來自：計算機視覺聯盟公眾號

轉載?：知乎問題

如何看待 2020 屆校招算法崗「爆炸」的情況？

鏈接：https://www.zhihu.com/question/342267611

本文僅作為學術交流探討分享

如有侵權，會及時刪除本文

----知乎高贊回答選取----

Ted Li 的回答鏈接：

https://www.zhihu.com/question/342267611/answer/805334722

怎么看待？就是學生投機起來真的非常的瘋狂。

從我一年多的面試經歷來看，很多應屆的小朋友可能看到算法崗位吃香，都紛紛從非CS科班轉過來做算法，而且非算法不找。

他們可能上個培訓班，去kaggle或者github上復現一下代碼，把別人的論文代碼復現一下，就趕緊往簡歷上寫，然后面試的時候，被問到細節，一點也答上來。

有時候，我很無奈，就問一下語法，操作系統，數據結構，發現投機搞算法的人，基礎居然出奇的差，有一次竟然被一個小姑娘反問，做算法為什么要問這些問題。小姑娘可能覺得，做算法的就應該問一下機器學習的問題吧，畢竟題都背好了，這個可惡的面試官居然不問。

無良的公眾號，無良培訓機構更是該被罵，每天虛假宣傳，拉大大家的期待值，神話ai薪酬，增加行業浮躁。

CS圈子投機一直都很嚴重，以前投機做APP，投機做VR，投機做區塊鏈，所以投機做AI一點也不奇怪。天天勸退這個，勸退那個，條條大路通投機，行業鄙視鏈越拉越長。

希望學生朋友們，都去招聘網站上搜一搜看看開發崗多還是算法崗多，然后端正自己的心態，找適合自己的工作。

沈世鈞?的回答鏈接：

https://www.zhihu.com/question/342267611/answer/805532525

從理論上分析，算法崗大爆炸（就業難）是必然的，只是時間早晚的問題。

算法崗不是勞動力密集型

以我所在的事業部為例，算法工程師和軟件工程師的比例達到了1:4。

因為，對一個公司來說，算法是基礎，在此之上能夠開發出各種應用。這就注定了，軟件開發的需求要遠遠大于算法的需求。

就拿人臉識別算法來說，算法部門只需要推出一個版本的算法（以SDK的形式），軟件研發部門就可以在此基礎上，開發出諸如視頻監控、閘機等各種應用。

而對底層算法來說，無論是對外的接口，還是內部的架構（例如深度學習），都有著相當的統一性。因此，就算法來說，維持一個精干的，高水平的團隊，對全公司的業務支持來說，是完全可行的。

這也是為什么，在算法招聘市場上，用人單位會對應聘者的資質要求那么高（學校、資歷、論文等等）。就是因為算法有很強的理論性，以及技術統一性。一個精干的團隊，如果有一兩個一流的專家，最終的產出，就完全可以吊打那些雖規模巨大，但皆由平庸之輩構成的團隊。

這也是為什么這兩年在深度學習領域，出現了很多在學術界、產業界都聲名鵲起的科學家（例如深度學習三巨頭，吳恩達等）。這也在某種程度上說明，在深度學習領域，“英雄”對行業的推動還是決定性的。

這也就決定了，那些在技術前沿競爭的大公司，在招聘算法工程師時，一定會堅持“寧缺毋濫”的原則，因為多了也沒有用。

但軟件工程師就不一樣了。

雖然就軟件工程師（例如Java后端工程師）的技能來說，也存在通用的地方。但對一個在市場上打拼的公司來說，客戶（各種項目）的需求千差萬別，各種促銷活動迎接不暇（例如雙十一），用戶體驗需要不斷改善。因此，對“業務”軟件工程師的需求也必然是巨大的。

雖然就關鍵技術來說，一個高水平的軟件工程師所產生的生產力數倍于平庸者。但就開發日常來說，有太多的工作都是高度重復，缺少技術含量的活（例如增刪改查）。

但另一方面，雖然這些工作技術含量不高，但代碼終究還是要程序員一行一行壘出來的。所以，對企業來說，就不得不長期維持一個規模巨大的軟件開發團隊，從而造就了一個規模巨大的就業市場。

