点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

导读：你见过最差的算法工程师什么样？"百度百科型选手？"、"播客型选手？"、"Github型选手"、"名词流选手？"、"潮流型选手？"，小编今天给大家分享点轻松的话题。小编最近在浏览知乎大佬文章的时候，发现了一个有意思的话题："你见过最差的算法工程师能差到什么程度？"。吸引了3,858关注者、被浏览6,036,194次，多位知乎大佬参与了回答。

今天小编特意为大家推荐几位知乎大佬 ( Xiaotian ZUO、LinT、纳米酱、王喆 ) 高赞的答案，大家一起来看看，都有哪些有意思的故事吧~~

答主的亲身经历~

坐标法国，某银行投行。

前年年初，项目主管招进一个data scientist，突尼斯美女，在法国念的博士，机器学习专业，简历上精通Python和R，人工智能算法工程师，某专业大数据咨询公司咨询师。被塞在了我手下，帮我处理数据做深度学习。

一上来先找我要了两篇论文啃。这在法国同事中不常见。顿时觉得，这个博士不光有颜，还有实力。

一个礼拜后我开始让她动数据，布置了几个小任务。半个小时后她过来问我，为什么一个10k的文档读出来size很小。

我至今都记得这两行萌到销魂的代码：

file = "d:\\data\\test.json"
len(file)

九个月以后她辞职了，被一个法国自动驾驶公司高薪聘走。

走之前问我的最后一个问题是，K-Fold和Cross Validation有什么区别。也怪我，为啥常常混着用这两个词。

从此下定两个决心：第一，从此以后所有面试的我都亲自去面；第二，打死我也不相信法国的自动驾驶技术了。

经历过什么，才能总结的这么到位？

强答一波，讲讲在学校或网上见到的现象 ( AI方面，严格来说，这些人放到今天的行业标准下，基本不可能成为一名算法工程师 )。

( 纯属吐槽，请勿对号入座 )

百度百科型选手/PPT选手：常见于各类创新竞赛、课程答辩，张口闭口一定是「人工智能」「神经网络」，上来一定要气压群雄，尽管对各类AI问题的进展没有任何了解，但是在他们这里，各种算法一定是封装好了，准确率100%，拿来就可以用 ( plug-and-play ) 的。什么文本情感分析做舆情监控啊，人脸识别智能面试啊，不在话下，张口就来。

博客型选手：大概率尝试过Andrew Ng的网课，但大概率没看下去，手里一定有一本Python深度学习，对原理不求甚解，数学公式大概都不想看，论文不想读，辗转各个博客网站希望找到一个好一点的解读；跑了一通实例代码，很有成就感，可能会在某个博客网站发布一篇博客，标题诸如《自然语言处理入门-XXX》，成功为网络贡献一篇与其他博客雷同率90%的文章，虽然文章名字像是一个系列，但是相信我，他大概率不会再发布同系列的文章了。

Github选手：常常和PPT选手合作，拿到需求，「人脸识别是吧？」，Github一搜，好多仓库，全克隆了再说；挑挑拣拣，调试了半天，依赖装完代码跑通了(没有error)，任务完成，功德无量，接下来的任务交给其他队友！

AI+型选手 ( 教师 )：传统方向出身，没有学过ML/DL，在AI兴起以后，把DL当万金油用，深度学习预测地震啊，深度学习验证软件啊...管它什么数据驱动不驱动，经费拿到手就行了。这类老师对AI的认知可能和PPT选手差不多，比学生多的本领就是写本子、打招呼了。带一个PPT选手加一个Github选手，基本上可以在各类创新竞赛/项目中拿到还不错的成绩。

名词流选手：行走的AI术语词典，讨论问题时就喜欢堆砌名词，但从不解释，故弄玄虚，让外行有一种「不明觉厉」的感觉，其实一些言论根本经不起推敲。

潮流型选手：走在AI潮流前列，除了最新的算法，其他的都是垃圾，「不加attention？你这算法不行！」，「2019年了，还用概率图模型？！」这类人对算法应用场景一无所知，对新算法的狂热程度堪比娱乐圈流量小生的疯狂粉丝们。

何去何从型选手：多半是半路出家，转行想做AI的，但是奈何基础弱，一心只想挣大钱，所以会很迷茫，于是到知乎抛下一个问题：「非cs科班可以学xxx吗？」「本人xx，应不应该xxx？」。奈何这类问题没有什么深度，基本得不到什么可以参考的回答。这类人问题不在没有基础，而在没有主见。

读着读着就枯了~

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。

最差的算法工程师其实是什么呢？

有意思的故事还有很多，欢迎大家看看原文。小编在浏览了近100位答主的答案后，深深觉得，大部分被说成不靠谱的算法工程师还是在初学阶段，刚刚入职的情况。所以，希望大家都可以脚踏实地，保持谦卑心态，安安心成长。最后引用下王喆老师的部分回答，作为本次分享的结尾~

"最差的算法工程师其实是什么呢？是自己对技术的感觉很差，但对自己的感觉挺好，试图用一些比较fancy的手段解决问题，但实质上引入了更高的系统复杂度，增加了系统潜在风险，这样的人，其实对整个团队是负能量的存在，始终需要更senior的人帮着擦屁股，这无形增加了整个团队的工作量，这就是最差的算法工程师。

我特别喜欢的一句话是：

"不带评论的观察是人类智慧的最高境界"

希望刚入行的算法同事们能够知道这句话的意义，其实公司不急于让每个人都发表意见，在自己技术能力不那么足的时候，不带评论，不带主观情绪的去学习一段时间，好好思考一下别人为什么要做出这样的技术决策，好好积攒一下自己的技术感觉，这是最重要的。相信度过最初的积累阶段之后，你能够为团队做出，为整个系统做出"熵减"的技术决策。"

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~