百度算法工程师工作流程

A. 如何成为一名合格的算法工程师

BAT企业的算法工程师是这样工作的：问题抽象、数据采集和处理、特征工程、建模训练调优、模型评估、上线部署。（具体操作可以看阿里算法专家chris老师的算法工作流视频算法工作流是怎样的？）而一个算法工程师真正值钱的地方在于问题抽象和上线部署这两个。

B. 怎么样成为一个算法工程师

看看招聘算法工程师的要求大概能知道一些情况：
华为：无线RTT（无线传输技术）算法工程师
主要工作职责
1．根据各无线产品（包括WCDMA(含HSPA)/CDMA2000/Wimax/GSM(EDGE)需求,分析和设计基带算法及其性能。
2．参与无线产品系统测试,外场测试,定位并分析问题。
3．参与LTE(S3G)/AIE/E-HSPA/GERAN标准演进的物理层技术提案工作。
4．与各无线产品RRM算法人员，网规人员合作，共同完成跨领域的算法分析研究和系统性能分析工作。
职位要求：（一）通信知识
1．硕士及以上学历，通信、信号处理或相关专业毕业（很优秀或有丰富算法分析经验可以放宽到本科）。
2．掌握信号处理技术，随机系统理论和信号检测理论，通信原理等技术。
3．熟悉无线通信系统原理，特别是蜂窝无线通信系统。
4．了解无线资源管理的基本知识，如切换，功控等。
5．了解无线网络规划的技术，特别是容量，覆盖相关的知识。
（二）个人素质
1．对算法研究有浓厚兴趣和求知欲望，有意在这里长期发展。
2．有良好的领悟能力，对工作精益求精的精神，强烈的责任心。
3．有良好的团队意识和合作精神。
（三）其他要求和说明
1．有在国内外公司相关核心部门工作经历和成功经验的人优先考虑。
某搜索网站:职位名称：资深搜索算法工程师
职位描述：1. 针对公司搜索业务，开发搜索相关性算法、排序算法。
2. 对公司海量用户行为数据和用户意图，设计数据挖掘算法 。
3. 进行关联推荐、个性化搜索技术的研发。公司简介：公司成立于2003年，拥有注册会员1.7亿；2009年全年交易额达到2083亿人民币，是亚洲最大的网络零售商圈。网站占据国内电子商务80%以上的市场份额。公司子平台作为一站式购物搜索引擎，自上线以来，已经成为这个领域内的领军力量，它最终将会为消费者提供从商品搜索、购物比价甚至在线支付的全流程购物服务。公司采用行业领先的搜索技术，网罗最受欢迎的C2C、B2C以及团购网站的所有线上商品，同时将各类导购资讯一网打尽，为用户提供便捷的一站式购物体验；货比N家，。公司有着千万台服务器24x7的积累和计算海量的用户购物行为以及商品销售数据，为消费者提供可持续提升体验的个性化商品推荐；创新的手机应用让购物随时随地。 欢迎对网络购物体验，搜索技术，大数据量并行处理，分布式存储与计算，大规模集群通讯，自然语言处理, 机器学习，商品推荐算法, Android/iOS移动应用开发等感兴趣的朋友加入。岗位职责：1、3年以上相关工作经验。 2、熟练掌握C/C++或java语言。 3、了解Unix/Linux环境下开发环境、熟练应用Perl和Unix Shell等其中一种语言； 4、熟悉信息检索理论，了解常用的数据挖掘技术。 5、深入理解机器学习理论，了解自然语言处理技术者优先考虑

