如何看待 2020 届校招算法岗「爆炸」的情况？

--------------------------------8月28日更新！

一转眼没想到多了这么赞，感谢大家支持！

论文到底对找到工作有没有用

结论：不只SCI，我亲测其实有论文也行，哪怕是有科研经验，还没发表，即将发表，其实都是有用的。

先说说我的情况，2018春招，手里是2篇SCI，1篇学生1作，还有论文已经投稿，学生1作，只有这篇投稿的是和机器学习、自然语言处理相关，但是简历基本没有卡，面试也基本会拿你的论文经历问你，面试官很喜欢，最后去了美团点评出行事业部，感觉这个经历能说明点问题。

从人力角度而言（额，和几个人力朋友聊过很多，我就是抱着知己知彼的心态去了解的），其实找员工的标准就一个——匹配！所以啊，你只要能证明你匹配，你够格，那就会给你这个机会，所以论文也好，实习也罢，比赛也好，只要是和你这份工作相关甚至匹配的，这次经历能证明你能完成这个岗位所对应的任务的，就可以。

退一步，不相关是不是就一定不行呢？当然不是。论文本身还有一个功能——证明你具有一定的个人能力，论文不是谁都能发的，也不是谁都能发好几篇的，因此你发表了论文，排位还比较前，其实就说明你具有很强的能力，只要你补充一些和岗位匹配的技能和信息，其实你同样有机会。所以，SCI、EI、SSCI，中文核心，会议，啥都好，你能发表，你能出现，其实就证明你的能力啦，不见得不行的。

还想聊的是，很多在校生是没法出来实习的，无论是学校压力还是导师压力，深表理解，反正就没法出来了，如果论文没用，那这些同学就是死局了啊，HR也不傻，知道这种情况存在，甚至很普遍，但是人才还是人才啊，不能直接筛掉，因此，论文绝对是证明你能力的重要方法，另外，自己参加比赛，自己实战做点练习，也可以的，所以在校无法出来实习的同学不要以这个借口说自己不行了，想证明自己行的人会想方设法去证明的呀，加油。

学不学计算机

学计算机对找这方面工作有优势，但是不是绝对的，学计算机的不代表你就稳了，不学计算机也不代表你就完了。

再次强调，HR招你与否取决于你的实际能力与岗位是否匹配，不是专业，不是学校，不是论文，不是竞赛，而是你的实际能力，你的专业、学校、论文、比赛成绩都只是在证明你的实际能力和岗位匹配甚至超过岗位本身的要求罢了。

很多计算机专业毕业的同学也会发现，大学学的和实际工作的差距还是很大很大的，当然别的专业也很类似，你在找工作的时候，你就要根据自己想做的方向去学习很多更偏向应用的，前沿的东西，不是你上了几年学拿着毕业证，offer就会飞到你手里的。

在现在网络发达的环境下，知识不是谁的专属品，你想学自然会找到途径学到，视频、教程、书籍等都有，如果你真想到算法岗，你会使出浑身解数去找你需要的知识，学习他，掌握他，甚至精通他。

在这个逻辑下，学不学计算机真的就不是核心问题了，顶多的，有些知识计算机专业课程内有，而非计算机专业的你可能得自己学而已，就仅此而已。

这个小问题下再强调一句，都该找工作了，早就是成年人了，能不能不要等着别人把知识喂到你嘴里（有当然最好），你自己想学什么，用什么方式学，自己探索呗。

再谈计算机专业

我不是计算机专业哈，我只是一个被”信息与计算科学“这个专业名骗到数学系，但其实想学计算机的学生，本科信计专业，硕士统计学。

和很多知乎的大牛观点一致，其实学计算机专业是很多人想出头，赚大钱的很好的路径，程序员门槛其实没想象的高，但是同样毕业，赚的钱比很多专业都多，稳定性还不低，这也是大家挤破脑袋进来的原因。

但是，算法岗绝对不是计算机专业出来的唯一路径，嵌入式、前端、后端等等，都是机会，其实大家都可以尝试，把思路打开。

--------------------------------8月26日更新！

有人开始拿我劝退的话说事了，我是从大部分人的角度出发吧，中肯的劝大家冷静罢了，不怕艰难险阻，不怕竞争，不怕失败，能承担风险的，欢迎挑战，有能帮到你的甚至可以联系我，条件允许的话我挺愿意帮忙的。

我看到了一些我不敢说的回答了。那我也敢大声说了。

人多，招聘单位的要求肯定水涨船高，之前我都在谈客观难度，算法本身真的不是培训班几周就能满足社会需求的，尤其大家还想去大厂对吧，现在我要谈主观难度，我是HR，面对这么多简历，我肯定用最简单快捷的方式筛选一批，然后再来仔细看简历，筛选笔面试。所以呢，我会用一些宁可错杀不放过的条件来搞掉一批人，例如下面的：

• 985211高校。
• SCI或者顶会论文。
• 实习经历，还得丰富。
• 奖学金啥的其实也一抓一把。

我这么说吧，没上面的可能也有优秀的，但是没有的大概率是不够优秀的(别拿幸存者定律之类的来杠我)，作为粗筛，缩小范围，这个牺牲绝对赚的，毕竟进入漏斗的人还很多，池子里还有人，我可以放心在里面选。

现实有的时候真的就很残酷，竞争也是如此，所以想进入大厂靠着算法赚大钱的各位，想清楚了这个机会能不能把握的了，我的劝退没有恶意，大家冷静想好了做出选择，比蹭热度而上，性价比可能更高，想好这个东西是否适合自己。

另外，大家别被一些同样在蹭热度的媒体和教育机构给渲染和带节奏了，有些媒体和教育机构的宣传真的恶心，靠数据陷阱来引人入局，大家都是想学算法的人了，多从数据中发现问题啊！

说到这我经常喜欢推荐一本书给大家，《统计陷阱》，很老很老的书了，薄薄的一页，告诉大家怎么用数据来骗人，你可以识别，也可以利用，反正武器善恶，在主人而非武器本身吧，我强调的是至少大家要会识别。

------------下面是原回答

我也忘了啥时候回答的了，不写时间了。

估计还会持续几年，大数据热潮褪不去，会有更多的人想进来，程度可能还会越来越爆炸。

2019年我参加了两次校招，春招实习和秋招，春招最终选择了美团打车，而秋招则选择了OPPO，都是算法岗，对比这两次，都有明显感知，秋招在算法岗竞争的人比春招多的多的多。

原因

先谈谈原因吧。我觉得核心原因有三个。

• 进了这个坑的人，赚的似乎确实比同层次人群多一点。
• 网络媒体各种宣传炒作。
• 很多人都会觉得这个东西和自己有关系。

第一个原因是我能直接感知到的，哪怕是和算法岗很接近的一些开发岗，java、前端等，算法岗会比他们高20%左右。

第二个原因其实我觉得是最害人的，网络媒体宣传，从最早的大数据（我觉得就是现代版的皇帝的新装）、alphago、AI写诗、风格转化等等，都是网络媒体宣传，这些宣传让大家觉得这是个趋势（某种程度上说这确实是个趋势），热门，大家都应该进来。

第三个原因和第二个有点关系，因为大数据、人工智能等概念被媒体模糊化，也给了很多人一种感知，我可以在这块干活，法律有法律大数据，生物有生物信息，金融有量化金融，我看到的还有材料领域、语言学等，加上现在被广泛认为是对口的计算机、自动化、数学等等，这些看似不相关的东西都被一个名词——人工智能，给串在了一起。

