如何看待 2020 届校招算法岗「爆炸」的情况？

点击上方“AI算法与图像处理”，选择加"星标"或“置顶”

重磅干货，第一时间送达

来源：知乎问题

链接：https://www.zhihu.com/question/342267611

编辑：AI算法与图像处理（ID：AI_study），仅用于学习分享，如有侵权请联系删除

金九银十，秋招又来了，对于外界的大肆宣传，众多年轻人涌入其中，让我们看看知乎上高赞回答，或许能帮你看清现状～

作者 ：Ted Li

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。

热评：

仰望sky：投机应该是互联网的特质，不能算作CS的。不过现在风气来看，CS=码农=互联网[捂脸]。

Young：是的。有的人居然连链表都不知道，口区。数学原理更是屁都不会。tf也搞不清，只会用sklearn。

作者：梁唐晋汉周

热评：

楚门：对，我之前有段时间也对机器学习深度学习很感兴趣，后来花了一段时间看了一些相关内容，发现其实也没有那么神奇，对大多数人来说，尤其在业务部门，做算法就是在洗数据或是调参。现在传统的机器学习模型，比如svm、knn之类的，研究已经比较成熟了，在业务上能取得较好效果的关键就在于数据的预处理以及特征的手工选择。而深度学习模型，关键就在于是否了解一些调参的trick。

沈世钧

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，正逐渐从高端就业市场剔除出去。

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。

交流群

扫码添加助手，可申请加入AI_study交流群。一定要备注：研究方向+地点+学校/公司+昵称（如目标检测+上海+上交+卡卡西），不根据格式申请，一律不通过。

【目前已有众多知名高校学生和从业者在群里面学习成长，期待你的加入】

推荐阅读：

你点的每个“在看”，我都认真当成了喜欢