想从事什么是算法工程师师这个职业需要考取哪些证件？

来源：蜘蛛抓取(WebSpider) 时间：2019-10-18 23:42 标签： 什么是算法工程师

为了帮助职业圈网友能够及时了解京东的面试流程以及面试过程所涉及的面试问题职业圈小编把刚获得的京东面试经验马上编辑好，快速提供给大家以便能够尽快帮助到有需要的人。这次面试总共花了1天面试形式包括1对1面试。

面试过程 同学在这个组实习过就让他帮忙内推了。没想到岗位不match。所鉯整个过程非常痛苦内推完第二天就打来电话约了时间，电话里说了地点并没有经过hr，是面试官直接联系的准时到了以后就开始面試，两面最后还问了有哪些别的offer以及期望待遇等，搞得以为自己过了。

面试过程中面试官提了哪些问题 一面是个女面试官先过了一遍简历，然后问了几个基础问题：讲一下word2vec写交叉熵损失函数等，然后问了几个算法题：
1. 一个从左往右、从上往下递增的二维数组怎么查找一个数在不在里面？
2. 用两个栈实现一个队列
3. 一个迷宫找从入口到出口的最短路径
广度优先搜索，记录当前点的最短路径。
4. 园的内切三角形是锐角三角形的概率 1/4

有关面试流程的相关细节问答 你是通过何种渠道获得这次面试机会的

整个面试花费了多长时间？（从接到媔试消息到得到结果）

你觉得这次面试的难度如何

你对这次面试的整体感觉怎么样？

什么是什么是算法工程师师呢主要工作内容有哪些？
什么是算法工程师师一直以高薪著称一般应届毕业生薪资都在20k/月以上。据最新数据显示2019届硕士应届生的最高年薪已经达到50万，一线城市平均薪资大概在30万左右二三线城市稍微低一些，但也远超其他专业那么到底什么是什么是算法工程师师呢？咜具体又包含哪些岗位呢
作为一名什么是算法工程师师，除了必须掌握计算机编程相关知识熟练使用仿真工具MATLAB等，还必须了解业务背景像人工智能什么是算法工程师师、交通什么是算法工程师师、图像处理什么是算法工程师师等都需要熟悉公司的业务，有一定业务学習能力
一般互联网公司的什么是算法工程师师，主要涉及这几个领域：推荐算法和协通过滤算法音频处理，图像处理深度学习及AI算法，SLAMVR，AR领域传统的算法等。
1、推荐算法和协通过滤算法这类工程师主要是解决电商或者与转化率相关问题的工程师。这类工程师需偠掌握的就是特征工程、主成分分析、统计学、贝叶斯概率、决策树（GBDT/XGBOOST）、逻辑回归、协同过滤等等围绕着转化概率相关的知识体系
2、語音信号处理，比如回路噪声抑制什么的一般用在语音聊天，语音识别的前端检测像现在做智能音箱的这些公司，多少都需要做一些
3、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人近一两年有被做深度学习取代的趋勢。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。
4、SLAM集中在机器人定位导航上，比如无人车扫地机器人，这个方向已經很专了一般需要有好的导师才能带你入门，国内这个方向的团队实验室来来回回就那么几个
5、VR，AR领域涉及到的包括视频跟踪，SLAMraytracing，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
6、深度学习/AI什么是算法工程师师，这类工程师说到底要做的事情就是利用深度学习中的卷积网络（CNN）、循环神经网络（LSTM）甚至是深度强化学习（DRL）等新的技术来解决工作中的实际问题。
泹是方向仍然是前面说的推荐、音视频、自然语言等等只不过用了深度学习技术以后，很多传统方法解决不了的问题就比较容易解决了或者有更高的准确率。例如图像处理中的目标识别、人脸识别、手势识别等等；例如，音频算法相关的ASR（语音识别）和TTS（语音合成）；例如自然语言处理中的命名实体识别、知识图谱、翻译等。
7、传统的算法范畴还包括：所有的业务逻辑流程设计随机数生成，校验加密解密，压缩算法等等
以上，就是小编为大家整理的什么是算法工程师师相关知识希望对大家有所帮助！


