如何成为一名优秀的算法工程师

1. 如何成为一名优秀的算法工程师

算法工程师是一个非常高端的职位；
专业要求：计算机、电子、通信、数学等相关专业；
学历要求：本科及其以上的学历，大多数是硕士学历及其以上；
语言要求：英语要求是熟练，基本上能阅读国外专业书刊；
必须掌握计算机相关知识，熟练使用仿真工具MATLAB等，必须会一门编程语言。
简介：
算法工程师根据研究领域来分主要有音频/视频算法处理、图像技术方面的二维信息算法处理和通信物理层、雷达信号处理、生物医学信号处理等领域的一维信息算法处理。
在计算机音视频和图形图形图像技术等二维信息算法处理方面目前比较先进的视频处理算法：机器视觉成为此类算法研究的核心；另外还有2D转3D算法(2D-to-3D conversion)，去隔行算法(de-interlacing)，运动估计运动补偿算法(Motion estimation/Motion Compensation)，去噪算法(Noise Reduction)，缩放算法(scaling)，锐化处理算法(Sharpness)，超分辨率算法(Super Resolution),手势识别(gesture recognition),人脸识别(face recognition)。
在通信物理层等一维信息领域目前常用的算法：无线领域的RRM、RTT，传送领域的调制解调、信道均衡、信号检测、网络优化、信号分解等。
另外数据挖掘、互联网搜索算法也成为当今的热门方向。
算法工程师逐渐往人工智能方向发展。

2. 浅析算法工程师合理的发展方向

要说算法工程师的日常工作，那就是做优化优化再优化，那很多人要问了：未来的发展呢？难道一直日复一日？这只是笼统地说，但真正的细分还是有很多的，比如：
  
 数据挖掘和数据分析，比如说异常检测、欺诈检测等；
  
 自然语言处理（NLP），比如说我们算法部门就有专门的NLP组，主要负责搭建上层算法应用的基础设施，如文章关键词、实体词、相似度计算等，在智能翻译、语音处理当中也会用到相关技术；
  
 图像处理（CV），比如自动驾驶当中涉及到的图像拼接、车道线检测，推荐当中涉及到的图像特征提取等；
  
 推荐算法，当前各大互联网公司基本都会有这个岗位，信息流推荐、商品推荐等；
  
 搜索算法，和推荐算法用到的技术很类似了，信息搜索、商品搜索等；
  
 广告算法，技术上和推荐算法很像，但是涉及到的其它知识会稍微多些，因为广告要考虑的不仅仅是用户和内容的关系了，还多了一层商家的关系。
  
 其它的还有一些偏研究性质的岗位，这个一般要求也比较高，博士研究生招的比较多，主要是不差钱的大厂会成立相关部门，比如阿里的达摩院，其它公司的AI Lab等，这些部门当中一般也有专门做研究与应用相结合的一些岗位。
  
 程序员的职业发展路径一般就是，初级工程师、高级工程师、资深工程师、专家、高级专家、资深专家、研究员，大公司会有相应的职级，比如阿里技术序列就对应P1~P14，校招一般是P4~P5，本科一般P4，研究生一般P5，能力强的可能给到P6甚至P7，但这毕竟是凤毛麟角。P5~P7是干活的中坚力量，占比比较大，一般一到两年晋升一次，当然升不升和怎么升跟你的个人能力和产出强相关，评定的标准还是比较规范的，P7往上升卡得比较严。

3. 在自学的情况下如何成为一名算法工程师?

在自学的情况下成为一名算法工程师可以这样做：
首先要做好充分的准备，做任何事情想自学成才都是非常困难的，要有大毅力和大智慧，迎难而上，方可成功。
其次要知道成为算法工程师需要具备的知识：
一是算法相关的知识，包括编程语言，数据结构和数据库，相关的教材很多，一般大学计算机专业的教材都能满足要求，如果没有老师讲解，自己啃教材是很困难的，可以搜索一些网络课程辅助学习。

二是数学知识，我们知道所谓算法工程师，目前其核心还是在机器学习，而机器学习的学习中，数学知识是必不可少的。
三是实践经验，这一点很重要，一名合格的算法工程师必须要有足够的实践经验，不能空有理论。