除非有一天，軟件開發也能被AI替代（理論上是可以的）。

算法的門檻沒有那么高了

算法研究的基礎是數學。按照當前的技術發展，本科數學是不夠用的。因此，在招聘市場，算法崗的最低學歷也得是碩士。

但是，在當前的深度學習領域，就公開框架的學習，理論結果（各種出版物、論文等）的研究。對一個受過系統數學教育，智力正常的研究生，完全沒有障礙。

而且，隨著這兩年AI的大火，相關的技術和理論已成為了一門“顯學”，公開的技術和資料越來越多，可謂“太陽底下無秘密”，先入者的紅利早已不存在了。

也就是說，在早前，在人工智能（主要是機器學習）還相對神秘的時候。一個研究生，掌握了基本理論，能理解及搭建開源框架，就能找一份好工作。但現在水漲船高了，靠通過機械學習而掌握的這些知識是遠遠不夠的。

因為門檻低，所以掌握的人就多，在加上算法團隊更傾向于規模不大，但高度精英化的團隊。所以就導致了“僧多粥少”的局面。

而現在在各大公司，基本的深度學習框架已經搭建完成，往前走，就只有兩個方向。

一個是繼續收集數據，喂給搭建好的深度學習框架，從而讓當前的算法不斷進化。

例如，對人臉識別來說，各家基本的準確率已差別不大。大家的競爭已經朝向了一些邊緣問題（例如活體檢測等）。

當然，這方面還是需要不少人力去做的。但是，這些工作的技術含量卻顯然不高。在業界，有很多公司已經不愿再投入太多研發在上面，要么從第三方買數據，要么是把這些工作外包出去。

也就是說，喂數據，調參數這種工作，正逐漸從高端就業市場剔除出去。

另一方向是，在深度學習領域，各大公司的發力重點是把技術往更前沿推，研究新的理論，實現新的框架。

例如當前的主流學習框架還是基于數據，有人守護的學習模式。但未來的趨勢應是自學習，無人守護的模式。

而做到這一點，后來者想要入行，就不能單靠機械的學習了。而是要基于天賦、靈感，甚至是運氣。這也注定了能站在這個層次的人必然是少數。

基于上面的分析，我們可以得出的結論，未來，創造性的，高收入的算法職位，隨著時間發展，一定會越來越少。后來者想要入行，也會越來越難。

未來，隨著深度學習框架的下沉，高價值應用領域（例如人臉識別、自動駕駛）被逐漸瓜分，整個AI行業，必然會越來越呈現出精英化的趨勢。

說來也諷刺，今天，我們對未來的一個預測是，隨著對人工智能的普及，越來越多的勞動崗位被機器替換。未來，還需要勞動的只是少部分天賦異常的精英。

但沒想到的是，人工智能時代雖然還沒有來到，但在人工智能的研究領域，這個預言卻首先實現：

平庸的AI從業者正逐漸失去工作。

霍華德?的回答鏈接：

https://www.zhihu.com/question/342267611/answer/805207232

既然如此爆炸，為什么我們想招一個有視頻-文本方面背景的人，招也招不到，嚶嚶嚶

騰訊AI平臺部-搜索業務中心招聘
學歷要求: 人工智能相關專業博士
崗位職責：負責計算機視覺，自然語言處理及其交叉領域的相關工作，如image/video captioning，image/video retrieval，image/video-text matching，參與微信視頻搜索相關工作；
崗位要求：計算機視覺、自然語言處理、機器學習、數據挖掘相關領域；有視頻-文本領域相關經驗是加分項。熟練掌握c++、python、linux及常用深度學習框架tensorflow、pytorch等；積極主動，勇于接受挑戰，富有創新精神
工作地點：深圳
簡歷發至：318648051@qq.com

而且要求也不過分，根本沒要求要頂會/ACM金牌什么的～背景符合的寶寶們，快到碗里來～

hzwer?的回答鏈接：

https://www.zhihu.com/question/342267611/answer/805512637

這種問題都是怎么拍腦袋想出來的？你們知道績效不夠的 hr 們多么苦惱嗎？

我又來打廣告了，坐標曠視 IC 組。

到處安利，現在才推了二十個人。

快來投簡歷，我給你們內推，噫，我富了。

huangzhewei@megvii.com，可以 base 成都上海北京。

最近投簡歷的反饋來看，985 / 211 相關專業或者有比較多相關項目經歷的，一般不會在初篩掛掉。

zhongyian?的回答鏈接：https://www.zhihu.com/question/342267611/answer/805702351

Emm，今天上午的故事：

有個cv方面的問題，請教一個做cv的學弟（兩篇頂會），順便想膜拜一下大佬拿的offer，結果，他說，不太順......大家上來就編程，刷題刷晚了，別復習機器學習理論就好了.....