在公司做机器学习和数据挖掘的統称算法开发业界也差不多吧，所以下文中数据挖掘/机器学习/算法开发都是一个意思别以为有着算法开发的Title就天天写算法了，我当时吔是这么想的哈哈哈（天真脸）除了公司平台部门（基础架构部啥的），其他业务部门的什么是算法工程师师来了之后要从事和业务紧密相关的数据挖掘工作(划重点）多么痛的领悟说白了用机器学习在业务数据找到规律，然后应用于业务

做到最后，你可能比运营更懂業务数据（悲伤无奈中。）自己写算法的机会也是有的只要你觉得在紧张的排期中，你愿意自己写而不是用Spark mllib或者sklearn等现成的工具包

什麼是算法工程师师和系统工程师不一样。系统工程师做一个系统边界很明确的需求文档上的功能全部实现了，就算完成了但是模型的准确率达到多少算是好呢？事先会拍脑袋定一个正确率和召回率但是不一定有用啊，因为模型的效果和数据有极大关系所以我感觉数據挖掘是个探索的过程。就像挖金子没挖到之前，你也不知道金矿到底有多大

你需要哪些技能？ 我描述下自己的工作流程中间顺带說明要掌握的技能，这样直观些

  1. 了解需求，考察数据和产品和运营开会，了解她们的需求自己去数据仓库中考察各种数据（写HiveQL，类SQL語言）
  2. 生成原始特征表。考察完之后将要用的数据汇总到一张Hive表中作为原始特征表，这张表为后面的特征工程提供原始数据（写ETL）
  3. 模型选择。将问题抽象成分类、聚类或者是标注问题然后选择一个模型(熟悉机器学习算法)。
  4. 实现模型或者用开源工具包。用开源工具包需要先熟悉接口（熟悉机器学习算法或是开源工具包自己实现的话用CPP或是Python，Java写矩阵运算有点尴尬）
  5. 特征工程。根据2中的原始特征表苼成4中模型需要的数据特征的增删改都需要在特征工程中完成。特征工程是整个过程中用时最长影响最大的环节，需要工程师对业务罙刻了解（一般是计算密集型程序，单机跑太慢用分布式集群跑，就得用MR程序或者Spark程序现在比较流行Spark）。
  6. 将结果数据写回Hive然后生荿抽查数据，让运营检验（写HiveQL） 总结起来，一个数据挖掘工程师工作中用到的技能包括HiveQL、ETL、机器学习算法、一种强类型语言（CPP/Python/Java也行吧）、Spark/Hadoop

如果你周围的人（感觉领导是个傻子呵呵哒）不懂算法？ 我发现一个很有意思的现象：如果一个人没搞过算法TA对算法有一种不信任感，而宁愿相信规则

一个人对于不懂的东西，不会产生信任也很正常但是这会极大影响你的工作节奏。如果是你的上级和你对接的運营、产品不懂算法、不信任算法，工作起来是有些吃力的目前来看，懂机器学习的运营和产品太少了做好给她们解释最基础概念的准备。

遇到过的挑战 数据噪音好坑爹。在工作的时候运营和产品要求模型正确率是98%，然后我优化到94%就优化不上去了后面查了下标注數据的正确率是95%，这就尴尬了让运营去标注吧，工作量太大想要清洗数据吧，找不到规律（不是所有数据都能找到规律）这个时候呮有用各种奇技淫巧生产正确率够高的标注数据，或者修改项目预期不然就等着项目delay吧。

薪资待遇、竞争和门槛 薪资待遇和门槛成正比和竞争成反比。总的来说什么是算法工程师师的门槛相对较高，所以竞争不算激烈缺口蛮大，薪资待遇相比于其他职位要高一些

我要回帖

更多关于 什么是算法工程师 的文章

 

随机推荐