演算法崗現狀

1. 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。

2. 人工智慧軟體就業前景怎麼樣

首先，當前人工智慧專業的本科階段教育才剛開始開展，就業情況尚不得而知，但是從目前人工智慧方向研究生的就業情況來看，人工智慧專業未來的就業前景還是非常值得期待的。

長期以來，人工智慧領域的人才培養一直以研究生教育為主，一方面人工智慧領域的學習對於基礎知識的要求比較高，另一方面人工智慧相關方向的學習對於教育資源的要求也比較高，這是導致人工智慧領域人才培養難度大的重要原因。由於研究生培養能力有限，所以在人工智慧成為科技領域熱點的同時，人才短缺的現象就比較突出了，這也是一部分高校（重點高校）在本科階段設立人工智慧專業的重要原因。

雖然人工智慧專業當前的就業前景比較廣闊，而且人工智慧領域的發展空間也非常大，但是近兩年的崗位釋放量並不算大，尤其是演算法崗位，甚至出現了一定程度的萎縮（數量和待遇均有不同程度的萎縮），這與當前人工智慧產品落地應用困難有較為直接的關系。在2019年的秋招中，也有不少人工智慧方向的研究生選擇了大數據相關崗位，這是之前很少出現的情況。

雖然當前人工智慧領域的人才招聘沒有前幾年那麼多，但是從人工智慧行業發展的基本面來看，這種情況應該是一種階段性波動，未來人工智慧領域的人才需求依然會出現一個長期的增長態勢。

最後，如果計劃選擇人工智慧專業，最好讀一下研究生。

3. 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。

4. 基礎數學專業研究生能成為演算法工程師嗎

可以，但是不建議。
第一，從2018年秋招情況來看，目前演算法崗已經爆炸，報錄比例驚人，大部分人都很難找到合適的演算法崗位。
第二，現在大家一窩蜂的都轉行做演算法，你們想想畢業找工作的時候壓力得有多大。
第三，往計算機方向轉一定要選對小方向。其實互聯網行業很多研發崗位非常缺人（測試開發、安卓ios客戶端開發、java前端、大數據開發），但校招卻沒幾個人願意投（因為大家都在投演算法崗）。
第四，最後很多想做演算法的人內心os大概是這樣的：「演算法多高大上啊說出去也好聽，我要是研究生畢業去做安卓開發，那多「掉價」啊」；「做演算法不需要了解那麼多枯燥的計算機基礎知識，我也沒功夫花大量時間去訓練我的代碼能力，只要數學過關就行」。