和我去年的感覺一毛一樣。。拿著兩篇文章以為能輕車熟路拿到offer，結果發現，面試官要么不太懂你的方向，要么覺得你的文章沒啥實際價值（文章的東西確實很難落地，當然絕大部分文章都是如此...），面了兩家后，默默開始刷題，畢竟劍指offer是王道，leetcode走天下.....

去年的時候我特別不理解這種現象，隨著開始做一些算法的落地應用，發現其實數據遠比模型重要，工程穩定流暢的難度遠大于某個指標幾個點的提升。以前文章是硬通貨，現在有些膨脹了，想做算法的同學，coding能力一定要跟上，還是之前說過好多次的那句話，算法工程師，先是工程師，再是算法工程師。

PS：去年有位大佬在評論中給我的建議，貼出來給有文章的同學：

對于有頂會的同學，想辦法用自己的connection和人脈找工作，把簡歷送到懂的人手上，保證面試官也是發過頂會的老司機。我去年找工作的時候，不找內推的話直接面試，基本也是問leetcode題；但是面騰訊優圖的時候，讓朋友直接推到他們部門老大那里，面試就是在意大利開會ICCV的時候隨便聊了一下，就給技術大咖offer了。

最后，希望大家都找到工作吧～

Fancy1?的回答鏈接：

https://www.zhihu.com/question/342267611/answer/805090477

1.本來算法工程師的市場需求就比前端開發、后端開發（業務開發）、客戶端開發等職位的要小。說實話其實很多公司是不需要搞機器學習的算法工程師的，也養不起一個AI Lab，但業務邏輯工程師是每個公司都一定要而且需求量很大的。

2.現在只要是個研究生都說自己是搞算法人工智能深度學習的，且不說計算機專業全員人工智能的盛況，畢竟計算機行業目前的熱點在那，我聽說現在讀什么自動化、電子、通信之類專業的人也人均“算法”起來了，產出大量根本就不適合算法工程師這碗飯，但研究生期間也沒有老老實實學點計算機基礎知識沒有老老實實刷leetcode的外圍算法崗人士，自然產生爆炸的效果。

3.我想說的是，認清自己的長處短處以及興趣點，算法崗、人工智能、深度學習這些東西看起來火爆，看起來高大上，但并不一定適合每一個人。從技術角度來說，我真的一點也不覺得前后端客戶端開發這些崗位就”低端“到哪去了，億級DAU百萬級QPS系統下復雜業務邏輯場景的技術方案設計與編碼實現之類的東西都是很有挑戰性很有難度的工作。

就算我們從功利點的角度來看，現在算法崗基本上已經沒什么薪資優勢了，人家字節跳動技術序列校招統一批發價了解一下，算法工程師、前端工程師、后端工程師、Android工程師、IOS工程師、測試開發工程師、大數據工程師統一打包23*15了解一下。拿現在看起來最落寞的移動端開發來說吧，現在想招到一個靠譜的有經驗的能解決痛點難點問題的資深IOS工程師，要出的錢絕對不會比招一個算法工程師少多少。所以我還是勸大家找準自己真正喜歡的點在哪，不要盲目跟風人工智能，計算機行業現在發展得很好，可以說你做哪一個崗位做好了給你帶來的收益都是很足的（這句話不是雞湯，你們自己去招聘APP搜一下”資深xx工程師“就懂了），選擇真正適合自己的崗位吧。

raof01的回答鏈接：

https://www.zhihu.com/question/342267611/answer/806230535

嗯……我絕對有資格回答本題，不是因為我多強，其實我很渣，尤其是數學和算法。但我認識過很多適合算法崗的人。他們到了什么程度呢？聽我一一道來。

我的前前任項目經理，技術出身，但主要搞硬件。我們一起組隊參加公司機器學習大賽，調參時除了他以外，大家都沒辦法。他一頓心算之后，說這個參大概應該試幾個值，那個參試哪幾個值，然后我們成績一躍到了第三。不過最后一秒被別人擠到第四

