面太窄，那顯然當用到的時候會有點拮據，眼界也被限制住，不知道還有沒有更好效果的演算法、目前演算法有哪些不足之處、在這個業務中能不能發揮作用。
只有持續學習，了解足夠多的知識，當我們面臨問題的時候能夠快速對比、選擇，找出最合適的一種演算法。
靈活的思維
當我們選擇一種演算法去解決一個問題時，效果肯定無法達到我們預期的那樣。比如我們拿mask rcnn做醫學圖像語義分割，我們看著它在自然圖像方面表現效果很好，就拿來用於醫學圖像。但是醫學圖像有它的難點和特殊性，當跑出效果時會發現結果不如人意，這時候就需要靈活的思維去發現問題，去調優、改進，或者從數據入手，或者從網路模型入手，或者從超參數入手。
編程能力
不同公司對於演算法工程師的定位有所差別，比如有些朋友在某公司做演算法工程師只負責方案的設計，開發由專門的開發人員實施。有的公司演算法工程師要完成演算法設計到開發全部工作。
無論是哪一種形式，編程能力都是必要的，就算是前者這樣的形式，有專門的開發人員，那在演算法的設計過程中需要驗證、對比，對每一個小模塊演算法進行指標評價，你不可能事事都找別人來幫你做，這樣效率低，而且開展工作困難。綜上所述，就是小編今天整理的關於演算法工程師的相關內容，希望可以幫助到大家。
⑦ 演算法工程師要學什麼
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。
1、專業要求：計算機、電子、通信、數學等相關專業；
2、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；
3、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。
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。
在計算機音視頻和圖形圖形圖像技術等二維信息演算法處理方面目前比較先進的視頻處理演算法：機器視覺成為此類演算法研究的核心；
另外還有2D轉3D演算法(2D-to-3D conversion)，去隔行演算法(de-interlacing)，運動估計運動補償演算法(Motion estimation/Motion Compensation)，去噪演算法(Noise Rection)，縮放演算法(scaling)，銳化處理演算法(Sharpness)，超解析度演算法(Super Resolution),手勢識別(gesture recognition),人臉識別(face recognition)。
關於演算法工程師可以到CDA認證機構了解一下，CDA行業標准由國際范圍數據領域的行業專家、學者及知名企業共同制定並每年修訂更新，確保了標準的公立性、權威性、前沿性。通過CDA認證考試者可獲得CDA中英文認證證書。
⑧ 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、前言一直以來，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！
二、學習路線主要分為 4 個部分：數學基礎、編程能力、演算法基礎、實戰。
⑨ 做演算法工程師是什麼樣的工作體驗
演算法工程師是一個非常高端的職位；
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。
簡介：
演算法工程師根據研究領域來分主要有音頻/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。
在計算機音和圖形圖形圖像技術等二維信息演算法處理方面目前比較先進的處理演算法：機器視覺成為此類演算法研究的核心；另外還有2D轉3D演算法(2D-to-3D conversion)，去隔行演算法(de-interlacing)，運動估計運動補償演算法(Motion estimation/Motion Compensation)，去噪演算法(Noise Rection)，縮放演算法(scaling)，銳化處理演算法(Sharpness)，超解析度演算法(Super Resolution),手勢識別(gesture recognition),人臉識別(face recognition)。
在通信物理層等一維信息領域目前常用的演算法：無線領域的RRM、RTT，傳送領域的調制解調、信道均衡、信號檢測、網路優化、信號分解等。
另外數據挖掘、互聯網搜索演算法也成為當今的熱門方向。
演算法工程師逐漸往人工智慧方向發展。