C. 如何成为一个深度学习算法工程师

随着技术的成熟，人工智能越来越被应用到医疗领域。能够“读图”识别影像，还能“认字”读懂病历，甚至出具诊断报告，给出治疗建议。这些曾经在想象中的画面，逐渐变成现实。
作为人工智能最稀缺的人才之一，深度学习工程师面临近百万的缺口，成为了各大企业竞相争夺的香饽饽，月薪大都在30K-80K之间。越来越多的程序员、院校学生开始学习深度学习算法。
深度学习工程师的岗位职责有哪些？
深度学习的概念源于人工神经网络的研究，主要通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
近些年，深度学习在语音识别与计算机视觉领域取得巨大成功，极大推动了人工智能的发展。越来越多的企业开始重视深度学习，招聘岗位数量也越来越多。
那么深度学习工程师的主要工作内容是什么？有哪些岗位职责呢？主要有以下几个方面：
1) 负责项目中深度学习相关算法的研究、实现与调试。比如自然图像分类、人脸检测识别、文本识别(OCR)等相关领域的算法和模型研发，以及优化识别引擎、提高识别效率及成功率等。
2）负责针对项目需求，选择合适的学习框架如TensorFlow、 Caffe、Theano等进行开发和调试，完成数据获取→数据分析→模型训练调优→模型上线完整流程，并对流程中的各种环节做不断优化。
3）利用深度学习的技术进行前沿人工智能技术研发，在开放环境下、复杂场景中的探索式学习、多任务协同学习等，攻克业务中的复杂问题。
如何成为一名优秀的深度学习研发工程师
随着深度学习技术的发展，越来越多的企业开始布局计算机视觉、图像识别、语音识别、自动驾驶等领域，这方面的人才缺口也越来越大。很多刚接触深度学习的同学，可能会有疑问，到底掌握哪些技能才能成为一名优秀的深度学习研发工程师呢？
首先是算法能力。在大多数企业里，深度学习研发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，所以算法能力是所有深度学习研发工程师都需要掌握的。
其次是编程能力，熟练掌握python/c++编程，至少熟悉tensorflow或者pytorch一种深度学习工具,能够进行深度学习各类模型架构使用和设计。
再次是其他人工智能技术。未来人工智能产业发展越来越快，深度学习将会扮演非常重要的角色，很多时候需要深度学习与其他人工智能方法相结合才能完成。我们将会看见越来越多的混合系统，其中深度学习可用于处理一些棘手的感性任务，而其他的人工智能和机器学习技术可用于解决问题的其他部分。未来深度学习、人工智能有革命性的理论突破，更有可能来自交叉领域。
深度学习架构师成长指南
目前我国的人工智能行业发展迅速，但是从事深度学习研究的工程师却很少，尤其是深度学习架构师方面的人才非常紧缺。
我们知道，系统架构师主要负责设计系统整体架构，从需求到设计的每个细节都要考虑到，把握整个项目，能对常见应用场景能给出最恰当的解决方案，使设计的项目尽量效率高、开发容易、维护方便、升级简单等。
而要成为一名深度学习架构师，除了上面的内容之外，还需要擅长机器学习开发技术和实践。
当业务规模和复杂度发展到一定程度的时候，机器学习一定会走向系统化、平台化这个方向。
这个时候就需要深度学习架构师根据业务特点以及机器学习本身的特点来设计一套整体架构，包括上游数据仓库和数据流的架构设计，以及模型训练的架构，还有线上服务的架构，建立机器学习训练、预测、服务稳定高效运行的整体系统等等。

D. 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。

E. 算法工程师是青春饭吗以后的发展路线是怎样的

算法工程师不是青春饭。

在入职的年龄中，算法工程师的入职年份越多，就有越多的公司要你。由于算法工程师对于知识结构的要求比较丰富，同时算法工程师岗位主要以研发为主，需要从业者具备一定的创新能力，所以要想从事算法工程师岗位往往需要读一下研究生，目前不少大型科技企业对于算法工程师的相关岗位也有一定的学历要求。

提到人工智能，就不得不提人工智能领域最炙手可热的算法工程师。算法即一系列解决问题的清晰指令，算法工程师就是利用算法处理事物的人。算法工程师主要根据业务进行细分，常见的有广告算法工程师、推荐算法工程师、图像算法工程师等等。

但作为热门领域和人才供不应求的人工智能，开出的薪资依旧让人羡慕眼红。猎头Jony表示“人工智能科班出身的博士，50万年薪仅仅是起步价，优秀的开到80万、100万都不一定能抢到。”