而算法，作为被人工智能概念捆绑的工作，自然就开始火了。

应对

其实很多人问我这个方向要不要入时，我基本都是劝退，原因有这几个：

• 社会层面。人多坑少，你要入好坑，必须有足够强的实力与扎实的基础，现在不是简单的学个培训班就能入场的时候了。
• 个人层面。由于竞争激烈，对于个人能力要求很高，万一失败，代价不小。

校招在即，估计大部分要参加校招的人都来不及换选择了吧，那就怎么解决困境估计是现在大家对关心的问题吧。

我一直相信一个点，有扎实的实力是你最强也是最稳妥的资本，因此我不喜欢整一些花里胡哨的，而是潜心学习，扎实技术，这样才能在竞争中胜出，这也是最健康、长期的取胜方式。

有关校招，我曾经写过一些回答和文章，有学习经验，也有一些知识上的补充：

有什么问题欢迎交流，我也会根据问题进行补充~

另外最后做个小广告，欢迎关注我的个人公众号：CS的陋室，主要分三个模块，NLP、搜索推荐、机器学习与开发，为大家分享我的学习经验、笔记等，欢迎和我一起交流哈~

1.本来算法工程师的市场需求就比前端开发、后端开发（业务开发）、客户端开发等职位的要小。说实话其实很多公司是不需要搞机器学习的算法工程师的，也养不起一个AI Lab，但业务逻辑工程师是每个公司都一定要而且需求量很大的。

2.现在只要是个研究生都说自己是搞算法人工智能深度学习的，且不说计算机专业全员人工智能的盛况，毕竟计算机行业目前的热点在那，我听说现在读什么自动化、电子、通信之类专业的人也人均“算法”起来了，产出大量根本就不适合算法工程师这碗饭，但研究生期间也没有老老实实学点计算机基础知识没有老老实实刷leetcode的外围算法岗人士，自然产生爆炸的效果。

3.我想说的是，认清自己的长处短处以及兴趣点，算法岗、人工智能、深度学习这些东西看起来火爆，看起来高大上，但并不一定适合每一个人。从技术角度来说，我真的一点也不觉得前后端客户端开发这些岗位就”低端“到哪去了，亿级DAU百万级QPS系统下复杂业务逻辑场景的技术方案设计与编码实现之类的东西都是很有挑战性很有难度的工作。

就算我们从功利点的角度来看，现在算法岗基本上已经没什么薪资优势了，人家字节跳动技术序列校招统一批发价了解一下，算法工程师、前端工程师、后端工程师、Android工程师、IOS工程师、测试开发工程师、大数据工程师统一打包23*15了解一下。拿现在看起来最落寞的移动端开发来说吧，现在想招到一个靠谱的有经验的能解决痛点难点问题的资深IOS工程师，要出的钱绝对不会比招一个算法工程师少多少。所以我还是劝大家找准自己真正喜欢的点在哪，不要盲目跟风人工智能，计算机行业现在发展得很好，可以说你做哪一个岗位做好了给你带来的收益都是很足的（这句话不是鸡汤，你们自己去招聘APP搜一下”资深xx工程师“就懂了），选择真正适合自己的岗位吧。

说看法之前，先讲段往事：

曾经应届毕业的时候阴差阳错地做了后端开发，后来一直对算法心心念念。在跳槽去阿里之前拿了两个不同bu的offer，一个是某o2o的算法岗，另一个是搜索bu的开发岗。

那时候我一门心思想要做算法，倒不是因为钱多钱少，而是觉得做开发琐事太多，有些心力交瘁。就想要转到算法上去，做些自己感兴趣的事情。

由于要拒绝offer，我需要联系搜索的面试官，他苦苦劝我，至今我都记得：年轻人不要因为大数据、人工智能很火热就对算法抱有幻想，其实未必真的适合你，踏踏实实地做开发，学技术也许对你更好。

其实他的话有些深层的含义，但当时我太年轻了，没有听出来。于是义无反顾地接了算法的offer。

刚开始入职的时候还非常新鲜，那时候真的安排了几个非常有挑战性的模型设计给我。说来也是粉刺，其中一个模型一直效果很好，都已经上线两年了，还被各种人找上门来请教是怎么做的，至今仍然在发挥用场。但尴尬的是，这些事情并没有被上层看在眼里。他们看重的，更多还是业务价值。

之后没多久，业务调整，我们也跟着变化。于是每天的工作变成了，写SQL跑数据，验证业务的效果，挖掘可以做的点，分析发展的趋势等等。并不是说这些事情不该算法做，而是重心潜移默化地发生了偏移。

再后来整个bu的业务毫无起色，很多资源空耗，绩效被打差。我们每天做的，每天想的，都是一些浮于表面的事情。我自身的技术成长趋于停止，也是那个时候，我萌生了离开阿里的念头。

有一次，我偶然又回忆起当时搜索的那个offer，那是非常偏技术的岗位，非常有挑战性，也非常硬核。对于渴望技术成长的我来说，其实很适合。再加上搜索技术绝对是电商的核心领域，不论是从绩效还是从个人收获来说，都要比业务部门的算法岗好得多。我也很一些同事分享过这段经历，他们大部分人的反应都是：

你在想什么，这么好的bu你不去，来这里？

这篇回答并不是劝退文，每个人有每个人自己的想法和坚持，就像我当时义无反顾选择算法岗一样，其实没什么好说的。

不过作为过来人，亲身经历过从开发到算法的转变，我想分享一些个人的观点和看法，而不是简单给个建议。

首先，我觉得浮于表面的算法岗前途可能不一定会很好，除非是大厂有光环加持，不用担心找不到工作或者下家。否则很容易沦为调参工程师或者是调库工程师，基本上成长不大。

其次，算法岗也很需要开发能力，一个合格的算法工程师，应该有根据paper重现模型的能力，甚至是自己动手从头到尾开发模型。Python的库虽然好用，但是那只是知识，不是技能，互联网公司，我们是靠技能吃饭的，不是知识。

很多大牛也说过了，算法岗的面试门槛并不高，刷下LeetCode，啃两本书就够了。实际上我自己当时也是这么干的，我转行面试的时候应啃了一本机器学习就上了。这就导致了，很多人无脑想往当中涌。必然会带来一个问题，对于一些比较好的机会，它们的门槛可能会体现在别的方面，比如学历、论文等等。最直观的一个体现是，近几年算法岗位几乎看不到本科生了。在这些方面比较吃亏的同学建议慎重。

人工智能呼声四起，但其实人工智能时代还没有到来，现在的神经网络模型也是几十年前就已经提出的。大部分算法岗做的事情和人工智能也完全不挂钩，不要被媒体的报道和直观感受迷惑。说点实际的，算法的薪水真没有比开发高，最起码大厂是这样。年轻人未来的路还长，起跑线上的一点薪水差距真的不太重要。

最后，也是最重要的，我司大量招聘算法开发，base 新加坡，美股上市公司，薪水丰厚，早10晚7，不加班。有意向的，需要内推的简历发邮箱：charles.yin@shopee.com

