数据结构与算法工程师工资

⑴ 决定php工程师能拿多少薪资的5大要素

什么影响了PHPer的薪资?
1技术能力
程序员必然要谈到技术能力，我不是技术人员，不过还是希望从招聘的层面分享一些经验，可以参考下HR喜欢什么样的简历。
1)初级PHP： Thinkphp,Yii, Laravel等驾轻就熟，增删改查必备。
2)中级PHP： get进阶技--数据库索引和优化自不必说，分表分库还是要有的，memcache和redis的使用频率不能低于月次，不了解前端是不是说不过去了?
3)高级PHP： 除了上面的条件外，还要有门面担当的素质，玩转Linux常用指令，熟悉memcache和redis 原理，对于算法和数据结构有你敢问我就敢答的自信，Hadoop，hive，spark不过是平常的玩具，最重要的还是经历过大场面(有处理过百万日PV网站高并发，大数据的经验)。
4)当然在Github开淘宝店或有个人站点是HR大爱，在各大极客社区里有头有脸的那是极好的。
2PHP工作年限
1) 我们在这里讨论的是普遍情况下北京PHP薪资水平。
2) 3年以下PHPer，年限差异对薪资影响不大，主要是积累的阶段。
3) 3-5年的PHPer会出现分水岭，薪资跨度较大，跟程序员的自我修养有比较大的关系，此段位的程序员由于经验和精力等原因，会成为公司coding的主力，部分中小型公司也有机会转型到技术管理。当然也有部分有情怀的程序员开始创业。
4) 5-8年的PHP发展会往技术或者管理两个方向，不过在中国，程序员普遍发展的轨迹，很少有程序员过了35岁还奋斗在一线(都35了还能熬夜么?)，并且在市场上竞争力也会减弱，所以大部分会提早走上管理之路。
5)很多人会说：同事跟我做着一样的事，薪水应该一样的啊?其实不然，同公司，同岗位，同级别的薪资也会略有不同，举个例子，那就不得不提到BAT的级别薪资，在BAT里初级工程师的薪资范围在10-16K，中级工程师的薪资范围在12K-26K，高级工程师的薪资范围18-35K，大公司的薪资架构做得比较灵活，可见同一级别的薪资差距也很大。
3公司——列举的都是有PHP的公司
一线公司基本以数字厂(360)，狼厂(Bai)，鹅厂(Tencent)，猫厂(Alibaba)，小米，狗厂(搜狗)，猎豹等代表，薪资但是在如今人才为王的市场状况下，部分融资不错的发展型公司也都纷纷打出非常具有竞争力的薪资和各种优厚的福利，比如像某团，某集，某滴等，包括现在热门的的互联网金融公司。当然也有少数土豪公司，只要人好，天黑都不怕!
4教育背景
一般情况，普通本科应届生较专科起薪会高2-5K左右，近几年，互联网公司成为各大高校毕业生众星捧月之地，211，985毕业生起薪增长尤为明显，本科及硕士应届毕业生的起薪达到了12-20K(年薪在17W-30W)，甚至去年出现了阿里的星计划起薪60W招聘毕业生!
5工作地点
互联网在不同城市的发展成熟度极大的影响了薪资，目前互联网公司主要还是以一线城市为主，以一线城市为参考(北上广深)，薪资水平会比二三线城市高出不少，近两年杭州(越来越多的阿里系创业)和成都(游戏及移动互联网的发展迅速)薪资也提升不少。虽然近几年会有不少人想逃离北上广，但是就目前的互联网公司的分布来看，二线城市的能提供的机会数量和薪资较北上广差异很大，也导致部分人会因为薪资落差较大或者后期的可选择的机会较少，而重新回到北上广。

⑵ 算法工程师这个职位未来发展有前途吗

算法没学个一两年入不了门，想靠算法吃饭很难，不是单凭努力就能实现的，还要有天分。算法其实就是搞数学，数学思维很重要。这个职位年纪大了不知道能不能做，不过听大牛说，网络的员工也是代码工人。。不过能进网络，腾讯，淘宝之类的话，代码工人就代码工人了。。。去试做做topcoder比赛，没黄色就别想靠算法吃饭了。

⑶ 算法工程师的就业前景如何

人工智能工作最受欢迎。算法工程师平均招聘工资建议达到25978元。由于人才匮乏，企业竞争激烈，平均加薪超过7%。该市90%以上的人工智能高薪工作都在天河区.近日，由广州天河人才港和BOSS直接就业研究院联合发布的《广州市天河区2018年1-4月人才趋势报告》，展示了该地区的主流发展趋势：IAB已经成为天河区，和天河区创新型企业和大型企业布局或发展的核心主方向，企业以高薪吸引更多的行业优秀人才。“天河区企业渴望以高薪攫取IAB人才，这意味着企业要在这些行业中发挥实力。