F. 算法工程师应该具备哪些工程能力

作者 | 木东居士

来源 | Data_Engineering

最近看了 Milter 的《算法工程师究竟需要哪些工程能力》这篇文章，有所感想，因此也写一篇关于算法工程师的技术能力的问题，和大家分享一下居士关于算法工程师的技术能力的观点。

对于一名优秀的算法工程师，他（她）要具备的不仅仅是出色的技术能力，也要有很深的业务理解能力和对外沟通能力，总之，要求可以很高！

但是，从职责能力的划分上来讲，算法工程师首先是一名工程师，因此本文主要从工程能力要求上进行一些探讨。

开始之前先放一份思维导图，这将是这篇文章要分享的核心内容：

工程能力概览

算法工程师，从名字上我们就能看出，一名算法工程师首先应该具备算法能力和工程能力，我们可以认为这是基础的技术能力。由于现在开源技术的普及，Sklearn、Tensorflow 和 Spark ML 基本已经成为大部分算法工程师标配的工具库了，因此，熟练的调包能力也是决定了一名算法工程师能否快速实现需求。

其次，在真实的生产环境中，算法的落地会遇到各种各样的业务场景和数据环境，这也要求算法工程师需要具备Pipeline 构建能力，将整个生产环境中的数据流和模型打通。同时，在生产环境中，会出现各种“疑难杂症”等待你去解释，比如说为什么实验效果特别差？为什么模型效果不稳定？这就要要求算法工程师需要具备一定的数据分析能力。

很多时候，你会发现，你用在数据分析和Pipeline构建上的精力可能占据了你8成以上的工作内容。

当你具备了上面的能力时，你已经可以称自己是一名算法工程师了。此时，你可以去对着数据分析小得瑟一下：“你看，我能构建整个模型的Pipeline，你却只能拿到别人提供的数据后调调包吧。“或者，你也可以去找开发得瑟：”你看，我懂了很多算法哦，你就只会写代码吧。“

得瑟完之后，我们还是回归正题，算法工程师只具备这样能力是否已经够了？答案当然是不够的。由于不同公司的团队成熟度不同，工具化和流程的成熟度都不同，这就会对算法工程师有不同的要求，比如说模型发布能力和报表开发能力，当然也会有一些其它能力，虽然可能不是特别重要，但是当这些工作没人帮你做的时候，算法工程师可能依然要承担起这些工作内容，比如说灰度测试的能力、负载均衡的能力等等。

将上面的内容整理后，就是这样一份思维导图了（一张图多看几篇更能加深印象，因此我再贴出来一遍）

工程能力详解

一、基础能力

算法能力

算法能力就不多说了，算法工程师的基本能力要求，不懂算法对于一名算法工程师来讲是不太合理的。这里居士把统计学的内容也放进来了。

编程能力

编程能力主要分为两部分：

调包能力

大家虽然会调侃调包侠，但是说实话，能调包调的很溜的人，也是不多的，比如说现在让你自己用tensorflow构建一个复杂网络，不能google，你能写出来吗？能记清楚用法吗？

二、核心能力

Pipeline 构建能力

Pipeline构建能力，这里想表达的更多的是整个数据流的构建能力，数据从日志->特征->模型训练->反馈，这一个链条能否完成的能力，这里面会有很多难题需要克服。比如说：

很多时候，模型发布之类的工作是可以由其他同学支持完成，但是数据流这种问题更多的是需要算法工程师来解决的。

数据分析能力

这里的数据分析能力不是指商业分析或者业务分析，更多的是指特征分析、算法效果分析和各种异常问题定位分析的能力。

很多时候，两个算法工程师能力水平的强弱从数据分析能力上也能窥得一二。

三、辅助技术能力

辅助的技术能力是指，你会不会的影响不会特别大，但是也都是有用的能力，特别是不同公司的发展情况不同，很可能会出现一个算法工程师既要做数据接入、又要做数据清洗、还要做算法平台