祝大家，武运昌隆

既然如此爆炸，为什么我们想招一个有视频-文本方面背景的人，招也招不到，嘤嘤嘤

腾讯AI平台部-搜索业务中心招聘
学历要求: 人工智能相关专业博士
岗位职责： 负责计算机视觉，自然语言处理及其交叉领域的相关工作，如image/video captioning，image/video retrieval，image/video-text matching，参与微信视频搜索相关工作；
岗位要求： 计算机视觉、自然语言处理、机器学习、数据挖掘相关领域； 有视频-文本领域相关经验是加分项。熟练掌握c++、python、linux及常用深度学习框架tensorflow、pytorch等； 积极主动，勇于接受挑战，富有创新精神
工作地点：深圳
简历发至：318648051@qq.com

而且要求也不过分，根本没要求要顶会/ACM金牌什么的～背景符合的宝宝们，快到碗里来～

怎么看待？就是学生投机起来真的非常的疯狂。

从我一年多的面试经历来看，很多应届的小朋友可能看到算法岗位吃香，都纷纷从非CS科班转过来做算法，而且非算法不找。

他们可能上个培训班，去kaggle或者github上复现一下代码，把别人的论文代码复现一下，就赶紧往简历上写，然后面试的时候，被问到细节，一点也答上来。

有时候，我很无奈，就问一下语法，操作系统，数据结构，发现投机搞算法的人，基础居然出奇的差，有一次竟然被一个小姑娘反问，做算法为什么要问这些问题。小姑娘可能觉得，做算法的就应该问一下机器学习的问题吧，毕竟题都背好了，这个可恶的面试官居然不问。

无良的公众号，无良培训机构更是该被骂，每天虚假宣传，拉大大家的期待值，神话ai薪酬，增加行业浮躁。

CS圈子投机一直都很严重，以前投机做APP，投机做VR，投机做区块链，所以投机做AI一点也不奇怪。天天劝退这个，劝退那个，条条大路通投机，行业鄙视链越拉越长。

希望学生朋友们，都去招聘网站上搜一搜看看开发岗多还是算法岗多，然后端正自己的心态，找适合自己的工作。

这种问题都是怎么拍脑袋想出来的？你们知道绩效不够的 hr 们多么苦恼吗？

我又来打广告了，坐标旷视 IC 组。

到处安利，现在才推了二十个人。

快来投简历，我给你们内推，噫，我富了。

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

最近投简历的反馈来看，985 / 211 相关专业或者有比较多相关项目经历的，一般不会在初筛挂掉。

从理论上分析，算法岗大爆炸（就业难）是必然的，只是时间早晚的问题。

算法岗不是劳动力密集型

以我所在的事业部为例，算法工程师和软件工程师的比例达到了1:4。

因为，对一个公司来说，算法是基础，在此之上能够开发出各种应用。这就注定了，软件开发的需求要远远大于算法的需求。

就拿人脸识别算法来说，算法部门只需要推出一个版本的算法（以SDK的形式），软件研发部门就可以在此基础上，开发出诸如视频监控、闸机等各种应用。

而对底层算法来说，无论是对外的接口，还是内部的架构（例如深度学习），都有着相当的统一性。因此，就算法来说，维持一个精干的，高水平的团队，对全公司的业务支持来说，是完全可行的。

这也是为什么，在算法招聘市场上，用人单位会对应聘者的资质要求那么高（学校、资历、论文等等）。就是因为算法有很强的理论性，以及技术统一性。一个精干的团队，如果有一两个一流的专家，最终的产出，就完全可以吊打那些虽规模巨大，但皆由平庸之辈构成的团队。

这也是为什么这两年在深度学习领域，出现了很多在学术界、产业界都声名鹊起的科学家（例如深度学习三巨头，吴恩达等）。这也在某种程度上说明，在深度学习领域，“英雄”对行业的推动还是决定性的。

这也就决定了，那些在技术前沿竞争的大公司，在招聘算法工程师时，一定会坚持“宁缺毋滥”的原则，因为多了也没有用。

但软件工程师就不一样了。

虽然就软件工程师（例如Java后端工程师）的技能来说，也存在通用的地方。但对一个在市场上打拼的公司来说，客户（各种项目）的需求千差万别，各种促销活动迎接不暇（例如双十一），用户体验需要不断改善。因此，对“业务”软件工程师的需求也必然是巨大的。

虽然就关键技术来说，一个高水平的软件工程师所产生的生产力数倍于平庸者。但就开发日常来说，有太多的工作都是高度重复，缺少技术含量的活（例如增删改查）。

但另一方面，虽然这些工作技术含量不高，但代码终究还是要程序员一行一行垒出来的。所以，对企业来说，就不得不长期维持一个规模巨大的软件开发团队，从而造就了一个规模巨大的就业市场。

除非有一天，软件开发也能被AI替代（理论上是可以的）。

算法的门槛没有那么高了

算法研究的基础是数学。按照当前的技术发展，本科数学是不够用的。因此，在招聘市场，算法岗的最低学历也得是硕士。

但是，在当前的深度学习领域，就公开框架的学习，理论结果（各种出版物、论文等）的研究。对一个受过系统数学教育，智力正常的研究生，完全没有障碍。

而且，随着这两年AI的大火，相关的技术和理论已成为了一门“显学”，公开的技术和资料越来越多，可谓“太阳底下无秘密”，先入者的红利早已不存在了。

也就是说，在早前，在人工智能（主要是机器学习）还相对神秘的时候。一个研究生，掌握了基本理论，能理解及搭建开源框架，就能找一份好工作。但现在水涨船高了，靠通过机械学习而掌握的这些知识是远远不够的。

因为门槛低，所以掌握的人就多，在加上算法团队更倾向于规模不大，但高度精英化的团队。所以就导致了“僧多粥少”的局面。

而现在在各大公司，基本的深度学习框架已经搭建完成，往前走，就只有两个方向。

一个是继续收集数据，喂给搭建好的深度学习框架，从而让当前的算法不断进化。

例如，对人脸识别来说，各家基本的准确率已差别不大。大家的竞争已经朝向了一些边缘问题（例如活体检测等）。

当然，这方面还是需要不少人力去做的。但是，这些工作的技术含量却显然不高。在业界，有很多公司已经不愿再投入太多研发在上面，要么从第三方买数据，要么是把这些工作外包出去。

也就是说，喂数据，调参数这种工作，正逐渐从高仿就业市场剔除出去。

另一方向是，在深度学习领域，各大公司的发力重点是把技术往更前沿推，研究新的理论，实现新的框架。

例如当前的主流学习框架还是基于数据，有人守护的学习模式。但未来的趋势应是自学习，无人守护的模式。

而做到这一点，后来者想要入行，就不能单靠机械的学习了。而是要基于天赋、灵感，甚至是运气。这也注定了能站在这个层次的人必然是少数。

基于上面的分析，我们可以得出的结论，未来，创造性的，高收入的算法职位，随着时间发展，一定会越来越少。后来者想要入行，也会越来越难。

未来，随着深度学习框架的下沉，高价值应用领域（例如人脸识别、自动驾驶）被逐渐瓜分，整个AI行业，必然会越来越呈现出精英化的趋势。

说来也讽刺，今天，我们对未来的一个预测是，随着对人工智能的普及，越来越多的劳动岗位被机器替换。未来，还需要劳动的只是少部分天赋异常的精英。

但没想到的是，人工智能时代虽然还没有来到，但在人工智能的研究领域，这个预言却首先实现：

平庸的AI从业者正逐渐失去工作。

Emm，今天上午的故事：

有个cv方面的问题，请教一个做cv的学弟（两篇顶会），顺便想膜拜一下大佬拿的offer，结果，他说，不太顺......大家上来就编程，刷题刷晚了，别复习机器学习理论就好了.....

