编辑：Charlotte

https://www.zhihu.com/question/344122516

本文仅作为学术分享，如果侵权，会删文处理

作者：周国睿链接：

https://www.zhihu.com/question/342267611/answer/808162979

说实话我觉得算法工程师这个岗位名字的设定真他娘的是个天才想法，短短几年时间就把应届生的技术栈全盘改变了，毕竟大家都是面向找工作学习嘛。可是迎风而上能飞得快一时，要飞得长远还是看个人实力的成长呀。

我觉得题目把算法工程师简化为算法岗就已经说明问题了。算法工程师首先是工程师，然后才是算法工程师。有时候可能同学们太忽视工程师方面技术栈的培养了，这样适应性会比较差一些，个人价值的销售和转化出口也会窄一些。

挺多同学都在讨论顶会paper和应届找工作的关系。这个东西我个人感觉既不是充分条件也不是必要条件。可能对做偏研究的team帮助比较大吧。但是对于那些真刀真枪在业务上厮杀的team，可能没那么大的帮助。至于那些有业务又做研究的team，那就是既要...还要...且要...了。

自己有paper，有研究工作，可以帮助在面试过程中打开互相交流的话题。但是最终还是看个人的思考、工作、认识是不是足够完整、深入，有没有个人的特色。

工业界的大部分岗位要求的能力可不是在已有的学术上游上缝缝补补，做个实验，刷个指标。要的是能实实在在的做出结果，为公司带来真正的价值。同时要想过的好，你还得保证自己有持续不断产出价值的能力。这就不仅仅要求大家的技术实力增长，还得要求有良好的沟通协作能力，有坚毅的内心，对比较长周期的工作有良好的节奏感等等。所以在对应届生候选人筛选的时候，会尽量从各个侧面发掘和评估候选人的潜力以及岗位匹配程度。

大多数公司对优秀且适合的同学是没有HC限制的，只要个人有满足岗位的能力，竞争者再多都不会影响到大家找到好的工作。

作者：Ted Li链接：

https://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：御风链接：

https://www.zhihu.com/question/342267611/answer/807395286

哪是学生投机，分明是老师投机啊。说到底还不是论文超发的锅？

今年CVPR一个会录了1300篇，IJCAI 850篇，AAAI、NIPS都是千篇上下吧？这一个会的录取量吊打其他方向一个领域问题不大吧？而且就算是非AI方向的顶会也很热衷于录AI与本子领域结合的论文。

我们都开玩笑，算法领域真是硕士生到商汤旷视实习几个月就能发顶会。而系统/网络等领域，除了极个别的水会，多数真的是博士搞一篇出来都很厉害。结果就是一堆搞数据库的，操作系统的，图形学的，信息安全的老师也不管自己懂不懂，通通逼着学生去结合AI搞他们靠谱或者不靠谱的点子。研究生阶段大家就天天import tensorflow as tf，毕业了可不一窝蜂算法？

我春招就发现这个情况了，论文超发的情况下，转行的已经基本告别算法了。实际上哪怕是CS的非要去怼算法那真是想不开。大厂现在算法跟开发白菜基本一个价，至多算法多一两千。唯一的区别是，算法更容易爆出惊人的SSP，但考虑比例，差别也没那么大。校招转行的同学最好的方向还真是前端或者APP开发，缺人缺的一塌糊涂。

作者：Zhiming链接：

https://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：江宝链接：

https://www.zhihu.com/question/342267611/answer/807619068

我，2020，非科班转行做算法，我来从我的角度说一下吧。其实你们骂的是对的，很多道理我都知道，做算法趋之若鹜我也知道，算法过热饱和我也知道，非科班做算法基础薄弱我更知道。有什么办法，本硕都是机械的，c9，毕业就面临失业，但凡就业环境好一点，都不至于转行过来。因为出来工资只有六七千，甚至五六千，怎么活下去？有些人就站着说话不腰疼：你活不下去关我啥事，自己选的专业自己就该扛着。你说这话是因为你不在我的位置，所以我的死活与你无关，你辛辛苦苦读20年书，进入一流名校，出来拿底薪，你也不会甘心。不甘心，能怎么办？

只能转行，人是不可能在一棵树上吊死的，至少我不会，我承认我是为了钱，我承认我是为了生活，我为了利益，我趋之若鹜，我随波逐流。回答这个问题的同学大多是计算机的吧？经济学里面有个词叫幸存者偏差，大概你们就会想：这一群非科班的沙雕，自己在本专业混有啥不好的，干嘛要来和我们抢饭碗，扰乱了市场，我们每天996，叫苦不迭，你们图啥。你去看看传统行业的薪资水平（机械，化工，土木等），你以为现在盛世之下人人安居乐业，动不动就跟某脉上面的人一样，整天问月薪三四十k的我什么水平，总包150该不该去。是不是这样的？大家有时候怪推荐算法限制了我们的视野，其实每个人在自己的环境下，都只能在自己的维度下认识这个世界，都一定程度上觉得生活应该是周围的人的样子，大家应该都是这个样子，至少不会太差，那请你去看看，这个时代下，除了互联网，还有几个行业能上台面。