也要搞前端、还要负责模型上线、系统运维。

这里就不再细讲了。

思考一

聊一下对技术能力、工程能力和数据分析的思考。

居士个人的理解，技术能力更多的是偏向于一个一个的技术点，而工程能力更多就是在一个团队中将项目做好的能力。很多算法出身的工程能力不行，那么他做的单纯的一个模型是无法应用到实际生产中的，而工程就是指把理论落地实际生产的过程。那么工程包含了什么？它包括了系统架构设计和模块设计、数据流搭建和平台搭建、调包或算法开发、分布式、上线以及各种落地的代码开发。报表和监控，其实本质也是做数据流，边缘性的可能要做些后台和前端的开发。

然后数据分析能力是什么？数据分析（不是纯粹的数据分析）除了分析方法论和套路外，是一个很综合性、相对偏软一点的能力，比如说你通过分析发现了我们的系统有哪些可以优化的点，通过分析发现了问题的原因是什么，这些都是分析能力。

思考二

针对前面的内容，和 Cathy 讨论后，对整个思路做了新的梳理，大家直接看图就好，居士也认为这样描述可能更为合理。

思考三

这里再补充一个模型复现的能力，比如你看了一篇论文，发现这个模型可能很适合自己的业务场景，那么你是否能力将论文里面的模型快速用公司现有的平台和工具来复现？

居士认为，这一个是一个非常重要的能力，但是没有想好具体该怎样划分。

G. 算法工程师是做什么的真正做过的回答，怎么去做一个算法工程师与机器学习哪个好一些

算法工程师不是也有一种叫做机器学习算法工程师吗？怎么把算法工程师和机器学习两个分开了？

这是我上周听过的阿里的一位算法专家的直播课内容：

BAT企业的算法工程师是这样工作的：问题抽象、数据采集和处理、特征工程、建模训练调优、模型评估、上线部署。而一个算法工程师真正值钱的地方在于问题抽象和上线部署这两个。

他刚好讲到企业中的算法工程师的实际工作流程是怎样的？以及如何成为算法工程师，就是需要掌握哪些重要技能？

推荐给你看下咯：菜鸟窝人工智能特训营你只需要看第一章就好了，听完之后就能解答你的提问了。

H. 关于算法工程师的职责

1、负责项目工程建设的总体控制、质量、进
Engineer
度、工程造价控制和技术管理等建设管理工作。
2、负责根据项目的总体管理目标编制项目建设的总体实施计划、年度和分月度的实施计划；下达项目的建设实施计划，并对实施中的项目计划进行统计分析和计划调整等综合管理。
3、组织项目办、监理单位和施工单位全面分析工程的特点与实际情况，分析确定工程的技术难点和控制要点，制定相应的针对性措施和重点控制流程；并督查监理单位和施工单位制定相应的监理和施工的监控计划，落实人员和条件，实施于工程的监理和施工，使建设管理目标明确，层级之间形成有效监控的体系。
4、负责对施工合同履行的监督和动态管理。定期或不定期组织相关科室人员深入施工现场，督查施工单位三大负责人、专业工程师与主要机械设备的到位和工作情况；检查施工单位在前期准备、工程质量、进度、安全生产、现场管理等方面履行合同的情况，监控各项管理指令闭合；监控质量保证体系保持良好的动态运行；监督施工单位严格按照设计图纸、批准的施工组织设计、技术规范进行施工；对照下达的实施计划对施工进度进行监控，并针对具体问题分析原因和采取措施；监督施工单位在安全生产、现场管理方面的措施和管理是否到位；同时，对施工单位合同违约和施工管理人员的违规进行记录与处理，对发现的监理单位违约与监理人员的违规行为进行处理，并交办有关科室进行记录和跟踪落实。
5、负责项目建设中的技术管理工作。主持设计、监理、施工单位进行设计图纸会审、技术交底、设计完善和优化等；负责审查施工组织计划，组织对重要工艺进行审查和验证；主持设计变更方案的论证；负责新技术、工艺和材料应用；组织实施技术攻关，解决施工中的重大技术问题；协助总监理工程师审查监理实施细则等。
6、负责新技术利用和项目的配套工程科研工作。
7、监督集中招标采购的大宗施工设备材料的质量和供应工作；协调工程技术方面合同各方及项目对外各方的工作关系。
8、负责工程变更和项目造价控制的管理工作，负责配合项目审计工作。
9、负责组织办理项目中间计量支付、交工支付及竣工结算。
10、负责组织项目交工验收及项目交工总结报告、执行总结报告的编写；并签发合同段工程交工证书。
11、负责项目缺陷责任期的工程缺陷修复管理。
12、负责组织编制项目竣工文件，做好项目的竣工验收的相关工作。
13、对主任负责，分管工程建设管理科；并对现场管理办公室工程管理方面的工作进行监督和业务管理。
14、负责工程建设有关资料的收集和归类建档工作，负责审核工程建设统计资料，主持编写工程总体进展情况汇报，报送项目建设管理规定的信息和统计资料。
15、负责项目办各部门并会同监理单位对施工单位的合同履约情况（综合质量、进度、造价、安全、文明施工等）进行全方位考评及信誉度评价，并提出相应经济和信誉度奖罚的意见，报请项目办主任审定。
16、协助主任参与重大事项的决策；负责组织完成主任交办的其他工作。
17、配合副主任和总监理工程师做好其它工作。