和我去年的感觉一毛一样。。拿着两篇文章以为能轻车熟路拿到offer，计划口若悬河巴拉巴拉讲讲文章motivation，insight，结果发现，面试官要么不太懂你的方向，要么觉得你的文章没啥实际价值（文章的东西确实很难落地，当然绝大部分文章都是如此...），面了两家后，默默开始刷题，毕竟剑指offer是王道，leetcode走天下.....

去年的时候我特别不理解这种现象，随着开始做一些算法的落地应用，发现其实数据远比模型重要，工程稳定流畅的难度远大于某个指标几个点的提升。以前文章是硬通货，现在有些膨胀了，想做算法的同学，coding能力一定要跟上，还是之前说过好多次的那句话，算法工程师，先是工程师，再是算法工程师。

PS：去年有位大佬在评论中给我的建议，贴出来给有文章的同学：

对于有顶会的同学，想办法用自己的connection和人脉找工作，把简历送到懂的人手上，保证面试官也是发过顶会的老司机。我去年找工作的时候，不找内推的话直接面试，基本也是问leetcode题；但是面腾讯优图的时候，让朋友直接推到他们部门老大那里，面试就是在意大利开会ICCV的时候随便聊了一下，就给技术大咖offer了。

最后，希望大家都找到工作吧～

大家可能没有分清楚两个概念...算法工程师和算法研究员是两个职位，现在可能不是很明显，但是我相信这应该就是以后的趋势。

算法工程师的本质还是工程师，从推荐系统方向来说，除了要求你读paper，复现paper之外，还需要会使用Spark这种大数据处理工具，会写shell脚本，跑个数据能不能开多线程跑，模型代码出了bug怎么定位...这些都是计算机系的基本功，更不用说模型上线就是一个复杂的C++工程了。企业对于一个工程师的要求简单来说就是”能干活“，”把活干好“，所以只停留在书本上是没办法成为一个”工程师“的。

还有很关键的一点，算法工程师研究算法的终极目的是服务业务，所以对业务有没有很深刻的理解非常重要，没有办法落地的算法，没有拿到指标收益的算法，即便再fancy，在学术界再amazing，在工业界也是吃不开的。

算法研究员就不说了，这个岗位我觉得本来就应该博士起步吧...

一群没见过世面的。

我当年（2016年）可是见识过十几个生物博士竞争一个年薪不足20w（药明）base上海的研发岗的场景。

这才到哪。

鉴于有太多朋友们吐槽这个专业相关性的问题，于是我今天把所有专业都列出来了。还有我重新统计了一遍这些应聘同学们的比赛情况，把他们比赛的情况也给加了进来。

------------------------------------------------------------------------------

有的答主从面试官角度说的，也有的答主从应聘者角度说的。

那我就加一个角度，从收简历的人的角度来看吧。

因为组里负责的业务有改动，需要对架构进行升级，组里面的人忙的不要不要的，所以出来捞简历的任务就落到了我这个实习生的头上。

简单说一下情况，从 8 月 6 号开始，截止到今天(8月28号) 一共收到了 54 封简历。

由于我们是技术部，所以我们只收技术相关的，我把收到的简历简单的统计了一下：

求职意向统计：

因为题目问的是算法岗，所以，为了不跑偏，我们专注于那 32 个算法岗求职者，对他们的信息进行一波分析吧。

求职者学历统计：

求职者学校层次统计：

可以看到，算法这一块的主要竞争对手们还是各大 985 高校的硕士生们。

我们再来看看算法求职学生们的专业统计，这次，我直接将各个同学们的专业标出来了。

可以看到... 虽然偶尔有几个跑偏的，但是绝大多数都是跟算法相关的专业。

只能感叹一下，跟算法相关的专业太多了。换个角度理解，也可以认为 DL 影响的领域实在太多了，各个专业的学子们接触到了 DL，学了 DL，然后自然而然的会想来搞算法... 这也许也是现在算法竞争比较激烈的一个原因吧。

我们再来看看这些学生的论文、实习和比赛的分布情况。

论文的话，按照 CCF 来分。因为一共只有 4 个人发了论文，所以，我就简单的分为了 A 类论文、有论文和无论文。

论文统计如下所示：

可以看到，对于大部分学生而言，都是没有论文的。所以，如果你有一个论文，你的起点已经比较高了，如果你能够有一个 A，那你已经领先很多人了。当然，哪怕你没有论文，也是 OK 的，毕竟大家都是同一个起点。

然后，对于实习信息而言，我将 (头条、百度、腾讯、阿里、快手、滴滴、华为、网易）有实习经历都作为大厂实习，剩下分为有实习经历和无实习经历。

实习统计：

可以看到，就实习而言，有实习经历的人占据了大多数啊。而且更多的人是有我列出来的大厂实习经历的。

从面试官的角度考虑，相比于哪些没有实习经历的人来说，有实习经历的人肯定是会被优先考虑的。

比赛统计：

因为我对比赛的了解只知道天池、kaggle，对于不同类型的比赛，该如何区分层次并不是很了解，于是我就简单的将比赛这一块分为，简历中写了比赛的和没写比赛的。

今天在整理比赛数据的时候，发现了一个好玩的点：所有拥有大厂实习经历的人，都有比赛经历。而且时间顺序是先有比赛经历再有大厂实习。所以，是不是可以这样认为，很多学生会先通过比赛作为敲门砖拿到大厂的实习，然后再凭借着大厂实习的经历去获取别的大厂的青睐。

数据看完了，我们再给些结论吧

截止到目前，还在面试流程中的只剩下 4 个了， 32 个剩下了 4 个人。至于最后能拿 Offer 的有多少，等以后出结果了，再来看吧。

既然只剩下4个还在面试流程中，那我们就对这四个人分析一下吧。

• 学历： 博士 | 985硕士 | 985硕士 | 双非硕士
• 实习经历：无 | hulu | 头条 | 无
• Paper: A | 无 | 无 | A
• 比赛: 无 | 有 | 有 | 无

可以看到... 剩下的人，要么是有 A 类论文、要么是有大厂实习经历。所以，如果我们想要拿到大厂 Offer，从众多竞争者中脱颖而出，比较好的方式还是从论文和实习这两个方面突围。

另外，补充一些自己个人的感想。

1. 别随便招人内推。如果你有顶会，但是找的方向不对口，找不到懂得欣赏你论文的面试官，再多 A 也是白搭。最好是能够借着开会的机会去认识一些企业界的人，让他们帮你内推。
2. 提前布局，如果你实验室比较好、老师比较好，就从论文方向突围。如果你老师比较一般，就从实习方向突围。
3. 希望大家能理性看待算法岗。 其实真到了公司里面，将模型应用到业务上，经历了这个过程，你就会发现，用 tf 训练一个模型仅仅完成了不到 10% 的工作。