4. 算法工程师应该学哪些

一、算法工程师简介
（通常是月薪15k以上，年薪18万以上，只是一个概数，具体薪资可以到招聘网站如拉钩，猎聘网上看看）
算法工程师目前是一个高端也是相对紧缺的职位；
算法工程师包括
音/视频算法工程师（通常统称为语音/视频/图形开发工程师）、图像处理算法工程师、计算机视觉算法工程师、通信基带算法工程师、信号算法工程师、射频/通信算法工程师、自然语言算法工程师、数据挖掘算法工程师、搜索算法工程师、控制算法工程师（云台算法工程师，飞控算法工程师，机器人控制算法）、导航算法工程师（
@之介
感谢补充）、其他【其他一切需要复杂算法的行业】
专业要求：计算机、电子、通信、数学等相关专业；
学历要求：本科及其以上的学历，大多数是硕士学历及其以上；
语言要求：英语要求是熟练，基本上能阅读国外专业书刊，做这一行经常要读论文；
必须掌握计算机相关知识，熟练使用仿真工具MATLAB等，必须会一门编程语言。
算法工程师的技能树（不同方向差异较大，此处仅供参考）
1 机器学习
2 大数据处理：熟悉至少一个分布式计算框架Hadoop/Spark/Storm/ map-reduce/MPI
3 数据挖掘
4 扎实的数学功底
5 至少熟悉C/C++或者Java，熟悉至少一门编程语言例如java/python/R
加分项：具有较为丰富的项目实践经验（不是水论文的哪种）
二、算法工程师大致分类与技术要求
（一）图像算法/计算机视觉工程师类
包括
图像算法工程师，图像处理工程师，音/视频处理算法工程师，计算机视觉工程师
要求
l  
专业：计算机、数学、统计学相关专业；
l  
技术领域：机器学习，模式识别
l  
技术要求：
（1）      精通DirectX HLSL和OpenGL GLSL等shader语言，熟悉常见图像处理算法GPU实现及优化；
（2）      语言：精通C/C++；
（3）      工具：Matlab数学软件，CUDA运算平台，VTK图像图形开源软件【医学领域：ITK，医学图像处理软件包】
（4）      熟悉OpenCV/OpenGL/Caffe等常用开源库；
（5）      有人脸识别，行人检测，视频分析，三维建模，动态跟踪，车识别，目标检测跟踪识别经历的人优先考虑；
（6）      熟悉基于GPU的算法设计与优化和并行优化经验者优先；
（7）      【音/视频领域】熟悉H.264等视频编解码标准和FFMPEG，熟悉rtmp等流媒体传输协议，熟悉视频和音频解码算法，研究各种多媒体文件格式，GPU加速；
应用领域：
（1）      互联网：如美颜app
（2）      医学领域：如临床医学图像
（3）      汽车领域
（4）      人工智能
相关术语：
（1）      OCR：OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程
（2）      Matlab：商业数学软件；
（3）      CUDA： (Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台（由ISA和GPU构成）。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题
（4）      OpenCL: OpenCL是一个为异构平台编写程序的框架，此异构平台可由CPU，GPU或其他类型的处理器组成。
（5）      OpenCV：开源计算机视觉库；OpenGL：开源图形库；Caffe：是一个清晰，可读性高，快速的深度学习框架。
（6）      CNN：（深度学习）卷积神经网络（Convolutional Neural Network）CNN主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。
（7）      开源库：指的是计算机行业中对所有人开发的代码库，所有人均可以使用并改进代码算法。
（二）机器学习工程师
包括
机器学习工程师
要求
l  
专业：计算机、数学、统计学相关专业；
l  
技术领域：人工智能，机器学习
l  
技术要求：
（1）      熟悉Hadoop/Hive以及Map-Reduce计算模式，熟悉Spark、Shark等尤佳；
（2）      大数据挖掘；
（3）      高性能、高并发的机器学习、数据挖掘方法及架构的研发；
应用领域：
（1）人工智能，比如各类仿真、拟人应用，如机器人
（2）医疗用于各类拟合预测
（3）金融高频交易
（4）互联网数据挖掘、关联推荐
（5）无人汽车，无人机