I. 算法工程师未来的发展方向35岁以后呢

技术能力是技术人员的立身之本。站在算法的角度，这里的技术能力主要是算法应用能力，包括阅读论文、算法实现、工程化以及相关文档的撰写。
技术人员常见的一个认知误区是技术大于一切，认为只要技术做好了，就应该得到认可或奖励。事实上，技术在大多数情况下只是商业中的一环，技术做得好不能确保商业上的成功。
以自营电商为例，技术人员做一款功能强大的购物APP不难，但同时必须有商品研发、供应链和物流配送才能完成一个极小的商业闭环。此外，要想商品卖得好得有市场和运营团队一起发力。在这样的背景下，购物APP只是诸多商业环节中的一个节点，因此仅仅依赖软件研发技术显然不足以实现商业上的成功。好的技术团队必须始终围绕各商业环节，有能力定位问题，并研发工具有效地解决问题。
作为算法工程师，在立项和需求评审时，需要有能力评估项目为业务带来的价值以及算法在整个项目中的价值，从而避免把精力浪费在“投入产出比”不高的事情上。如何做到这一步呢？除了有扎实的技术，还需要深入了解业务。
需要了解的业务知识包括（但不限于）商业模式、业务流程、业务限制以及与当前业务相关的技术等等。算法工程师了解业务的另一个好处是洞察需求，解决问题的同时可以发现更多的技术问题，从而推动业务的进步。
技术人员最难跨越的是从技术能力到业务能力的提升。有两方面原因：一是技术人员主观上不太愿意处理业务问题（扯皮的事情较多）；二是技术人员晋升和跳槽时主要被考察的还是技术，因此业务能力在有些技术人员看来短期的收益不高。
架构能力是一种解决复杂问题的能力，它需要考虑业务的现状和未来，把复杂问题分解成简单问题，然后给出解决方案。与软件架构相比，算法架构更偏向业务，不仅要对业务进行建模和抽象，还要考虑工程实现，以便技术方案在实际业务中落地。因此，良好的技术能力和业务能力是算法架构能力的基础。
算法相关的技术项目可能涉及到与其它技术工种的配合，例如：产品经理、数据分析、数据开发、前端、后端、测试、运维等。因此，算法工程师设计的技术方案应该考虑到算法模块与其它技术模块的解耦与协同。
算法工程师做解决方案时应该从全局出发：一是技术上不仅考虑算法而且还要考虑工程实现和产品化（切忌手里有锤子，看什么都是钉子的想法）；二是从整体业务的角度考虑项目带来的收益。例如，假设推荐系统的重构可以带来推荐模块的转化率提升。那么这件事情一定值得做吗？我们还应该评估这个提升效果对大盘利润的影响。如果对大盘利润的提升有限，或许应该把精力投入在更有价值的项目中。