AI时代就业指南:如何成为一名优秀的算法工程师?

1、算法工程师是做什么的?

广义上是指搞软件算法的,也就是开发和应用软件算法实现工业控制和程序处理。除了机器学习之外 还包括控制算法、图形算法等,狭义上现在谈算法工程师一般指的是搞大数据的,也就是数据挖掘算法工程师。

算法工程师在工作中主要会涉及三个方面的工作: 1、研究新算法或者在现有算法的基础上做优化:这时需要读一些研究论文,并针对自己所面对的应用场景,做专门的新型算法研究及对现有算法进行改进。 2、工程开发:将构建的算法通过代码实现,在数据集上进行测试,检验效果。 3、算法调整、参数调优:对于大部分的算法,构建好模型、代码实现只是最初的一步,更多的工作量是在对算法模型进行调整、参数进行调优,从而可以使得自己构建的算法可以更加匹配你所分析的数据,达到最优的效果。

具体研究领域为:

  • 推荐算法和协通滤波算法:就是各种推送系统的设计机制;
  • NLP:自然语言分析,在广告、推送系统、搜索工具这些产品中应用;
  • 语音信号处理:比如回路噪声抑制什么的,一般用在语音聊天,语音识别的前端检测;
  • 图像处理:基于OpenCV的图像处理算法,近一两年有被做深度学习的取代的趋势;
  • SLAM:集中在机器人定位导航上,比如无人车,扫地机器人;
  • VR,AR:涉及到的包括视频跟踪,SLAM,raytracing,几何投影等。

2、算法工程师的职位方向有哪些?

从专业领域可以分为:

  • NLP算法工程师
  • 视频算法工程师
  • 图像处理算法工程师
  • 音频算法工程师
  • 通信基带算法工程师
  • 信号算法工程师
  • 数据挖掘算法工程师

从工作性质也可以简单分为两类。其中一类是偏研究型的算法工程师,例如复现paper,改善模型,发paper,出专利,这一类人才大都是科研大佬。第二类则是更加贴近业务的算法工程师,不如称为「算法应用工程师」。这一类主要是与业务同事进行搭档,通过现有的一些成熟模型来帮助业务同学解决问题。一般我们接触到的都是算法应用工程师。

3、算法(应用)工程师的主要工作内容是什么?

首先针对特定的问题,选算法,算法一般都是现成的,研究新的算法是研究型算法工程师甚至是数学家的事情,大部分情况下,你只是应用算法。

之后就是对数据进行算法的验证,包括问题定义、数据预处理和模型评估几个阶段:

  • 定义问题:包括很多方面,例如业务需求、模型产出、变量的选择、目标的定义等等。
  • 数据的预处理:大多数情况下,数据并不是现成的放在面前,数据可能是原始的、底层的,甚至是非结构化的
  • 特征工程 : 简单的说就是筛选合适的变量并进行处理;
  • 模型评估:模型评估包含模型本身的性能、模型稳定性、变量的稳定性、可维护性等等方面,还要结合具体的业务指标进行验证。

然后就是调参数,选特征,调参数,选特征,调参数,选特征。然后做出特定模型的最优解。

最终,选择应用于产品的模型。

4、算法(应用)工程师薪资高吗?

算法工程师目前是一个高端也是相对紧缺的职位,通常是月薪20k以上,年薪30万以上,具体薪资可以到招聘网站如拉钩,猎聘网上看看。

推荐阅读:

20万、50万、100万的算法工程师,到底有什么区别?(点击阅读原文可查看)

5、算法工程师的招聘要求高吗?

现在国内公司对算法工程师的要求相对较高,尤其是学历方面,很多互联网公司(比如网易)要求算法工程师至少是硕士,但也有的公司(比如阿里,美团)不要求硕士学历。另外就是编程能力和算法应用能力。

以数据挖掘算法工程师为例,基本的要求如下:

学历:本科

专业:计算机、通信、应用数学、金融数学、模式识别、人工智能;

技术领域:机器学习,数据挖掘

技术要求:

(1) 熟悉常用机器学习和数据挖掘算法,包括但不限于决策树、Kmeans、SVM、线性回归、逻辑回归以及神经网络等算法;

(2) 熟练使用SQL、Matlab、Python等工具优先;

(3) 对Hadoop、Spark、Storm等大规模数据存储与运算平台有实践经验

(4) 数学基础要好,如高数,统计学,数据结构

加分项:数据挖掘建模大赛;

6、如何成为一名优秀的算法工程师?