有意思的是这样的问题去年就已经开始萌芽

算法工程师的岗位起点是2014年，14年阿里举办了第二届天池大数据竞赛，题目是用机器学习做商品购买量的预测。大家从这次竞赛之后慢慢接触和了解了算法，也明白了公司对算法工程师是有需求。随之而来15年，算法工程师的岗位悄然兴起，那个时候基本上会点算法的很容易拿到算法工程师的offer。16年，17年的时候 算法工程师这种人傻钱多的设定 已经人尽皆知了，一大批研究生涌入进来争前恐后扬言要搞算法（尤其是非CS专业的），各类培训机构也在这个时候开始扩张。

你像我们自动化专业吧，以前比较好工作都是类似C++软件开发工程师，Java软开工程师，嵌入式， ios，Android开发等等。突然间就多了一个算法工程师，而且薪水待遇很高，搞的也是高大上的算法，至少是比C++，java， ios什么的看上去顺眼多了。这年头谁愿意去当纯程序员呢，谁不想搞点算法呢。

其实去年，也就是18年校招这个问题已经暴露出来了，目前算法岗位过于饱和，导致竞争变大。搞C++, Java开发的同学相对要好一点，最好的是ios，Android开发这类的工作竞争压力最小。其实道理很简单 公司需要算法岗但实际上需要的没那么多。

所以我建议还是打好自身基础最重要，编程基础和数学基础是关键，万变不离其宗，一味的取巧投机，嗯可能取巧的套路前两年好使，越往后越只会是越不好使了。反过来又印证了一句话 大浪淘沙之后，算法岗缺的是人才不是人。

先说说我的个人结论：候选人数目爆炸，但是优秀的候选人并没有增加太多。公司不是不想招人，是招不到合适的人。女神不是不想找男朋友，是不想找个屌丝做男朋友。另外，找工作其实是门玄学，对于绝大多数资质普通的应届生来说，找工作不仅拼实力，也很大程度靠运气。

我在某“手机 + AIoT”厂商做推荐算法，七八月份也在陆陆续续面试校招提前批，从我个人面试的体验来看，候选人确实变多了，而且很多都是从其他理工科背景转行过来的，但是优秀的候选人并不多。可能我们是二线公司，最牛逼的那波应届毕业生都去面BAT、TMD、旷视这种听起来高大上的公司了，我们这边接到的内推简历以及2019年入职的新人背景并不是顶尖985高校。我们工资不高，但据说往年都有北京户口这样一个大福利。。。

下面我将从一些个人体验来解释我上面的结论。

算法岗到底缺不缺人

缺人！

贸易战、整体经济下行、AI商业化困难，2019年的人工智能行业似乎并不是那么乐观，各大公司也被先后爆料出裁员丑闻。加上这几年各路媒体一直炒作算法岗薪资奇高，导致大批学生投机转行人工智能，给人的感觉是算法岗已经供过于求。尽管如此，我个人感觉2019年末的这个时间点上，算法岗依然缺人，而且缺那些有实战经验的牛逼人才。

我们一个同事一年社招面试了上百人，发了二三十个offer，最后只来了一两个。另一个同事天天刷Boss直聘，几乎每周面试两三个候选人。面试又不能涨工资提业绩，谁闲着没事不好好干活，天天陪候选人面试聊人生聊理想啊。如果不缺人，还要面什么试。

只要一个公司还在向前发展，那他们的算法岗绝对缺人。否则，华为不会百万年薪招博士，阿里不会搞个阿里星，百度不会推出少帅计划。否则，不会有这么多人在知乎这个问题上发招聘启事。

然而，对于应聘者来说，尤其是应届毕业生，他们的信息是不对称的。应届生相关经验薄弱，人脉又少，不知道哪个公司最缺人，不知道公司想招什么样人，不知道自己要增强哪方面的技能...候选人和招聘单位之间有很大的信息不对称。因此，面试找工作似乎成了一种撞大运的玄学，包括我在内，大部分人其实都不是华为百万、阿里星或少帅计划，找工作这个过程很可能是靠运气。这个运气包括：有没有人帮忙内推；目标公司是否在那个时间点说要重点发展某项业务并增加人力资源支持；你的技能是否正好与目标岗位大致匹配；甚至是大神都被其他公司抢走了，正好给你留下了这个坑。

比如，我们大组2019年新来的一个同学是春季补招进来的，并非顶尖985，当时发了offer，但也考虑到这人有其他offer，很可能不会过来了，结果人家还真来了。这周一刚面的一个北邮小伙，不懂算法，没接触过大数据，但是对Java开发比较熟悉，负责人说先拉过来做做系统开发的工作，结果也给了提前批offer。看着知乎上很多应届朋友天天抱怨算法岗爆炸，你说我们招聘的这波操作气不气人。

另外，我们作为求职方，一般会骑驴找马，手握多方offer，然后做选择。对于招聘方，也是一样左右权衡，试图招聘到最佳的候选人。

所以说，算法岗缺人，但是如果没有好的内推渠道，没有针对这个岗位的技能，很可能就是陪跑。

面试体验：缺乏实战经验

从我面试的体验来看，还没有遇到神仙打架的场景。可能最牛的那些人都去阿里星，百度少帅了吧。我面试的几个候选人，多是统计、电子、通信背景的，并不是100%计算机背景，学校一般是二线985。有一两份大厂数据分析岗或小厂算法岗实习的候选人，一般有一定的算法基础，机器学习问题回答得都还可以。简历上写了一大堆高大上的DNN模型，实际问起来，只是把网上的样例程序拿过来，在某个数据集上跑跑，对模型的理解并不深刻。没有实习经验的候选人一般对大数据使用不多，不了解Hadoop和Spark，即使用过，也说不清Spark一些稍微细节的原理。其他专业转行的候选人相对编码能力一般。有一个候选人说自己刷了200道LeetCode，但还是不能立马写出二叉树前序遍历。另一个候选人说，我系统学过大数据Spark，都记在我的笔记本上了，你这个问题我学过，等我我翻开本子给你找一下答案。再之前面暑期实习，候选人说自己对自然语言处理感兴趣，于是我问如果让你从头到尾训练一个词向量，你怎么做，这位小哥支支吾吾说不上来。

从学校到职场，对一个人的技能要求差距还是蛮大的。我也是从学生时代过来，我知道对于大多数普通学生来说，没太多实战经验，天天只刷题，看西瓜书，是搞不清楚一些底层原理，更不可能做一个线上系统的。“无他，唯手熟尔！”很多东西没那么难，多练练，就熟悉了。但恰恰应届生缺少这些练习的场景。破解这个困局的最好方式就是找实习，最好是大厂实习。

我也知道不能用对社招标准要求校招候选人。但从实际工作角度，校招过来的员工从入门到上手工作，一般要三四个月的熟悉时间。公司老板为了节省成本，肯定希望招聘一个各方面能力优秀的校招生，以尽量缩短这个熟悉时间。

算法岗到底考察候选人什么技能

我个人理解，除了那些顶级的数据科学家外，工业界99%的人都是在做业务相关的事情，要对业务指标负责。说白了，公司雇佣你，是为了让你所做的事情能够帮公司赚钱，你发多少顶会的paper，如果不能帮老板赚钱，都没用！

有人在讨论论文到底有没有用。这个问题很好回答，有没有用，主要看这个岗位和你的论文有没有关系。你投推荐算法，但是发了一些计算机视觉的论文，面试官内心的OS是这玩意又不能立马帮我们组提高产出，招进来培养半天，还不一定留得住，招进来干啥，于是简历石沉大海……所以，这里又涉及到刚才说的信息不匹配和运气成分的问题。

