爬取10000+招聘网站数据，告诉你算法工程师应该选择哪个方向！

算法工程师，应该选择哪个方向？

这是前不久我在知乎看到的一个问题。

的确，对于初学者，当面对这么多算法方向进行择业时，难免会迷茫，不知所措。

算法是一个很笼统、模糊的概念，大至一个智能机器人，小至一个简单的C++排序，都涉及到算法。而近几年被提及较为频繁的就是计算机视觉、自然语言、机器学习、推荐系统、风控。

当一个初学者问过来人该如何选择方向时，不同的人会站在不同的立场给出自己的观点。

在校老师大多数会强烈推荐计算机视觉、深度学习、自然语言，因为近几年这些领域在各种期刊上面发表文章相对轻松，机会也比较多。

而作为从业者，很多人会从商业价值来考虑，会建议选择推荐系统、数据分析。

那么，到底该如何选择呢？

我认为选择一个方向并没有那么复杂，把目光关注在两点即可：

• 岗位数量
• 平均薪资

为了更加清晰的了解当下每个方向的热度和薪资情况，我特意花费几个小时的时间爬取了某招聘网站机器学习、深度学习、推荐系统、风控算法、数据分析等10类岗位、10000+**条数据，对数据进行清洗、筛选出**2500条，对薪资、工作地点、职责描述进行提取。并且，对职责描述进行分词，统计高频出现的词汇，和算法岗位要求较多的个人技能。

数据分析需求量最大

在这次数据分析中，我统计了机器学习, 深度学习, 推荐系统, 计算机视觉, 自然语言, 数据分析, 风控算法, 图像算法, 通信算法, 软件算法10类算法岗位。

最终得出的解决也比较符合我对于目前互联网公司观察的实际情况，上述提及的10类算法需求量较为接近，数据分析需求量最大，占比16%+。

这一点不言而喻，目前互联网公司绝大多数场景都是在和数据在打交道，围绕如何把数据变现在展开。而且，数据也能给人最为直接的感官冲击。因此，在企业内，绝大多数部门都会接触到数据，也都会需要到数据分析岗位。

薪资方面，风控拔得头筹

在计算薪资方面选选择招聘网站最小值与最大值求平均，然后乘以薪资月份数得出年薪。

举个例子，招聘网站标注薪资25-50k*13，那么，计算年薪的方式为(25+50)/2*13。

下图中的薪资单位是（k，千元）。

从图中可以看出，薪资方面风控拔得头筹，平均年薪高达42.1w，而最近几年热度较高的计算机视觉、自然语言并没有进入前3名。

而风控岗位需求的城市分布来看，北京、上海、杭州占据了前3名的位置，其中令我惊讶的是深圳作为金融业较为发达的城市，却没有进入前3名。

北京对算法岗需求量最大

抛开某一类算法，把10类算法按城市进行统计，会发现，北上广深依然需求量最大，稳居全国前4位。

而成都、南京、武汉这些城市需求量对算法的需求量也较高。

热点词汇

招聘信息中最内容最为丰富、最为有趣的非职位描述莫属。

通过jieba和texthero等自然语言工具包的应用，对职责描述部分文本进行清洗、统计、分析，绘制出了下方词云图。

在词频统计过程中，经验、学习、开发、能力、优化等编程开发技能之外的个人素质占据较高的地位，出现频率要远高于Python、Linux等计算机技术，举几个例子，

经验,4345
学习,4179
熟悉,3795
能力,3699
开发,2923
优先,2855
数据,2720
分析,2534
技术,2015
深度,1951
系统,1863
业务,1862
机器,1768
优化,1733
设计,1707

从出现次数可以看出，经验出现频率高达4345次。而在算法方面应用较多的Python出现了1132次。

通过对词频统计的关系，有一项数据比较让我感兴趣，那就是211大学被提及了66次、985被提及了64次。可以看出，有部分公司在算法招聘方面依然会硬性要求学历。

Python在算法领域的地位无法撼动

通过对计算机类技术进行统计和分析，Python以1132次被提及，位列第一名，紧随其后的就是C++。

而机器学习框架方面TensorFlow位居第一，Pytorch、Caffe分别居于第二、第三位。可以看出，虽然Pytorch这两年炒作非常火热，但是屈居TensorFlow之后。

另外，SQL、HIVE、Spark、Hadoop这些大数据领域较为常用的技术被提及的频率也非常之高。