来源：https://www.zhihu.com/question/347545092

编辑：深度学习与计算机视觉

声明：仅做学术分享，侵删

最近小伙伴都闷在家里了，该干嘛干嘛，关键是等出来了，千万不要变成什么都不会的了，"弯道超车"的时候到了，来，算法工程师看看别人眼中最差的那个是什么水平!

作者：Guosheng Hu
https://www.zhihu.com/question/347545092/answer/934820526

真事。这周面试了一个候选人，面CV/DL/AI的TechLead。简历很牛逼，做过很多CV的工业项目，涵盖detection, OCR, face recognition, fire/smoke detection等好多项目. 给我们讲了45分钟做得项目，讲得很自信。我挑了一个大项目，我说你在这个项目中的贡献是什么？他说整个项目的所有算法部分都是他实现的。

OK,我开始进行深度学习的技术面。

我先问了两个深度学习的中等难度的问题，他都说不知道。有点冷场，那我赶紧问点简单的吧。我说，深度学习网络，进行分类时有哪些loss?他犹豫了一下，回答: relu.

瞬间把见过大场面的我还有同事都震住了。

作者：Towser
https://www.zhihu.com/question/347545092/answer/974442143

吐槽一下面试中遇到的奇葩：

1.我问已知上文想预测下一个词，怎么做？结果他说，先找人标数据，然后训练一个CRF……

2.猎头推荐了一个候选人，简历看着还不错，约了面试。结果这人非要把他写的一个技术文档让猎头转给我看一下，我就只好看了。点开pdf文档，里面讲用MLP做文本二分类，他用了两种方法，分别是随机初始化的词向量和预训练的词向量。两种方法的准确率分别是……49.9%和50.1%……然后得出结论预训练词向量比随机初始化要好……于是我默默取消了面试安排。

作者：纳米酱
https://www.zhihu.com/question/347545092/answer/935600631

算法领域强者如云，我拿着问题咨询了一位大公司的朋友，希望给自己定定位。该朋友为人幽默，而且水平十分高，差不多能够一个指头秒杀我那种，他对这个答案的回答是：

"我听过一个江湖潜规则，每一个大公司团队都会招一个特别不着调，水平也不行，智商也比较低的算法工程师，用来背低绩效。

当组里成员感到职业发展太难的时候，就会下意识看看那个人，这样，心里就会有莫大的安慰。

我当时下意识地看看周围的同事，发现他们都不符合这些描述。"

作者：武博文
https://www.zhihu.com/question/347545092/answer/910099955

这个问题太适合在企业的算法工程师来回答了，好的算法工程师/研究员千篇一律，差的算法工程师真的是千奇百怪，但是非要说最差，那想必是如下这个层次所象征的一群人：

1.（研究型）吹水为主，但善于（乐于）”分享“，尤其是通用型、非深度型知识。如果只是这样，其实还好，还算不上差。但是再加上在几千的数据集上玩转着各种汹涌磅礴的End2End Deep Model，甚至模型还带着各种bug，在过拟合的时光中甚至麻痹了自己总结出一些几乎可以说意淫出来的结论。毒害自己也就罢了，可恨的是还有这种背景的工作在顶会发表出来，在知乎or other各种平台宣传出来，被各种入门的同学所追捧。所以，研究层面，这是我所见识过的差吧。

2.（产品型）刚才说的场景可能偏学校或者研究部门，那这里要说的就是偏解决产品问题的算法工程师了。当然，属于1的筒子到了2岗位也自然会不甘示弱成为奇葩，但是2又有一些独特的个体。我所见识过的这样的筒子以大数据之道绑架旁人，嘲讽着别人的数据为鸡肋，非海量样本不统计；以调包侠之道欺骗自己，写着漫天的bug，调用着使用了数以月记的高star项目还不知道这个东西到底是什么的开源工具，被庞大的用户粘性欺骗了自己，以为自己站在机器学习制高点，改变世界的一群人。

1和2看起来像是笑话，也希望大家以笑话待之，但是可以保证的事此类事情无一夸大，均为非亲眼所见不敢相信的事实。感谢他们扩宽了我的眼界，不求抨击，但求以反面要求自己，能成为一个还不差的算法工程师吧。

作者：盛夏的果

https://www.zhihu.com/question/347545092/answer/840206839

0级算法工程师——只知道神经网络和几个名词，这一级的人一谈到算法和人工智能，无脑牛逼(或无脑diss)就完事了。

1级算法工程师——拜读过西瓜书/小蓝书/花书，看过算法视频教程，对算法基础知识有一定的了解;掉过几个算法包，跑过几个模型和典型数据。这一级通常是调包侠，调参怪。口头禅:xxx算法模型是真的强!实际上对于算法原理思想一无所知，看的书也只是囫囵吞枣。

