编辑：忆臻

https://www.zhihu.com/question/342267611

本文仅作为学术分享，如果侵权，会删文处理

如何看待 2020 届校招算法岗「爆炸」的情况？

作者：Ted Lihttps://www.zhihu.com/question/342267611/answer/805334722

怎么看待？就是学生投机起来真的非常的疯狂。

从我一年多的面试经历来看，很多应届的小朋友可能看到算法岗位吃香，都纷纷从非CS科班转过来做算法，而且非算法不找。

他们可能上个培训班，去kaggle或者github上复现一下代码，把别人的论文代码复现一下，就赶紧往简历上写，然后面试的时候，被问到细节，一点也答上来。

有时候，我很无奈，就问一下语法，操作系统，数据结构，发现投机搞算法的人，基础居然出奇的差，有一次竟然被一个小姑娘反问，做算法为什么要问这些问题。小姑娘可能觉得，做算法的就应该问一下机器学习的问题吧，毕竟题都背好了，这个可恶的面试官居然不问。

无良的公众号，无良培训机构更是该被骂，每天虚假宣传，拉大大家的期待值，神话ai薪酬，增加行业浮躁。

CS圈子投机一直都很严重，以前投机做APP，投机做VR，投机做区块链，所以投机做AI一点也不奇怪。天天劝退这个，劝退那个，条条大路通投机，行业鄙视链越拉越长。

希望学生朋友们，都去招聘网站上搜一搜看看开发岗多还是算法岗多，然后端正自己的心态，找适合自己的工作。

作者：Ted Lihttps://www.zhihu.com/question/342267611/answer/805334722

怎么看待？就是学生投机起来真的非常的疯狂。

从我一年多的面试经历来看，很多应届的小朋友可能看到算法岗位吃香，都纷纷从非CS科班转过来做算法，而且非算法不找。

他们可能上个培训班，去kaggle或者github上复现一下代码，把别人的论文代码复现一下，就赶紧往简历上写，然后面试的时候，被问到细节，一点也答上来。

有时候，我很无奈，就问一下语法，操作系统，数据结构，发现投机搞算法的人，基础居然出奇的差，有一次竟然被一个小姑娘反问，做算法为什么要问这些问题。小姑娘可能觉得，做算法的就应该问一下机器学习的问题吧，毕竟题都背好了，这个可恶的面试官居然不问。

无良的公众号，无良培训机构更是该被骂，每天虚假宣传，拉大大家的期待值，神话ai薪酬，增加行业浮躁。

CS圈子投机一直都很严重，以前投机做APP，投机做VR，投机做区块链，所以投机做AI一点也不奇怪。天天劝退这个，劝退那个，条条大路通投机，行业鄙视链越拉越长。

希望学生朋友们，都去招聘网站上搜一搜看看开发岗多还是算法岗多，然后端正自己的心态，找适合自己的工作。

作者：Zhiminghttps://www.zhihu.com/question/342267611/answer/805723045

大家可能没有分清楚两个概念...算法工程师和算法研究员是两个职位，现在可能不是很明显，但是我相信这应该就是以后的趋势。

算法工程师的本质还是工程师，从推荐系统方向来说，除了要求你读paper，复现paper之外，还需要会使用Spark这种大数据处理工具，会写shell脚本，跑个数据能不能开多线程跑，模型代码出了bug怎么定位...这些都是计算机系的基本功，更不用说模型上线就是一个复杂的C++工程了。企业对于一个工程师的要求简单来说就是”能干活“，”把活干好“，所以只停留在书本上是没办法成为一个”工程师“的。

还有很关键的一点，算法工程师研究算法的终极目的是服务业务，所以对业务有没有很深刻的理解非常重要，没有办法落地的算法，没有拿到指标收益的算法，即便再fancy，在学术界再amazing，在工业界也是吃不开的。

算法研究员就不说了，这个岗位我觉得本来就应该博士起步吧...