相关术语：
（1）      Map-Reduce：MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（映射）"和"Reduce（归约）"，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。
（三）自然语言处理工程师
包括
自然语言处理工程师
要求
l  
专业：计算机相关专业；
l  
技术领域：文本数据库
l  
技术要求：
（1）      熟悉中文分词标注、文本分类、语言模型、实体识别、知识图谱抽取和推理、问答系统设计、深度问答等NLP 相关算法；
（2）      应用NLP、机器学习等技术解决海量UGC的文本相关性；
（3）      分词、词性分析、实体识别、新词发现、语义关联等NLP基础性研究与开发；
（4）      人工智能，分布式处理Hadoop；
（5）      数据结构和算法；
应用领域：
口语输入、书面语输入
、语言分析和理解、语言生成、口语输出技术、话语分析与对话、文献自动处理、多语问题的计算机处理、多模态的计算机处理、信息传输与信息存储 、自然语言处理中的数学方法、语言资源、自然语言处理系统的评测。



相关术语：
（2）      NLP：人工智能的自然语言处理，NLP (Natural Language Processing) 是人工智能（AI）的一个子领域。NLP涉及领域很多，最令我感兴趣的是“中文自动分词”（Chinese word segmentation）：结婚的和尚未结婚的【计算机中却有可能理解为结婚的“和尚“】



（四）射频/通信/信号算法工程师类
包括
3G/4G无线通信算法工程师， 通信基带算法工程师，DSP开发工程师（数字信号处理），射频通信工程师，信号算法工程师
要求
l  
专业：计算机、通信相关专业；
l  
技术领域：2G、3G、4G，BlueTooth（蓝牙），WLAN，无线移动通信, 网络通信基带信号处理
l  
技术要求：
（1）      了解2G，3G，4G，BlueTooth，WLAN等无线通信相关知识，熟悉现有的通信系统和标准协议，熟悉常用的无线测试设备；
（2）      信号处理技术，通信算法；
（3）      熟悉同步、均衡、信道译码等算法的基本原理；
（4）      【射频部分】熟悉射频前端芯片，扎实的射频微波理论和测试经验，熟练使用射频电路仿真工具（如ADS或MW或Ansoft）；熟练使用cadence、altium designer PCB电路设计软件；
（5）      有扎实的数学基础，如复变函数、随机过程、数值计算、矩阵论、离散数学
应用领域：
通信
VR【用于快速传输视频图像，例如乐客灵境VR公司招募的通信工程师（数据编码、流数据）】
物联网，车联网
导航，军事，卫星，雷达
相关术语：
（1）      基带信号：指的是没有经过调制（进行频谱搬移和变换）的原始电信号。
（2）      基带通信（又称基带传输）：指传输基带信号。进行基带传输的系统称为基带传输系统。传输介质的整个信道被一个基带信号占用.基带传输不需要调制解调器，设备化费小，具有速率高和误码率低等优点,.适合短距离的数据传输，传输距离在100米内，在音频市话、计算机网络通信中被广泛采用。如从计算机到监视器、打印机等外设的信号就是基带传输的。大多数的局域网使用基带传输，如以太网、令牌环网。
（3）      射频：射频（RF）是Radio Frequency的缩写，表示可以辐射到空间的电磁频率（电磁波），频率范围从300KHz～300GHz之间（因为其较高的频率使其具有远距离传输能力）。射频简称RF射频就是射频电流，它是一种高频交流变化电磁波的简称。每秒变化小于1000次的交流电称为低频电流，大于10000次的称为高频电流，而射频就是这样一种高频电流。高频(大于10K)；射频（300K-300G）是高频的较高频段；微波频段（300M-300G）又是射频的较高频段。【有线电视就是用射频传输方式】
（4）      DSP：数字信号处理，也指数字信号处理芯片
（五）数据挖掘算法工程师类
包括
推荐算法工程师，数据挖掘算法工程师
要求
l  
专业：计算机、通信、应用数学、金融数学、模式识别、人工智能；
l  
技术领域：机器学习，数据挖掘
l  
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【均为分布式计算框架】
（4）      数学基础要好，如高数，统计学，数据结构
l  
加分项：数据挖掘建模大赛；
应用领域
（1）      个性化推荐
（2）      广告投放
（3）      大数据分析
相关术语
Map-Reduce：MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（映射）"和"Reduce（归约）"，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。
（六）搜索算法工程师
要求
l  
技术领域：自然语言
l  
技术要求：
（1）      数据结构，海量数据处理、高性能计算、大规模分布式系统开发
（2）      hadoop、lucene
（3）      精通Lucene/Solr/Elastic Search等技术，并有二次开发经验
（4）      精通Lucene/Solr/Elastic Search等技术，并有二次开发经验；
（5）      精通倒排索引、全文检索、分词、排序等相关技术；
（6）      熟悉Java，熟悉Spring、MyBatis、Netty等主流框架；
（7）      优秀的数据库设计和优化能力，精通MySQL数据库应用 ；
（8）      了解推荐引擎和数据挖掘和机器学习的理论知识，有大型搜索应用的开发经验者优先。
（七）控制算法工程师类
包括了云台控制算法，飞控控制算法，机器人控制算法
要求
l  
专业：计算机，电子信息工程，航天航空，自动化
l  
技术要求：
（1）      精通自动控制原理（如PID）、现代控制理论，精通组合导航原理，姿态融合算法，电机驱动，电机驱动
（2）      卡尔曼滤波，熟悉状态空间分析法对控制系统进行数学模型建模、分析调试；
l  
加分项：有电子设计大赛，机器人比赛，robocon等比赛经验，有硬件设计的基础；
应用领域
（1）医疗/工业机械设备
（2）工业机器人
（3）机器人
（4）无人机飞控、云台控制等