5. ai技術就業前景

現在的求職狀況是競爭非常激烈。如果說7、8年前的狀況是各個專業轉CS的話，現在是全民轉AI。各個專業的，例如自動化、微電子、機械、通信、電子信息、材料專業，都有大量的學生在學習機器學習(主要是深度學習)。19年8月份幫忙面試了6個提前批的應屆生，都是985和211的，好像沒一個是計算機專業的，（不過以前並沒有人工智慧專業，大家好多都是非計算機專業的）但是印象中好像有四個同學回答的還是可以的。從ResNet到MobileNet，從SVM到XGBoost，都回答的頭頭是道（但是都不是很深）。另外，有個朋友做AI社區的，把我郵件放到他們的內推文章了，結果我收到了接近50份左右的簡歷，基本985、211、普通一本的都有，想當年，我參加17年秋招，投遞我就職的公司（CV四小龍）的人還很少，去東南大學的校招才十來個人參加，曠視在南京大學的宣講會留下來參加筆試的，也應該沒有40人。現在的情況是，211以下的基本很難找到AI獨角獸的演算法崗位了，除非是你有非常厲害的特長。依圖今年的演算法崗位競爭據說100:1，進BAT的演算法崗更難。當前的AI狀況是，學術界的研究熱點已經從感知智能轉向認知智能了，在CV方向，感知的基礎演算法（例如ResNet、SSD、YOLO、UNet、FaceNet、ArcFace）都是2018年前提出的了，2019年有突破性的、實用性強的演算法基本沒有出現了。深度學習演算法增長增長緩慢後，導致的結果：基礎的演算法越來越模塊化，調用它的技術含量也越來越低，演算法被越來越多的人掌握，大家都會BP推導，都能講清楚ResNet、SSD、YOLOv3的原理，導致競爭空前激烈；公司對演算法工程師的需求數量降低，至少不需要再養很多人去發論文了。公司對演算法模型的需求，在收集整理好數據，直接調用模塊化的演算法去訓練，甚至使用AutoML來自動搜索模型架構就好了。現在AI獨角獸應該都在把重點轉向產品，或者收縮戰略，集中到核心場景中了。就像近期地平線裁撤AIoT部門不少員工，將重點收縮到占公司收入大頭的自動駕駛相關產品的研發中了。我猜測，後面各個AI公司會精簡優化規模龐大的研究院，分流到相應的產品部門去。我並不是要看衰AI，個人後面的創業方向是做一個服務AI公司和個人開發者的產品，所以AI越繁榮，其實對於個人來說反而機會越大。只是，我越來越覺得，後面應該不存在體量龐大的AI公司，而應該是各個以AI為核心的產品公司，例如做工業檢測、物流機器人、自動駕駛、智能安防、智能醫療、智能客服的各個產品公司。做在線演算法API服務的，大概率會集中到BAT、華為這幾家出售雲服務的公司（API搭配他們的雲計算出售）。而純做演算法的公司，肯定是規模小，團隊精悍，聚焦有限幾個特定場景的公司。另外，雖然演算法崗位去大公司和明星公司比較難，但是去規模中小的公司還是不難的。畢竟我國又不是只有BAT 、TMD、 華為、商湯、曠視這幾家，中國還有多少萬家做演算法相關產品的小規模公司呢。如果非常想去大公司，可是演算法能力又沒那麼硬核，可能還是做前後端、客戶端開發進去的概率更大。寫了一篇更系統的文章假期在家，寫了一篇關於中國AI公司發展前景的文章，對AI發展感興趣的知友可以關注一下關於應屆生offer選擇的建議，請看這篇：————————————————————————————————————文末打個廣告，我開了一個公眾號：AIZOO，會在裡面分享人工智慧相關的實用的、前沿的技術和資訊，歡迎大家關注。

6. 2020年，人工智慧演算法工程師就業競爭壓力多大

從當前人工智慧領域的發展情況來看，2020年演算法工程師的崗位競爭壓力是比較大的，主要原因集中在三個方面。

其一是當前演算法工程師的整體人才需求增量正在趨緩，這一點在2019年的研究生秋招時就有比較明顯的體現，不少打算從事演算法崗位的研究生最終選擇了開發崗位。
其二是人工智慧領域的創業熱點正在從技術創新向應用創新轉移，隨著大型人工智慧平台的陸續開放，這一趨勢會越發明顯。所以大量技術研發能力較差的中小技術團隊將轉向應用領域，這導致演算法工程師的就業渠道正在集中到大型科技公司，所以競爭也會更加激烈。
其三是目前有大量的研究生希望從事演算法工程師崗位，這也導致了演算法工程師崗位的競爭越來越激烈。實際上，當前計算機視覺、自然語言處理這兩個領域的研究生還是存在一定就業壓力的，因為前些年這兩個領域熱度很高，人才招聘量也非常大，所以不少研究生都選擇了這兩個方向，但是由於人工智慧產品在落地應用的過程中遇到了一定的障礙，所以也在一定程度上影響了人才需求。
雖然演算法工程師的就業競爭壓力比較大，但是從產業互聯網發展的大背景來看，演算法工程師整體的就業前景還是比較好的，尤其在產業結構升級的推動下，大量的傳統行業企業都需要進行智能化改造，而這個過程也必然會釋放出更多的演算法崗位。
最後，對於當前要計劃從事演算法工程師崗位的人來說，一定要重視編程實踐能力的提升，這對於提升就業競爭力有明顯的幫助。

7. 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。

8. 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。

9. 演算法工程師也會遇到35歲這道坎么

一、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。二、在互聯網公司，偏離實際工程和業務的純演算法崗，很難給企業帶來實際效益，也會面臨淘汰。三、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。

10. 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。