⑷ 算法工程师 就业前景

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-rece/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-Rece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-Rece：MapRece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"Rece（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-Rece：MapRece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"Rece（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。

⑸ 应届生都年薪30w了，做AI工程师到底有哪些要求

1.数学基础,要学习人工智能，最基本的高数、线代、概率论必须掌握，至少也得会高斯函数、矩阵求导，明白梯度下降是怎么回事，否则对于模型的基本原理完全不能理解，模型调参与训练也就无从谈起了。
2. 编程基础,如果是做纯算法研究员，工程能力的要求不会太高，但也需要能写源代码；而对于做算法引擎开发或是应用开发的工程师来说，代码实现的能力高低就直接决定了工作产出的质量与效率了。所以，想做AI工程师的你需要熟练掌握至少一种编程语言，并掌握配套的工具、常用库等。
3.机器学习基础,人工智能的热潮来源于深度学习相关技术与应用的优异表现，所以招聘最热的岗位无疑是机器学习算法工程师。因此，机器/深度学习的经典算法、常见的神经网络模型、模型调参和训练技巧就需要尽可能多和深入地掌握了。
4.专业领域知识基础,人工智能主要应用领域可大致分为图像、语音和NLP（自然语言处理）。无论是其中哪个领域，都有海量的专业知识需要去掌握，比如如果你想从事智能驾驶行业的机器视觉方面的工作，那么你就需要掌握图像相关的知识；而如果你想做一款智能音箱的算法开发，你就需要掌握语音和NLP相关的知识。
5.具体行业的深度认知。任何应用场景都有自己独特的数据结构，而一个能够落地的AI应用自然离不开对于业务本身的深入理解。算法工程师们需要清晰地把握一个AI系统由哪些模块组成，相互关系是什么，都用到哪些技术，解决什么问题，才可能针对具体的问题展开实验研究，从而进行优化。

⑹ 软件开发工程师薪资一般是多少

截止时间2020年2月8日，软件开发工程师薪资一般在8000-20000元/月左右。

不同的城市和级别薪资会有不同，软件开发工程师的待遇当然不会太差，但是也有部分比较苦逼的程序员和挼案件工程师，拿着不过的工作，每天凌天一两点拖着疲惫的身体回家。这样的程序员也不在少数。

(6)数据结构与算法工程师工资扩展阅读

注意事项

1． 测试人员要提高自己的分层测试思想，在划分测试点的时候不光要从业务的角度考虑，还要充分考虑数据的特殊性。

2． 测试人员也应当具有一定的市场意识和风险意识，能够站在不同的角度，尽可能的分析系统可能存在的风险场景。

3． 测试负责人制定测试计划粒度要小、周期要短；测试组成员对于自己的工作都有明确的目标和子目标。特别是存在交叉测试的模块，测试人员一定要责任明确，确保没有漏测的场景。

4． 测试人员一定要有自我推销意识，主动加强与开发人员、需求人员及客户的沟通。

⑺ C++工程师工资多少

据调查，初中级C/C++软件开发工程师的年薪为5万-15万元，高级软件工程师则高达15万-30万元。市场最紧缺的C/C++技术总监或项目总监年薪更高。C/C++软件工程师的年薪与JAVA软件工程师和.NET软件工程师的年薪相比一般平均要高于2-3万。 据专家预测，C/C++软件工程师是未来几年最热门和最受欢迎的职业之一。
…………………………………………