（八）导航算法工程师
要求
l 专业：计算机，电子信息工程，航天航空，自动化
l 技术要求（以公司职位JD为例）
公司一（1）精通惯性导航、激光导航、雷达导航等工作原理；
（2）精通组合导航算法设计、精通卡尔曼滤波算法、精通路径规划算法；
（3）具备导航方案设计和实现的工程经验；
（4）熟悉C/C++语言、熟悉至少一种嵌入式系统开发、熟悉Matlab工具；
公司二（1）熟悉基于视觉信息的SLAM、定位、导航算法，有1年以上相关的科研或项目经历；
（2）熟悉惯性导航算法，熟悉IMU与视觉信息的融合;
应用领域
无人机、机器人等。

5. 算法工程师要学什么

所谓算法工程师，首先需要是一名工程师，那么就要掌握所有开发工程师都需要掌握的一些能力。有些新手对于这一点存在一些误解，认为所谓算法工程师就只需要思考和设计算法，不用在乎这些算法如何实现，而且会有人帮你来实现你想出来的算法方案。这种思想是错误的，在大多数企业的大多数职位中，算法工程师需要负责从算法设计到算法实现再到算法上线这一个全流程的工作。所以作为一个算法工程师，首先要会编程，你的编程语言一定要熟练掌握。当你熟练掌握编程语言以后，还要认真研究机器学习理论以及概率与数理统计方面的知识。慢慢进阶到架构设计以后，你才向算法工程师迈出了坚实的一步。

6. 算法工程师要学什么

算法工程师要求很高的数学水平和逻辑思维。需要学习高数，线性代数，离散数学，数据结构和计算机等课程。

1、专业要求：计算机、电子、通信、数学等相关专业；

2、学历要求：本科及其以上的学历，大多数是硕士学历及其以上；

3、语言要求：英语要求是熟练，基本上能阅读国外专业书刊；

必须掌握计算机相关知识，熟练使用仿真工具MATLAB等，必须会一门编程语言。

算法工程师根据研究领域来分主要有音频/视频算法处理、图像技术方面的二维信息算法处理和通信物理层、雷达信号处理、生物医学信号处理等领域的一维信息算法处理。

在计算机音视频和图形图形图像技术等二维信息算法处理方面目前比较先进的视频处理算法：机器视觉成为此类算法研究的核心；

另外还有2D转3D算法(2D-to-3D conversion)，去隔行算法(de-interlacing)，运动估计运动补偿算法(Motion estimation/Motion Compensation)，去噪算法(Noise Reduction)，缩放算法(scaling)，锐化处理算法(Sharpness)，超分辨率算法(Super Resolution),手势识别(gesture recognition),人脸识别(face recognition)。