跑题了，转行，转行做什么？我实话说，我本科刚毕业的时候，也就是两年前，我连算法工程师听都没有听过，是真的听都没有听过,，知道17年秋招的时候看到了这样的一个职业，在宿舍楼下一张桌子上捡到一张传单，某武纪，开出了30-50w的薪资招算法工程师。实话说，对于目睹师兄师姐下车间，进车企，进恒大卖房子的就业惨状，我觉得我还是可以抢救一下的，这大概就是转行的契机。

所以我和一般在秋招的同学才开始转行的还是有一点不同，我从研一就开始下定决心转过来。其实对于我们转行，面临的压力真的不小，一旦没转成功，原来的专业早就荒废，两脚踏空，这些我都是有心理准备的。我看了评论转行的同学真的不少，转行之前我们学的理论力学，材料力学，流体力学等等，哪个我觉得叫计院科班出身的来学都不敢说轻松吧？既然我们高考分数也不比你们低，学科也不比你们容易，凭什么毕业就要失业呢？不能转行，还骂投机？

中途进修闭关的历程就不说了。总之现在已经成功上岸了，至于你问我为什么不转行去做开发，这里我真的要诚实，开发涉及的知识并不比算法少，我是真的没有能力，没有信心去搞开发。对于算法，由于我的数学基础还行，其实多看两遍，感觉也就那么回事了，当然要精进，还需努力。

好了，无缘无故扯了这么多，到最后说一下我的一些建议吧。

1. 如果双非院校，算法劝退，不要听网上培训班3个月挑战年薪40w, 有，那是凤毛麟角，你有那个实力和耐力，你为什么还在双非里面混；

2. 如果非科班转，算法慎重，尤其是今年秋招，你现在才准备的，小厂忽悠，大厂没戏；

3. 如果你是传统专业，（不要问我哪些是传统的），打算转计算机，我劝你好好学c, c++,java,开发的需求大概是算法的50倍以上

4. 如果你现在是研一研二，要转算法，我劝你早做准备，尤其加强代码能力，忽悠大家都会，代码是不会骗人的

5. 如果你是计算机的，天生就有开发的优势，不要去和985的拼算法，他们吹的牛比你见的牛还多

6. 今年环境都不好，不要一味地鄙视转行的，我们选专业的时候，为中国制造强，为民族事业兴的心，是真的 。

7. 但凡有一点办法，我都不会在这里写这篇帖子。

更新一下，有同学不信我们专业有这么惨，爆一张图。

你看，连传统车企今年都点名不要我们专业，造车的不收机械的，你见过吗

作者：死月絲卡蕾特链接：

https://www.zhihu.com/question/342267611/answer/817277832

供求之外的算法工程师们，补补基础吧。不是说能搞模型就好了，现在的“算法”含义好像已经开始变质了。模型练好了，写代码的时候 Bug 一堆，性能被对手秒杀，有什么用呢？

而下面的这段话，应该会被一类“鄙视刷 LeetCode 的人”鄙视吧。毕竟 DP 这类东西有什么用呢？刷题有什么用呢？

为什么 CS 是一门学科，物理学家数学家们也是够聪明啊。存在即合理，不能地基没搭好就往上面盖房子。

如果认为 LeetCode 太水，可以去玩 TopCoder / CodeForces。如今 AI 顶尖的大神们可有不少都是上面这些东西的大神，都是通的。但如果一边认为 LeetCode low，然后一边又连 LC 的题都刷不利索，就有点说不过去了。

学术除外。（但我也不认为学术做得好的就可以无事 CS）

盗用李开复的话：

还记得 1988 年贝尔实验室副总裁亲自来访问我的学校，目的就是为了想了解为什么他们的语音识别系统比我开发的慢几十倍，而且，在扩大至大词汇系统后，速度差异更有几百倍之多。他们虽然买了几台超级计算机，勉强让系统跑了起来，但这么贵的计算资源让他们的产品部门很反感，因为“昂贵”的技术是没有应 用前景的。在与他们探讨的过程中，我惊讶地发现一个 O(n*m) 的动态规划(Dynamic Programming)居然被他们做成了O(n*n*m)。更惊讶的是，他们还为此发表了不少文章，甚至为自己的算法起了一个很特别的名字，并将算法提名到一个科学会议里，希望能得到大奖。当时，贝尔实验室的研究员当然绝顶聪明，但他们全都是学数学、物理或电机出身，从未学过计算机科学或算法，才犯了这么基本的错误。我想那些人以后再也不会嘲笑学 计算机科学的人了吧！

看完以上回答后，Charlotte总结了几点：

1. 不要盲目转算法。结合自己能力和优势来选择合适的岗位。

2. 先练好代码能力，算法工程师首先是工程师。

3. 提前布局，做好准备。

希望现在秋招的同学们都能获得满意的offer～

「 更多干货，更多收获 」

推荐系统教程之九：解密“看了又看”和“买了又买”（Item-Based）

深度学习与推荐系统完结篇（知识、论文、源码、数据集&行业应用）

【推荐算法】基于关联规则的推荐算法及业务实践

【推荐算法】基于用户和产品的协同过滤算法

【推荐算法】基于内容的推荐算法

【推荐算法】基于流行度的推荐算法

【推荐算法实践】音乐歌单智能推荐

推荐系统召回四模型之：全能的FM模型

全面揭秘快手和抖音的内容推荐算法

今日头条推荐系统原理

feed流设计：那些谋杀你时间的APP

如何搭建一套个性化推荐系统

从零开始搭建创业公司后台技术栈

关注我们

一个「在看」，一段时光！?