还有人讨论为啥要考编程题。你一没大厂实习经历，二没具体业务经验，不懂大数据，又对机器学一知半解，这些都没关系，只要脑子聪明，逻辑思维强，进来可以再学嘛。但是，面试官怎么衡量你聪不聪明？怎么看你是不是个可栽培的好苗子？那就写个小题目吧。其实很多公司不怕候选人不懂机器学习，怕的是候选人不会写代码，或不想写代码。

在我看来，一个算法工程师在实际工作中主要关心两点：

1. 构建机器学习模型
2. 将模型发布到生产系统

很多朋友看到网上的机器学习例子中，只需要调用一下model.fit()函数就能训练一个模型，认为机器学习非常简单。实际上，一个机器学习流程很长，包括：模型选择、数据预处理、特征工程、样本生成、模型调优以及模型上线。整个工作对工程师的各项技能要求也非常高。

对于模型训练和线上发布，各公司差异也比较较大。对于数据量较小的场景，可以直接用“Python + Shell + SQL”的方式构建机器学习数据流，使用scikit-learn或TensorFlow这样的框架。对于数据量大的场景，还是必须依赖大数据处理框架Spark或Flink，并使用分布式训练工具。大公司一般为适配自己的数据量和业务场景，都会有一套自己的模型训练和上线工具，并配有专人来开发和维护这套机器学习框架。因此，在一个大公司里，可能有一部分人负责模型训练，主要是模型调参和特征工程；一部分人负责模型上线，主要保障模型能够提供稳定的在线服务；一部分人负责机器学习框架开发；机器学习并不是万能的，所以还需要一部分人使用人工策略来解决机器算法无法解决的那部分问题。听起来好像所有人的职责都带机器学习几个字，实际做的事情区别很大，所侧重各有不同。

在实际工作中绝大多数算法工程师要做的事情包括数据清洗、ETL、AB实验、模型上线等一系列问题。因为我们的算法岗不仅要懂机器学习，也要用会使用Spark这样的大数据框架来生成样本、构建数据流，因此比较偏向有大数据经验的同学。而且大厂的模型上线很可能需要用C++写一遍，因此还需要一些人做线上预测模块。这时候，你会Spark或者精通C++，都可能比你会一些深度学习模型更有优势。

算法工程师最核心技能还是机器学习和统计学，这关乎机器学习模型能够在何种程度上优化目标、带来多大的效果提升。例如一个推荐算法工程师有可能在面试中被问到的机器学习知识包括但不限于：

• GBDT的原理
• 如何进行特征选择
• 如何评估模型效果
• softmax函数的定义
• 如何将embedding应用到推荐系统中

因为算法工程师工作很杂，所以一般对候选人的各方面技能要求都很高。昨天晚上，团队领导在群里还说到，团队每个人，无论是不是做纯算法，各技能点都要满格：包括编程能力、逻辑思维、大数据等等。算法工程师，首先应该是一名合格的工程师。

岗位选择建议

关于岗位选择建议，这个问题下很多人已经提到算法岗僧多粥少，建议大家转行做开发。我是觉得算法岗还是缺少优质人才的，公司的headcount也一直都有，但是这些坑都是留给那些最优秀的人。因为这两年媒体对算法岗的火热追捧，导致大批学生准备转行，加上部分公司业务增长疲软，岗位数目不如前几年那么多，整个行业不可避免地水涨船高。

在数据科学行业，其实不止算法工程师这个岗位。例如我们团队，有很多人做数据分析、大数据开发、工程架构等等。算法不能解决所有问题，也需要一部分人在算法基础上做人工策略。纯算法岗只占一小部分。建议校园出来的学生阅读一下我之前这篇文章，了解业界是如何划分岗位的：

因此，我建议应届同学一方面增强自己的核心技能，补齐短板，另一方面根据自己的背景实力选择适合自己的岗位。

当然，面对玄学问题，要放平心态：山重水复已无路，柳暗花明又一村。

最近在阿里巴巴实习，推荐系统方向。看到身边的一些正式员工在面试的时候，根据他们的聊天，得出是一些简单的结论，供大家参考：

1. 有顶会paper是加分项，给人在面试之前就会有很大的好感和重视，但是如果面试表现不好，就会有很大反差，会让人觉得你的论文是别人给你提供的方案，你只是实施者，而不是在一轮轮失败中自己摸索出的解决方案，缺乏独立解决问题的能力；
2. 对于硕士出来找工作，刷算法题是十分有必要的，基本上都会有code面，而且是在第一，第二轮，面不过直接挂，hc少，都是择优录取。
3. 博士找工作，最好是找熟人内推，或者是开会期间和公司的人聊，这样才会拿到好的offer。否则还是要刷点题的。
4. 面试表现很重要，非常重要。这一条和第一条内容有点重合。现在投核心部门算法岗的人，博士肯定人均顶会一作，硕士即便没有顶会一作也都有比赛的top3成绩等。所以面试官开始问你做的东西，你肯定能回答的不错。但是后面肯定会结合你的方向，问一些具体场景的问题，问你怎么解决，能不能给出一个比较high-level的思路，这个就很重要。面试官这时候考察的是你的思考方式，思维能力，在这个环节表现的好，会非常非常加分。因为比赛可以抱大腿，论文可以靠老板，面对到具体问题时，怎么思考，这是考验一个人的思维方式和知识储备，需要一个人有独立解决能力的能力。
5. 能去实习先实习，起码我所在的部门，不少hc都留给实习生，当然实习生也不一定留下来，所以校招也有机会，但是实习能抢占先机。

不要慌，去年我看同学找工作的时候，知乎上就已经开始唱衰互联网寒冬，最后水平一般的同学拿的批发价都是30w，厉害的能拿到40w。今年也一样，有实力不用慌，没实力学校好也不用太慌。

此外，多说一句，算法岗并不是发paper写论文，根据我观察周围的员工，大多是在做业务，写SQL，把一些已经很成熟的工具拿过来部署，上线看效果，并不是每天去尝试最新比较fancy的模型。除非是一些经过验证的，比如BERT这样的很出名的方法会用上来，大部分情况下，用的算法并不是特别先进。

暂时根据他们的谈话和我的观察，想到这些，祝大家都能拿到满意的offer。

哪是学生投机，分明是老师投机啊。说到底还不是论文超发的锅？

今年CVPR一个会录了1300篇，IJCAI 850篇，AAAI、NIPS都是千篇上下吧？这一个会的录取量吊打其他方向一个领域问题不大吧？而且就算是非AI方向的顶会也很热衷于录AI与本子领域结合的论文。

我们都开玩笑，算法领域真是硕士生到商汤旷视实习几个月就能发顶会。而系统/网络等领域，除了极个别的水会，多数真的是博士搞一篇出来都很厉害。结果就是一堆搞数据库的，操作系统的，图形学的，信息安全的老师也不管自己懂不懂，通通逼着学生去结合AI搞他们靠谱或者不靠谱的点子。研究生阶段大家就天天import tensorflow as tf，毕业了可不一窝蜂算法？