关于算法工程师可以到CDA认证机构了解一下，CDA行业标准由国际范围数据领域的行业专家、学者及知名企业共同制定并每年修订更新，确保了标准的公立性、权威性、前沿性。通过CDA认证考试者可获得CDA中英文认证证书。

7. 算法工程师要学什么

算法工程师要求很高的数学水平和逻辑思维。需要学习高数，线性代数，离散数学，数据结构和计算机等课程。1、专业要求：计算机、电子、通信、数学等相关专业；2、学历要求：本科及其以上的学历，大多数是硕士学历及其以上；3、语言要求：英语要求是熟练，基本上能阅读国外专业书刊；必须掌握计算机相关知识，熟练使用仿真工具MATLAB等，必须会一门编程语言。算法工程师根据研究领域来分主要有音频/视频算法处理、图像技术方面的二维信息算法处理和通信物理层、雷达信号处理、生物医学信号处理等领域的一维信息算法处理。在计算机音视频和图形图形图像技术等二维信息算法处理方面目前比较先进的视频处理算法：机器视觉成为此类算法研究的核心；另外还有2D转3D算法(2D-to-3D conversion)，去隔行算法(de-interlacing)，运动估计运动补偿算法(Motion estimation/Motion Compensation)，去噪算法(Noise Reduction)，缩放算法(scaling)，锐化处理算法(Sharpness)，超分辨率算法(Super Resolution),手势识别(gesture recognition),人脸识别(face recognition)。关于算法工程师可以到CDA认证机构了解一下，CDA行业标准由国际范围数据领域的行业专家、学者及知名企业共同制定并每年修订更新，确保了标准的公立性、权威性、前沿性。通过CDA认证考试者可获得CDA中英文认证证书。

8. 算法工程师大致是做什么的?

各个行业都有算法部分，统计有统计的算法，控制有控制的算法，图像处理有图像处理的算法。在很多传统行业，算法不是一个独立的岗位，而是由研发工程师负责。今天小编就带大家来了解下算法工程师大致是做什么的?我们接着往下看。


1. 图像处理，尤其是基于OpenCV的图像处理算法，一般产品里有做美颜，滤镜什么的特别喜欢招这块的小朋友，近一两年有被做深度学习的取代的趋势。最近google出了arcore，所以让不少小公司也能出一些效果很好的换头类应用。
2. 计算机图形学，这也算是一个大类，主要涉及到图形渲染算法，光追算法，三维图像重构等图像绘制方面的内容。这个方向，不光是做3d引擎和游戏开发方面，对于很多行业需要与cad相关的，都会涉及到这一个领域的模型和优化算法设计。
3. VR，AR领域，涉及到的包括视频跟踪，SLAM，raytracing，几何投影等等，实际上是一个综合的领域，目前主要是做计算机视觉的转行做这块。
4. 医学影像处理，三维图像重构，用在B超，CT成像上，这个是医疗方向的。
5. 通信基带信号处理，网络优化算法，这一块其实很式微了，毕竟高大上的算法小公司没成本去实施。
6. 音频滤波，用在HiFi产品，比如车载音响，手机厂商，圈子其实蛮小的。
7. 控制算法，自适应滤波算法，用在机械领域上，比如机械臂行程控制，稳定性。
8. 有限元算法，这块从雷达，机械，电磁学，到服装设计，都有很有价值的应用。
9. 信号处理，比如插值，频谱分析，盲信号分离，压缩感知，物联网大部分应用会涉及这一块。
互联网和软件行业把算法分离成一个独立的岗位大体有两个原因。第一，低级的软件工程师不懂算法，或者更干脆一点说不懂数学，所有涉及到模型和计算公式的工作都必须要找专业人员来搞定。第二，从生产效率考虑，初级算法工程师很多没有很好的软件工程背景，简单点说就是不会写代码只会写matlab，这种工程师的工作交付没有办法直接投入生产，所以需要将他们的工作和生产环节隔离开。综上所述，就是小编今天给大家分享的内容，希望可以帮助到大家。