算法工程师了解

1、面试准备

滴滴、美团基本是做路径规划


说明：
项目中自己是做什么的，遇到过什么问题，如何解决，效果怎样
大公司一般会问算法题目，阐述算法的过程或者给个数字让排序给张纸画一画
小公司的话就画一画算法，大公司还是要好好准备的

推公式，算法语言描述还是可能的
简历上的项目要吸引眼球–编程技能，哪些项目，面试可能会从简历开始。自己先提前描述一下。
逻辑性和前后的严密性

说明：
第一个说明就没好好准备
第二个动手能力要求高点
算法的理解深度来判断一个人的职级，低级中级还是高级
不要去捏造项目中的一些细节，只是在遇到问题时有自己的思考，有自己的逻辑，就可以，并不需要说一定要正确或者好
自己的算法和项目讲清楚就可以，不要模棱两可的

说明：
你可以讲一个你喜欢的算法吗？？
GBDT或者简单点的要看看，清楚地读到1-2个算法或者讲一下哪个的模型原理

初入这个行业，想转行的，对其很感兴趣。还没彻底读通。不一定现在就要会，而是要让面试官能看到你有可以会的能力，可以正确学习算法，具有可以正确学习的能力

需要认真做一个项目

也可以找人要求低，缺人的情况

说明：
kaggle论坛
有低级的，可以做一做

数据清洗，特征工程

说明：
改进：也可以使用现有的一些技巧放进去。哪些得到了提升，那些没得到提升
公司一般主要做算法开发
面试一个月前刷题。

2、算法工程师的日常工作

对自己的定位图像算法工程师

说明：
一般两周一个项目，试试

说明：
特征工程

模型训练和调优比较关键。不单单指的调参，不同的场景有不同的网络结构，损失函数，权重，自定义的损失函数等
不需要手动做特征，因此第一段时间少一点。
数据准备可能需要自己去标记数据

眼睛，颈椎，腰椎，胃部保护，哈哈！

第一个小项目机器学习

说明：
找最强的特征是可能造成影响的特征，比如下单行为而不是浏览行为

说明：
对比训练和验证，从模型跑出来的结果的数量级去判断好还是不好，比如1%和0.1%的数量级，10倍的差距

第二个小项目深度学习
先转化成算法问题–目标检测问题

说明：
没数据的情况下找公开数据集进行
工作中还可能是需要自己做标记

说明：
先跑一个模型看看结果，
然后再进行改进（看论文），并且了解别人可以做到什么精度，我们的目标是什么？再
找论文找技巧（需要research）

3、职业前景

说明：
想升职：多写代码，多些项目。多跑模型，运气成分，绩效高强度的写代码的毅力

算法+沟通能力+产品设计的兴趣
工程水平（纯靠写代码）是硬伤啊

没人告诉你对错，要自己试错