作者：沈世钧https://www.zhihu.com/question/342267611/answer/805532525

从理论上分析，算法岗大爆炸（就业难）是必然的，只是时间早晚的问题。

算法岗不是劳动力密集型

以我所在的事业部为例，算法工程师和软件工程师的比例达到了1:4。

因为，对一个公司来说，算法是基础，在此之上能够开发出各种应用。这就注定了，软件开发的需求要远远大于算法的需求。

就拿人脸识别算法来说，算法部门只需要推出一个版本的算法（以SDK的形式），软件研发部门就可以在此基础上，开发出诸如视频监控、闸机等各种应用。

而对底层算法来说，无论是对外的接口，还是内部的架构（例如深度学习），都有着相当的统一性。因此，就算法来说，维持一个精干的，高水平的团队，对全公司的业务支持来说，是完全可行的。

这也是为什么，在算法招聘市场上，用人单位会对应聘者的资质要求那么高（学校、资历、论文等等）。就是因为算法有很强的理论性，以及技术统一性。一个精干的团队，如果有一两个一流的专家，最终的产出，就完全可以吊打那些虽规模巨大，但皆由平庸之辈构成的团队。

这也是为什么这两年在深度学习领域，出现了很多在学术界、产业界都声名鹊起的科学家（例如深度学习三巨头，吴恩达等）。这也在某种程度上说明，在深度学习领域，“英雄”对行业的推动还是决定性的。

这也就决定了，那些在技术前沿竞争的大公司，在招聘算法工程师时，一定会坚持“宁缺毋滥”的原则，因为多了也没有用。

但软件工程师就不一样了。

虽然就软件工程师（例如Java后端工程师）的技能来说，也存在通用的地方。但对一个在市场上打拼的公司来说，客户（各种项目）的需求千差万别，各种促销活动迎接不暇（例如双十一），用户体验需要不断改善。因此，对“业务”软件工程师的需求也必然是巨大的。

虽然就关键技术来说，一个高水平的软件工程师所产生的生产力数倍于平庸者。但就开发日常来说，有太多的工作都是高度重复，缺少技术含量的活（例如增删改查）。

但另一方面，虽然这些工作技术含量不高，但代码终究还是要程序员一行一行垒出来的。所以，对企业来说，就不得不长期维持一个规模巨大的软件开发团队，从而造就了一个规模巨大的就业市场。

除非有一天，软件开发也能被AI替代（理论上是可以的）。

算法的门槛没有那么高了

算法研究的基础是数学。按照当前的技术发展，本科数学是不够用的。因此，在招聘市场，算法岗的最低学历也得是硕士。

但是，在当前的深度学习领域，就公开框架的学习，理论结果（各种出版物、论文等）的研究。对一个受过系统数学教育，智力正常的研究生，完全没有障碍。

而且，随着这两年AI的大火，相关的技术和理论已成为了一门“显学”，公开的技术和资料越来越多，可谓“太阳底下无秘密”，先入者的红利早已不存在了。

也就是说，在早前，在人工智能（主要是机器学习）还相对神秘的时候。一个研究生，掌握了基本理论，能理解及搭建开源框架，就能找一份好工作。但现在水涨船高了，靠通过机械学习而掌握的这些知识是远远不够的。

因为门槛低，所以掌握的人就多，在加上算法团队更倾向于规模不大，但高度精英化的团队。所以就导致了“僧多粥少”的局面。

而现在在各大公司，基本的深度学习框架已经搭建完成，往前走，就只有两个方向。

一个是继续收集数据，喂给搭建好的深度学习框架，从而让当前的算法不断进化。

例如，对人脸识别来说，各家基本的准确率已差别不大。大家的竞争已经朝向了一些边缘问题（例如活体检测等）。

当然，这方面还是需要不少人力去做的。但是，这些工作的技术含量却显然不高。在业界，有很多公司已经不愿再投入太多研发在上面，要么从第三方买数据，要么是把这些工作外包出去。

也就是说，喂数据，调参数这种工作，正逐渐从高端就业市场剔除出去。

另一方向是，在深度学习领域，各大公司的发力重点是把技术往更前沿推，研究新的理论，实现新的框架。

例如当前的主流学习框架还是基于数据，有人守护的学习模式。但未来的趋势应是自学习，无人守护的模式。

而做到这一点，后来者想要入行，就不能单靠机械的学习了。而是要基于天赋、灵感，甚至是运气。这也注定了能站在这个层次的人必然是少数。

基于上面的分析，我们可以得出的结论，未来，创造性的，高收入的算法职位，随着时间发展，一定会越来越少。后来者想要入行，也会越来越难。

未来，随着深度学习框架的下沉，高价值应用领域（例如人脸识别、自动驾驶）被逐渐瓜分，整个AI行业，必然会越来越呈现出精英化的趋势。

说来也讽刺，今天，我们对未来的一个预测是，随着对人工智能的普及，越来越多的劳动岗位被机器替换。未来，还需要劳动的只是少部分天赋异常的精英。

但没想到的是，人工智能时代虽然还没有来到，但在人工智能的研究领域，这个预言却首先实现：

平庸的AI从业者正逐渐失去工作。