2级算法工程师——参加过一两个算法竞赛/项目，跑过知名的几个效果好的算法模型，并且获得了中规中矩的成绩(前10-20%)。此时认为算法不过如此，数据处理、特征构建、模型选择无非那么几种套路，仅仅靠着模型融合和毫无想法的数据处理过程来上分。这一级充斥着大量的校招算法工程师，承担着大中厂算法岗炮灰的角色。

3级算法工程师——参加一些算法竞赛并获得比较靠前的名次，对于使用的模型和方法有叫深入的理解，竞赛中存在独立和较深刻的思考。或者有关于算法项目相关的论文。这一级在基础算法能力上来说已经过关，可以找到还不错的工作。比较容易担忧的是自身的工程能力。

4级算法工程师——除了比较扎实的算法基础外，还有比较不错的工程能力。不仅理论知识过关，同时能将算法结合到业务场景、实际项目当中去，并对算法本身进行一定的更改以适应背景。这一级的人已经能成为offer收割机了，往往能拿到心仪的offer。

(我认为四级已经是绝大多数算法工程师的上限，对于工程师来说继续升级需要的是对相关业务的理解、敏锐度和工程能力了，超越了“算法”本身的范畴)

…………

N级算法工程师

对于现有的算法进行创新和改进/开发算法框架造福AI领域等造成比较大的影响的巨佬。这一级答主根本无法想象那种高度，实属算法领域的大牛级人物。

作者：CKLSniper
https://www.zhihu.com/question/347545092/answer/945390536

这年头能够保持面试的时候把聊天顺下去我觉得就很好了。

就这两个月的事情：

面试A：简历上写着”精通解决高方差高偏差问题“。想让该候选人推导一个误差的偏差方差分解，顺便聊聊boosting和bagging。先打开话题：什么是方差和偏差。答曰：不知道。话题就死在这里。

面试B：简历上有卡尔曼滤波的经验。想让该候选人推导一个已知联合高斯分布求条件高斯分布的公式，并聊聊线性高斯系统与隐变量模型。先打开话题：什么是卡尔曼滤波。答曰：不记得了。话题就死在这里。

面试C：简历上有降维的经验。想让他从PCA入手往下聊。先打开话题：什么是PCA。能给一个标准答复。继续：什么是特征值，答：不知道这个概念。话题就死在这里。

作者：桑楡
https://www.zhihu.com/question/347545092/answer/935386539

不考虑部分除职位名称之外和算法工程师没有任何关系的「算法工程师」。

1.觉得「深度学习」是万能的；觉得任何问题都能用「深度学习」来解决；觉得任何问题都应该用「深度学习」来解决；觉得「深度学习」是决策树类算法的上位取代；

2.觉得效果达到90%就是做得很好，效果只有50%就是做得很差；

3.分析问题时，喜欢先确定结论再找证据；

4.解决问题时，喜欢先确定方法再看数据；比如先确定「这个任务我要用图神经网络来做」然后再看有哪些可用的数据，数据量如何；

5.认为复杂的方案一定更好；

6.认为自己没听说过名字的方法一定更好；

7.认为论文或各种资料中的结论一定是正确的，认为论文或各种资料中提到的算法一定有效（尽管自己也经常发论文）；如果有人通过实验推翻了那个结论或是判断那个算法无效，那一定是这个人的实验搞错了；

8.认为创新性远比效果重要；认为只要有创新，就一定有意义（哪怕效果极差）；

9.认为可解释性远比效果重要；（注：并不是说可解释性不重要，而是说很多解释根本就是强行解释，并不是现象的真正原因；而很多人只需要一个能唬住自己，使自己看不出有什么问题的解释。）

作者：资深AI民工老苗
https://www.zhihu.com/question/347545092/answer/862283360

见过很差的但一直不确定什么是最差的。
我觉得最差的并不是什么包不会用，什么代码不会写。而是自己什么都不懂却自以为是的指导别人做一些愚蠢的又费力不讨好的工作。比如，一个轮子别人实现的很好， 只需要稍加修改就能为我所用，非要让下属自己造一个，由于自己理解的问题，强行认为开源工具的轮子不符合业务场景等等。无法说得太具体，怕被打。。。。。。

不断更新资源

获取更多精彩

长按二维码扫码关注