為什么突然想提到這個話題，是因為在某學習交流群里，我關注到幾個同學發出了兩張圖，意思是討論如今找工作算法崗位的不容易，甚至出現了博士也找個算法崗也不容易。

因為疫情的原因和“毛衣戰”的環境下，很多企業都沒有以前那么輝煌，都是勒緊褲腰帶過日子。同樣，今年的幾百萬畢業生就業環境也是非常不明朗，以至于本來不想讀研讀博的同學轉而開始復習備考碩士和博士。

如此緊張的一個就業環境，對于多金的算法崗位，競爭就變得異常不容易。這里有人提到是否要轉開發崗。

因為開發的崗位相對算法崗位要多一些，反而要求沒有那么高。

對于到底做算法還是做開發，知乎已經有人回答了，我在末尾會給一些同學我自己的建議。

以下是知乎沈世鈞的回答，獲得1.7k贊同

我做軟件開發已經20年，日常工作也與AI相關，所以談一下自己的看法。

這兩年AI大火，導致很多畢業生跨專業（例如自動化、光學等）轉崗算法，這些人有個顯著的特點就是羨慕IT的高薪，但普遍受沒有受過通識的計算機教育（例如操作系統、數據結構、C/C++編程等），但人夠聰明，數學不錯（但大部分都沒有學過高級算法），學編程吧，需要學的東西太多太雜，所以很多人都想抄“近路”來搞算法研究。這也客觀上造成當前算法崗供大于求的局面。所以就人才招聘結果來說，“質量”明顯不如以前了，原來名校的博士為基本要求，而今天985的碩士就可以了。

而且相比于軟件開發，算法更吃腦力，對智力的要求更高，年齡越大挑戰就越大。我本人是做系統集成的，實踐中我的感覺是，隨著腦力的下降，首先感到力不從心的就是數學，原來好多數學問題在腦子里過一遍就能想明白，但現在就需要畫圖才能理解。但編程就好多了，至少現在還沒有感覺明顯的衰弱，也可能是這多年已經積累了好多代碼，很多時候把老代碼復制過來改改就能work的原因吧！

其實，從去年開始，業界對AI的技術方向就已經達成了共識，也就是深度學習+大數據+大計算，其中尤其以數據為重。可以說只要數據足夠，假以時日，大家的速度和精度都不會太差?，F在大家比拼主要是算法變現的能力，也就是看誰能夠把算法變成產品銷售出去，因此今年我的感覺是，相對于純粹的算法，綜合性人才更稀缺，例如有既有產品思維，懂算法，懂編程的人。

AI在IT領域也不算個新鮮東西，但早先都集中在專業領域，更多是一些專家系統。感覺AI街談巷議，突然大火也就是這兩年的事，更準確的說應該是5年前，就在此時深度學習理論舊瓶裝新酒，從而迎來AI研究的集中爆發。但在深度學習框架搭成之后，接下來更多就是調參數，喂數據。所以在相當一段時間內，算法的研發重點轉向了數據的收集和清洗。

也就在這個時候，稍微打聽下，你就會發現業界很多到公司招聘的實習生，日常主要工作就是調下參數，編寫一些數據收集工具（例如網絡爬蟲），甚至更倒霉一點就是每日用別人寫好的工具收集數據，清洗數據。

深度學習框架搭建的早期階段，對算法工程師的要求是很高的，既需要精深的數學能力，同時又需要超強的編程能力。但在當前，隨著各大公司的AI框架逐漸成熟，以及一些深度學習框架的開源（例如谷歌的Tensorflow），AI技術下沉的趨勢非常明顯，早已從幾年前的陽春白雪變成了下里巴人。

不幸的是，中國人干什么事都喜歡一哄而上，就像早些年全民學Android，學前端、現在又開始全民學算法。不是說人就應該逆趨勢而行，但越是在大家都熙熙攘攘的時候，越是要保持冷靜，越是要問幾個為什么。一個很顯然的道理是：如果一個行業突然涌進了這多人，至少有兩件事可以肯定，一個是這個行業門檻肯定不高，二是根據供需平衡原理，這個行業的未來行情必然會下行，不信各位看看現在的Android開發是否還復當年的意氣風發？

還是那句話：“只有在潮水退卻的時候，才知道誰在裸泳！”

以下為知乎熊風回答，獲得1.2k贊同

我是機器學習方向的在讀研究生；本科時期在阿里實習過，實習職位是算法工程師。

對這個問題說一下自己的看法。說的不對的地方，還望各位同行指正。

首先，我覺得題主完全有資本去報阿里或者騰訊的算法崗。

如果題主的描述屬實，那么題主算是一個基礎比較扎實的計算機學生了，而且對機器學習也是有一定程度的掌握。我本科拿到阿里算法工程師offer的時候，實力比題主差多了。

就我當時實習的情況來看，阿里的算法工程師賴以立足的還是工程能力，能干活、能搬磚才是硬道理。某一個機器學習的算法不會，學幾個小時或者幾天就足夠了，應用一個算法、會調參數的門檻并不高。而且實際工作里用的最多的還是那些很經典、很基礎的機器學習算法（邏輯回歸，決策樹之類的）。

而且如果你做的是數據挖掘，推薦系統之類的，你也應該知道你做的其實是特征工程。很多時候，復雜、高深的模型效果不一定好；能讓結果效果有很大提升的往往是特征的提取和選擇。所以比起算法和模型本身來說，對數據、對業務的理解其實同等重要甚至更重要。