前前任產品線經理，某次編程大賽，視察我隊，給我們講了半天大概應該用什么函數，這些函數大概哪些性質。后來發現第一的戰隊用的就是這個。我們太渣，沒做完。

前項目經理，需要用紙才能推演公式。當然，伯努力方程結合貝葉斯網絡并不是那么容易。

研究院某經理，各種概率統計出神入化。不說啥了，人家是博導

某研究員，我跟他合作做貝葉斯推導，有一陣算的數據不太好，他一眼就能看出問題所在。

那么問題來了，這些想搞算法的人，自問比前兩個人強嗎？這二位可都是40多歲的人，脫離技術好些年了。

所以啊，跟風搞算法，先問問自己是不是那塊料再說吧。就算當調參俠，能比第一位強嗎？充其量也就是調參畜吧。

計算機視覺聯盟的回答

鏈接：

https://www.zhihu.com/question/342267611/answer/804880398

我以某個互聯網公司的招聘要求為例

畢業于國內理工類top10的院校，以及海外重點院校（如北美top30）學霸，GPA3.5及以上

軟件開發者：有成品或半成品，且作為核心開發人員

大廠實習：有過微軟、谷歌、Facebook、BAT等一流互聯網大廠的實習經歷

大獎得主：ACM、BAT、Google、微軟、建模等比賽二等獎或銀獎及以上（國家及以上賽區）

論文：國際性會議成果（例如ACM/IEEE）、國家及專利ACM SIGIR、ACM SIGKDD等、ACL，SIGIR，IJCAI、CVPR、ECCV....

假如能有3項及以上，再爆炸也不怕

所以并不是崗位爆炸，而是水漲船高；提示自身技能是王道

祝大家早日收獲offer！

匿名用戶的回答鏈接：

https://www.zhihu.com/question/342267611/answer/806265210

達摩院 算法與工程比例是4:1，會個Python就敢投算法，多線程高并發玩溜的也不敢投工程；

不知道是算法太膨脹了還是工程太謙虛了，即使在達摩院，絕大部分算法也是深度瞎調參，說心底話，我認為99.9%算法挺沒技術含量，真正帶來價值是高質量標注數據，倚靠的是幾十萬一臺的服務器；當然除了個別里程碑式的架構和操作出現還是真心佩服，不過能搞出這些的也是鳳毛麟角，即使搞出來也很快過時，這是個門框低，迭代快，風險大，收益不高的職位，如果不能沉淀些東西，很快就被淘汰了。

墨墨微萌的回答鏈接：

https://www.zhihu.com/question/342267611/answer/806155119

算法崗薪資高發展前景廣闊，一直是各大高校實驗室研究生出來的首選。相對來說，調參的話其實比開發簡單，學個計算機會寫點python就可以投算法崗了，因此爆炸也是正常的。

但實際上算法需要深入研究對數學要求很高，拿到大廠的算法崗還是挺困難的。

但我還是覺得學一點簡單的機器學習，在日常數據開發上，有所亮點還是挺不錯的。

本人就是找了算法崗最后沒找到，從事了一份數據分析的工作，時不時加點機器學習算法，美滋滋。

JuniorWizard的回答鏈接：

https://www.zhihu.com/question/342267611/answer/805462362

個人認為，

首先計算機的高薪吸引了很多其他專業的大佬撲上來，導致要求水漲船高。

另一方面，很多跟風學AI的同學，只有理解書本上算法的能力，甚至從公式模型到具體程序的能力都沒有。比學術研究又沒有真正內核的數學和研究能力，比工程，發現自己除了會一點Python什么程序都寫不出來。(我讓一個同學去刷刷劍指offer，他說學習那個書需要C語言，看不懂)

而實際工業屆，要么你是大牛能進研究院去做讀paper寫paper發paper，為企業算法內核做貢獻的研究員。

而大批量需求的，還是能coding，理解業務實現base模型并快速落地的工程師(SQL，理解一定的算法，熟悉機器學習框架，了解前后端，甚至會寫后端)

畢竟，是算法工程師，到底，還是工程師。

推薦閱讀：（點擊下方標題即可跳轉）

Python 制作微信全家福，你就是朋友圈最亮的仔！

小狗分類器，你家的狗子是個什么狗？

騷操作 ！用 Python 偷偷抓取女朋友的行蹤（女朋友在哪里）

??長按 2 秒關注「 小詹學Python 」

我就知道你“在看”

總結

以上是生活随笔為你收集整理的如何看待 2020 届校招算法岗「爆炸」的情况？英雄所见略同的全部內容，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。