我春招就发现这个情况了，论文超发的情况下，转行的已经基本告别算法了。实际上哪怕是CS的非要去怼算法那真是想不开。大厂现在算法跟开发白菜基本一个价，至多算法多一两千。唯一的区别是，算法更容易爆出惊人的SSP，但考虑比例，差别也没那么大。校招转行的同学最好的方向还真是前端或者APP开发，缺人缺的一塌糊涂。

我，2020，非科班转行做算法，我来从我的角度说一下吧。其实你们骂的是对的，很多道理我都知道，做算法趋之若鹜我也知道，算法过热饱和我也知道，非科班做算法基础薄弱我更知道。有什么办法，本硕都是机械的，c9，毕业就面临失业，但凡就业环境好一点，都不至于转行过来。因为出来工资只有六七千，甚至五六千，怎么活下去？有些人就站着说话不腰疼：你活不下去关我啥事，自己选的专业自己就该扛着。你说这话是因为你不在我的位置，所以我的死活与你无关，你辛辛苦苦读20年书，进入一流名校，出来拿底薪，你也不会甘心。不甘心，能怎么办？

只能转行，人是不可能在一棵树上吊死的，至少我不会，我承认我是为了钱，我承认我是为了生活，我为了利益，我趋之若鹜，我随波逐流。回答这个问题的同学大多是计算机的吧？经济学里面有个词叫幸存者偏差，大概你们就会想：这一群非科班的沙雕，自己在本专业混有啥不好的，干嘛要来和我们抢饭碗，扰乱了市场，我们每天996，叫苦不迭，你们图啥。你去看看传统行业的薪资水平（机械，化工，土木等），你以为现在盛世之下人人安居乐业，动不动就跟某脉上面的人一样，整天问月薪三四十k的我什么水平，总包150该不该去。是不是这样的？大家有时候怪推荐算法限制了我们的视野，其实每个人在自己的环境下，都只能在自己的维度下认识这个世界，都一定程度上觉得生活应该是周围的人的样子，大家应该都是这个样子，至少不会太差，那请你去看看，这个时代下，除了互联网，还有几个行业能上台面。

跑题了，转行，转行做什么？我实话说，我本科刚毕业的时候，也就是两年前，我连算法工程师听都没有听过，是真的听都没有听过,，知道17年秋招的时候看到了这样的一个职业，在宿舍楼下一张桌子上捡到一张传单，某武纪，开出了30-50w的薪资，招什么，就招算法工程师。实话说，对于目睹师兄师姐下车间，进车企，进恒大卖房子的就业惨状，我觉得我还是可以争取一下的，这大概就是转行的契机。

所以我和一般在秋招的同学才开始转行的还是有一点不同，我从研一就开始下定决心转过来。其实对于我们转行，面临的压力真的不小，一旦没转成功，原来的专业早就荒废，两脚踏空，这些我都是有准备的。

中途进修闭关的历程就不说了。总之现在已经成功上岸了，至于你问我为什么不转行去做开发，这里我真的要诚实，开发涉及的知识并不比算法少，我是真的没有能力，没有信心去搞开发。对于算法，由于我的数学基础还行，其实多看两遍，感觉也就那么回事了，当然要精进，还需努力。

好了，无缘无故扯了这么多，到最后说一下我的一些建议吧。

1. 如果双非院校，算法劝退，不要听网上培训班3个月挑战年薪40w, 有，那是凤毛麟角，你有那个实力和耐力，你为什么还在双非里面混；
2. 如果非科班转，算法慎重，尤其是今年秋招，你现在才准备的，小厂忽悠，大厂没戏；
3. 如果你是传统专业，（不要问我哪些是传统的），打算转计算机，我劝你好好学c, c++,java,开发的需求大概是算法的50倍以上
4. 如果你现在是研一研二，要转算法，我劝你早做准备，尤其加强代码能力，忽悠大家都会，代码是不会骗人的
5. 如果你是计算机的，天生就有开发的优势，不要去和985的拼算法，他们吹的牛比你见的牛还多
6. 今年环境都不好，不要一味地鄙视转行的，我们选专业的时候，为中国制造强，为民族事业兴的心，是真的 。
7. 但凡有一点办法，我都不会再这里写这篇帖子。

说实话我觉得算法工程师这个岗位名字的设定真他娘的是个天才想法，短短几年时间就把应届生的技术栈全盘改变了，毕竟大家都是面向找工作学习嘛。可是迎风而上能飞得快一时，要飞得长远还是看个人实力的成长呀。

我觉得题目把算法工程师简化为算法岗就已经说明问题了。算法工程师首先是工程师，然后才是算法工程师。有时候可能同学们太忽视工程师方面技术栈的培养了，这样适应性会比较差一些，个人价值的销售和转化出口也会窄一些。

在这里分享一下我的另一个回答

挺多同学都在讨论顶会paper和应届找工作的关系。这个东西我个人感觉既不是充分条件也不是必要条件。可能对做偏研究的team帮助比较大吧。但是对于那些真刀真枪在业务上厮杀的team，可能没那么大的帮助。至于那些有业务又做研究的team，那就是既要...还要...且要...了。

自己有paper，有研究工作，可以帮助在面试过程中打开互相交流的话题。但是最终还是看个人的思考、工作、认识是不是足够完整、深入，有没有个人的特色。

工业界的大部分岗位要求的能力可不是在已有的学术上游上缝缝补补，做个实验，刷个指标。要的是能实实在在的做出结果，为公司带来真正的价值。同时要想过的好，你还得保证自己有持续不断产出价值的能力。这就不仅仅要求大家的技术实力增长，还得要求有良好的沟通协作能力，有坚毅的内心，对比较长周期的工作有良好的节奏感等等。所以在对应届生候选人筛选的时候，会尽量从各个侧面发掘和评估候选人的潜力以及岗位匹配程度。

大多数公司对优秀且适合的同学是没有HC限制的，至少阿里一直是这么执行的，只要个人有满足岗位的能力，竞争者再多都不会影响到大家找到好的工作。

想到我们这里来看看的大佬，欢迎投递简历到 guorui.xgr@alibaba-inc.com

最后祝大家都拿到自己满意的offer！

虽然以前回答过类似的提问（2019 年人工智能行业又进入冬天了吗？，2019 秋招的 AI 岗位竞争激烈吗？），但感觉可以更结构性的分析一下这个问题，从讲故事转向为总结一点规律以供参考。其实从知乎和周围人的经历不难看出，算法岗（特指泛人工智能岗位）的竞争极度激烈后有一个很矛盾的现象：

「水平最拔尖的一拨人和刚入行的一拨人在竞争同一批岗位，他们都觉得自己符合岗位介绍」。

再直白点，「拥有成熟研究的名校毕业生」有可能和「自学或者培训三个月的转行者」同时在竞争大厂的算法工程师，这种现象并不是耸人听闻。只不过后者往往过不了简历关而止步于第一轮筛选，很不幸的做了分母，但依然让竞争和录取比例看起来非常“惊悚”。

为什么这种现象在比较成熟行业很少会发生呢？因为有历史的行业往往已经帮求职者设定了一个锚定岗位，或者说合理的预期。比如拿电力系统为例，什么样的毕业生大概能去什么岗位都相对比较稳定，所以在这种情况下，理性的求职者不会去滥投超过或者低于自己太多的岗位。这主要是因为成熟行业有很多的历史数据供求职者参考，比如学长学姐都大概去了什么地方求职，有大概率我们也会是在这个范围内上下浮动。举个极端例子，比如某电力专业的毕业生四顾环视周围的学长学姐，发现近十年都没有人去到投行，那么他/她也就不会把大量的精力投入到找投行的工作上，同理也不会把时间花到找厨师的工作上去。