学历:算法工程师对学历要求较高,如果你还在学校建议读个硕士或者去国外学CS;

数学:数学知识是必不可少的,需要了解概率论基本思想,了解向量、矩阵、导数运算;

编程:需要精通Python/C/C++其中一种编程语言,熟悉数据库的接口技术;

算法:需要熟练掌握数学建模、应用算法的设计和优化理论,熟悉关联推荐、SVM、逻辑回归、朴素贝叶斯等常见机器学习算法;

实践:参加ACM大赛,参加数学建模竞赛,锻炼自己这方面的能力;

推荐书籍:

《算法导论》

《集体智慧编程》

《机器学习》-周志华

如果你看到了这里,就抓紧时间去完成自己的小目标吧!

END.

【AI时代就业指南系列】好文:

原文发布于微信公众号 - PPV课数据科学社区(ppvke123)

原文发表时间:2018-03-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏程序你好

什么是机器学习和人工智能以及它们之间的差异

机器学习和人工智能的区别:“好的,谷歌!有什么事吗?你能演奏我最喜欢的曲目或者预订一辆从宫殿路到MG路的出租车吗?”

941
来自专栏新智元

【报告】神经网络:技术发展与未来挑战(PDF下载)

【新智元导读】本文为爱思唯尔收费报告。西班牙格拉纳达大学研究人员系统梳理神经网络历史,从模型、模拟器到实现几方面阐释神经网络发展,展示了随时间推移,神经网络如何...

3638
来自专栏机器学习算法与Python学习

资源 | 深度学习 & ChatBot全面总结

该总结是在EMNLP 2018中由微软首席科学家武威和北京大学助理教授严睿关于聊天机器人(ChatBots)近年来的全面总结,并附带Slides下载。

1031
来自专栏PPV课数据科学社区

深度 | 地平线罗恒:应用深度学习的门槛是在降低吗?

导读: 地平线机器人资深算法研究员罗恒参加了钛坦白第33期,与百度资深工程师、Paddle API重构设计负责人于洋及第四范式联合创始人、首席研究科学家陈雨强一...

3276
来自专栏企鹅号快讯

哪种芯片架构将成为人工智能时代的开路先锋

【IT168 评论】如果用刀来比喻芯片,通用处理器好比一把瑞士军刀,人工智能时代好比要拿刀来切肉,瑞士军刀可以拿来用,但它并非是为切肉设计的,所以效果并非最好。...

2156
来自专栏PPV课数据科学社区

了解人工智能之基础概念-基本概念问答

? 摘要: 本文对人工智能领域的一些基础知识进行了普及。对刚刚接触机器学习的人们会有不小的帮助。 在关注了机器学习一段时间以后,最近我开始投入到这个领域的研究...

3609
来自专栏灯塔大数据

如何区分人工智能、机器学习与深度学习?

现在科技行业的术语产生速度令人惊愕,几乎每天都有新名词被创造出来。最近一段时间人们讨论最多的莫过于人工智能、机器学习和深度学习了。 很多公司已经果断采取措施,...

4406
来自专栏AI科技评论

专访百度硅谷AI实验室Greg Diamos:基于GPU的深度学习的可扩展性

编者按:百度首席科学官吴恩达在ISC大会上谈到了超级计算能力如何在人工智能领域里应用,他的同事,百度硅谷人工智能实验室高级研究员Greg Diamos在参加纽约...

3516
来自专栏人工智能头条

专家展望未来5年深度学习发展趋势

1924
来自专栏专知

35页自然语言处理深度学习综述,带你纵览NLP知识全貌

【导读】随着深度学习技术的蓬勃发展,自然语言处理领域也是日新月异,本文为大家带来了最新的基于深度学习的自然语言处理综述,希望能够帮助大家了解NLP领域中的最新进...

6452

扫码关注云+社区

领取腾讯云代金券