看你问的问题，应该是对c++很感兴趣，其实你可以自学c++。关于如何学习c++，我刚才看到一篇很不错的文章，是一个专科生介绍自己如何自学c++，并找到c++的工作，里面介绍了他的学习方法和学习过程，希望对你有帮助。
先做个自我介绍，我07年考上一所很烂专科民办的学校，学的是生物专业，具体的学校名称我就不说出来献丑了。09年我就辍学了，我在那样的学校，一年学费要1万多，但是根本没有人学习，我实在看不到希望，我就退学了。
退学后我也迷茫，大专都没有毕业，我真的不知道我能干什么，我在纠结着我能做什么。所以辍学后我一段时间，我想去找工作，因为我比较沉默寡言，不是很会说话，我不适合去应聘做业务。我想应聘做技术的，可是处处碰壁。
一次偶然的机会，我才听到c++这个行业。那天我去新华书店，在计算机分类那边想找本书学习。后来有个女孩子走过来，问我是不是读计算机的，有没有兴趣学习c++，然后给我介绍了一下c++现在的火热情况，告诉我学c++多么的有前景，给我了一份传单，c++培训的广告。听了她的介绍，我心里痒痒的，确实我很想去学会一门自己的技术，靠自己的双手吃饭。
回家后，我就上网查了下c++，确实是当今比较热门的行业，也是比较好找工作的，工资也是相对比较高。我就下决心想学c++了。于是我去找c++培训的相关信息，说真的，我也很迷茫，我不知道培训是否真的能像他们宣传的那样好，所以我就想了解一段时间再做打算。
后来，我在网络知道看到一篇让我很鼓舞的文章是一个c++高手介绍没有基础的朋友怎么自学入门学c++，文章写的很好，包含了如何学习，该怎么学习。他提到一个方法就是看视频，因为看书实在太枯燥和费解的，很多我们也看不懂。这点我真的很认同，我自己看书往往看不了几页。
我在想，为什么别人都能自学成才，我也可以的！我要相信自己，所以我就想自学，如果实在学不会我再去培训。
主意一定，我就去搜索c++的视频，虽然零星找到一些c++的视频，但是都不系统，我是想找一个能够告诉我该怎么学的视频，一套从入门到精通的视频，一个比较完整的资料，最好能有老师教，不懂可以请教的。
后来我又找到一份很好的视频，是在IT学习联盟推出的一份视频《零基础c++就业班》（喜欢《零基础c++就业班》的可以复制 sina.lt/ceFM 粘贴浏览器地址栏按回车键即打开）。里面的教程还不错，很完整。
下面介绍下我的学习流程，希望对和我一样完全没有基础的朋友有所帮助。
收到他们寄过来的光盘后，我就开始学习了，由于我没有什么基础，我就从最简单的C语言视频教程学起，话说简单，其实我还是很多不懂的，只要重复多看几遍，就能看懂。C语言我差不多学了一个礼拜，接下来我就学了c++和数据结构算法，差不多也就三个礼拜。我每天都在不停的写一些简单的代码，这样一月后我基本掌握了c++的全部基础。
接下来开始学习c++高级课程，老师幽默风趣而又轻松的课堂教课，使我发现原来学习c++并不是一件很难的事情。之前我把c++基础学得还不错，到了到了c++高级部分，我觉不又不是很难，可能老师太牛了，他能把复杂的问题讲的比较通俗易懂，有些难点的地方我还是连续看了五六次，把他弄懂。每天下午6点下班后，吃了饭，马上跑回家。看视频，买了几本笔记本。当时，为了编程还花几百元了台二手的台式电脑，配置一般，但编程是足够的。一边看视频，一边记笔记，把重点都记下来，还一边跟着老师敲代码，为了能尽早学会c++。每天都坚持学5-6个小时。经常学到晚上一点多才睡觉。星期六，日不用上班，每天7点多起床，学到晚上11,12点。那段时间特别辛苦，特别累。在学习c++的三个多月里，除了吃饭睡觉工作，剩余的时间都在学习，因为我知道自己的计算机基础不是很好，也没有学过什么计算机，相对于那些科班的人来说我要比他们付出更多的努力。我只能咬紧牙关，坚持下去，我不能放弃，我要完成我的梦想，我要让我的家人过上好日子。终于三个多月后我把c++教程里的内容和项目都学完了，在学项目的过程中我发现项目特别重要，他能把你学过的知识全部联系起来，能更好的理解你所学的知识。还有学习过程中，动手很重要，要经常跟着老师动手敲，动手吧，跟着做，一行一行的跟着敲，再试着加一些自己的功能，按照自己的思路敲一些代码，收获远比干听大的多。 如果遇到暂时对于一些思路不能理解的，动手写，先写代码，慢慢你就会懂了。
于是我就到51job疯狂的投简历，因为我学历的问题，专科没有毕业，说真的，大公司没有人会要我，所以我投的都是民营的小公司，我希望自己的努力有所回报。没有想过几天过后，就有面试了，但是第一次面试我失败了，虽然我自认为笔试很好，因为我之前做了准备，但是他们的要求比较严格，需要有一年的项目经验，所以我没有被选中。
后来陆续面试了几家公司，终于功夫不负有心人。我终于面试上的，是在闵行的一家民营的企业，公司规模比较小，我的职务是c++开发程序员，但我也比较满足，开的工资是3500一个月，虽然我知道在上海3500只能过温饱的生活，但是我想我足够了。我至少不用每天都要靠父母养，我自己也能养活自己的。我想只要我继续努力，我工资一定会翻倍的。
把本文写出来，希望能让和我一样的没有基础的朋友有信心，其实我们没有必要自卑，我们不比别人笨，只要我们肯努力，我们一样会成功。

………………………………………………

⑻ 数据分析师和数据挖掘工程师的区别

数据分析师岗位重在“分析”，数据挖掘工程师岗位重点是要“挖掘”。