正面回答你的三個問題：

(1)以我現在的機器學習情況準備算法崗位(阿里或者騰訊)的話，是否有資本一搏？如果有資本，那還需要怎么準備才能更穩一些？

有資本。

如果你還想更穩一些，不妨做一些數據挖掘類的項目或者競賽。比如阿里天池平臺上的競賽天池大數據競賽 或者kaggle上的一些比賽。據我所知，BAT的算法崗還是非常認可這些競賽的。特別是天池上的一系列競賽，不僅獎金高，做得好的也基本能穩拿阿里算法崗的special offer

如果你覺得做競賽太耗時間了，去github上follow一些比較有意思的機器學習項目也是不錯的選擇?？傊?#xff0c;有意識地加強一下自己機器學習實踐方面的背景吧。

另外，并行計算、分布式系統也在算法工程師的技能樹里面。如果你有時間也可以學一下spark之類的，比較推薦伯克利的一門課。

參考SS Wang的知乎回答零基礎自學如何成為合格的數據挖掘工程師？ - 數據分析：

1. BerkeleyX: CS190.1x Scalable Machine Learning CS190.1x Course Info

這門課是伯克利開的，教機器學習基礎、Python Spark實現。我很懂機器學習，但不懂spark和python，花了1周多時間看完視頻、做完作業。如果沒機器學習基礎的話幾周應該夠了。學完了可以用spark處理大數據，做分類、推薦系統。

這門課包含了機器學習基礎，python spark實現。學這門課的時候記得做作業。

(2)想轉機器學習是因為覺得開發崗位沒有算法有意思，覺得搞算法更容易比寫代碼創新，也更接近與科研性質。這樣的想法(針對阿里或者騰訊)是否正確？

我覺得并不正確。以我所見的情況，阿里、騰訊的算法工程師一般不會涉及到算法創新；這部分工作可能會專門挖名校PhD甚至名校教授來做。MSRA、百度IDL這種地方倒是挺接近科研性質的；但我阿里實習期間的見聞，算法工程師做的還是工程，并非科研。

而且雖然你的title是算法工程師，但并非你就只做和算法相關的事。本質上，算法工程師也是一塊哪里需要往哪里搬的磚。如果你的項目組需要你干別的活，你當然也要承擔起別的和算法完全無關的工作。比如我實習期間，因為我的主管想分析別的網站的數據，就讓我去干了一些爬蟲的活。有一段時間我天天都是忙著從別的網站爬數據。

所以，不要太介意“算法工程師”“數據科學家”之類的title，對于應屆生來說能干活才是硬道理。

(3)在各位大牛周圍是否有人從寫代碼轉到過算法崗，有沒有經驗可以告訴我

有，而且還不少。我當時的那個組是阿里某個部門的算法組，里面的大多數人title都是算法工程師。但不少人都是從開發崗轉過來的；畢竟幾年前， 機器學習還并不是很火。

另外，就我觀察到我的同學找工作情況，研究生期間并沒有什么機器學習方面的項目背景，但拿到BAT算法崗的例子也是不少的。

總之，其實本科生/研究生去公司做機器學習，和PhD去企業做機器學習，是不同的概念。

那些發了很多頂會甚至已經做出有影響力的成果的PhD（比如 @田淵棟@賈揚清@Naiyan Wang@Filestorm 等等），他們去公司做機器學習是做research scientist. 他們做的工作，和本科/碩士生做的算法工程師，并不是同一回事。

更新：

賈揚清大牛在評論里補充了一些看法。我覺得很值得參考，所以把這一段搬到我的回答里：

其實算法崗和開發崗的區別并不很大，比如說我現在負責開發Facebook的人工智能底層平臺，并不是單純的research就可以，同時也需要保證開發的系統可以在百億級別的數據上進行快速深度學習的訓練，這個沒有系統開發的支持是很難做到的。我們現在招人，都會注意開發產品級別的代碼的能力，所以很大程度上應該是算法和代碼能力并重，甚至一定程度上代碼能力比算法能力更重要。

?

以下是我個人的建議，歡迎閱讀，同意請贊

算法崗位其實在很多公司做的事情的確并不是純研究的算法優化工作，的確有很多工程問題需要解決，以至于很多算法工程師還花大力氣做了很多數據清洗的工作或者標注的工作，所以咱們要認清自己的實力，到底是個什么level心里要有數，或者高精尖的研究部門在你沒畢業就已經盯上了你，否則只能說你的層面可能還沒到。所以，不要覺得非要算法崗位，我一定要研究新框架，新算法，新模型。真喜歡人工智能，我們也可以在AI這個領域圈子干活，開發也是這個圈子，而且開發轉算法也是可能的，只要是這個圈子機會還多的是。

第二個建議，要找算法崗位我們不一定要只盯著互聯網，不妨把我們的目光放到工業領域，制造領域，實體經濟中。雖然這些行業可能并沒有互聯網高大上，但是這些領域里面有著非常多的機會，非常可觀的經濟效益。而且也是很少被關注到的，就拿我了解的工業質檢這塊，就是一個非常難啃但又是經濟效益巨大的痛點。所以，眼界打開一點，別瞧不起一些工廠，說不定互聯網的紅利就會轉移到制造業中來。

別的不再多說，希望每個努力的朋友，或者希望用AI改變世界的朋友如愿以償。

歡迎添加我的二維碼一起交流

總結

以上是生活随笔為你收集整理的【思考】AI太热门，博士也不好找工作了吗，我是这样思考的的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。