同时行业的规模有起有落，但能够持续下来的行业的规模变化一般都处于可接受的变化过程。短期内除非突发事件，不然很难会存在剧烈岗位需求或者裁员。因此求职者、企业需求、薪资待遇等很多维度上都相对稳定和透明，大家有一定的共识。

这些成熟行业的特征的内因是一样的，即都是通过时间来调整的。正因如此，这些特征在泛算法岗位上都失效了，原因就是行业的历史不够长，一度处于野蛮扩张的阶段（可预见的未来甚至现在肯定存在收缩的阶段）。因为短期内的行业上升，造成了很多大企业进行飞速扩展，导致从招聘上存在极大的偏差，良莠不齐。极端的案例是在几年前，有的是随便问问逻辑回归就去大厂做算法的故事。同理，为了在扩张期抢人才，企业都给出了高于合理水平的薪资待遇，就像很多行业（如共享单车）的前期的补贴是一个意思。同时很多求职者，往往听过“我就刷了三个月西瓜书就找到了高薪工作”这种励志故事并被其激励。不管是周围的学长学姐的真实案例，还是公众号还是培训班宣传，这种故事在这个阶段听起来依然可能是真实的。但我们不能忽视，这些“真实案例”虽然可能发生过，属于存在严重偏差的案例，在未来发生的可能性只会越来越小。而为什么算法岗的招聘条件往往写的含糊不清，使得每个人都觉得自己符合要求呢？就是因为企业有时也不知道自己要招聘什么样的人。随着行业成熟，细分不断加剧，很多非常具体的要求肯定会跟上，从最基本的学历学校专业，到更具体的技能、研究、编程缺一不可，甚至可能细化到工具上，这个趋势已经愈发明显起来了。

其实这个现象不仅仅是对于算法求职，在申请学校上也有非常类似的表现。我今年年初时参与了一下多伦多大学某硕士项目的申请筛选过程，发现超过80%以上的申请人都说自己想来做数据科学、人工智能、机器学习等，不管有没有相关的背景。人们的一个误解是跟着流行走，会从中得到优势。但真实情况往往是，跟着潮流走得慢一点，就会成为韭菜或者永远上不了岸的后浪。比如我们可能就更希望招愿意做软件工程的人，毕竟学科也需要平衡。这不仅仅是硕士申请，博士和博后也难逃这个定律，毕竟只要在这个行业上，就没有人能独善其身，详情可以参考（如何看待 AI 方向 PhD 申请竞争过于激烈的现象？ ，如何看待 2019 年 CS PhD 现扎堆申请且大部分为 AI 方向？未来几年 AI 泡沫会破裂吗？）。仔细回顾过去几年的申请情况，学校申请甚至是论文投递其实并不会比求职更有序，均非常惨烈。因为终极原因就是这是行业规律，只要你身处这个行业，不管具体分工和阶段是什么，都会受其影响。

另一种常见的误区就是“我只要足够快，在筛选标准提高前进去就可以了”，换句话说就是没时间了赶快上车。这种观点的错误在于算法岗常见于科技企业，并非那种进去了就能干一辈子的传统岗位。所以即使现在上车了，将来还会面临两个挑战：待遇回调和行业自净。待遇回调很简单，比如共享单车的补贴也并不是永远的，市场瓜分完就一定要回归到合理预期上。如果供需平衡反过来以后，自然待遇也会调整，在职员工也不会例外。至于行业自净也是每个行业会发生的事件，企业不是福利机构，会逐步淘汰不符合当前需求的员工，因此行业收缩和个人能力不足都会导致失业。科技企业多的是类似的政策，全球都一样，比如亚马逊也有很令人津津乐道的PIP（辞退前的黄牌警告）。所以即使上了船，也可能会面临船上环境恶化或者船长嫌你吃的多而命令你下船去游泳。如果既不担心行业待遇回归理性，又有自信迅速补上欠缺的各种知识，其实继续稳住也并非下策。

我们普通人总是倾向于放大事物短期内的表现，而忽视了长期的趋势，忘记了涨与落如影随形，没有永远的上升。如果但凡能学一点经济学读一点社科，就不至于让历史规律一次一次的在自己身上应验。所以在这种行业背景下，如果是扎实的科班出身，且短时间内并不会毕业，感觉依然可以把做算法作为一个求职方向。但同时也应该学好计算机基础，退一步还可以做需求更大的开发岗。如果本身并非这个行业出身，应该仔细评估行业发展规律和自身的情况，考虑如何降低选择风险。同理算法工程师本身还是工程师，所以先学好工程再学算法也不为过，毕竟退一步还能做开发。然而市场总是非理性的，人也总是非理性的，一切最终都需要用现实和血淋淋的教训才能教会我们。我们最多能做到的就是，提醒自己和周围的人少流一点血。

聪明的人的最容易吃亏，勿谓言之不预也。

最近遇到一些非科班的同学也是挺神奇的：先是悲叹做了几年的ML/DL，找不到工作，然后又开始想着转开发收割offer。这些同学操作系统、计算机网络什么的计算机专业课都没学过就算了，甚至有部分读研期间也就只会写写python，搭一搭积木，连C语言都写不熟。现在看着算法岗不好找工作，然后以为开发很简单似的，开始想着转开发，甚至包括一些现在正在秋招的同学，想着赶紧花一两个月学学开发找工作去。。你们以为这和你们当初入门DL一样容易吗？（手动滑稽）

不否认有些特别聪明的同学可以短时间内做到，但是换个角度，要是这些同学真这么强怎么不继续做算法呢，相信在算法领域也是吊打其他同学的选手。今年从我周围同学找算法岗的情况来看，读研期间踏踏实实做了东西的同学，现在大多都收割了很不错的offer了。而且也并不是像很多同学说的顶会起步，这两年一个趋势是更加注重候选人的个人能力，包括观察问题思考问题、方向匹不匹配、做的东西是否solid等方面的东西了（不接受反驳，我周围就有没有顶会拿到头条ai lab的甚至去达摩院的同学）。最后找不到算法岗被迫转行的同学，是什么样相信大家也都清楚，想要在短时间内迅速转行开发我不认为很现实，而把开发作为备胎是有多看不起开发。说实话开发的话也不是那么容易，我学弟本科计算机类，acm区域赛铜牌+邀请赛金（今年区域赛至少稳银水平），目前也没找到BAT的工作，你要从计算机0基础，编程都不怎么会，然后几个月达到我学弟这个水平，我给你跪下。。

——————分割线——————

我只是想diss部分几乎没有接触过计算机相关理论，基本不会编程，然后又异想天开以为转开发是条退路，学个一两个月开发就能迅速转行并找到不错的工作的这些同学。

我的观点：互联网的蓬勃发展需要大量的相关人才，也欢迎各行各业的同学加入进来共同进步，但是如果大家觉得算法竞争太激烈，可以扎扎实实学好编程，学好相关知识，可能才是明智之举，而不是到最后才发现算法太难然后速成一波开发。

劳资tm去年刚从机械转过来，研一刚读完你说算法岗爆炸了？