最近2022届校招火热进行中，而大疆给应届生开到42k的薪资也刷屏了整个朋友圈。
今天在知乎上看到一个有趣的话题，想和大家一起讨论一下：
作为一名NLP算法工程师，这三个方向都搞过，按照自己的理解，分别来说一下NLP在这三个大方向分别能做啥：
搜索：Query理解（纠错、改写、分词、重要性、紧密度）、Doc理解（赋权、文本摘要、关键词抽取）、文本相关性（语义匹配模型）、倒流（搜索词生成）、知识图谱、精准问答、摘要飘红（阅读理解）广告：OCPX时代，广告主能操作的就只有创意和定向了，定向（行为兴趣定向，主要是通过理解内容来做可解释强的用户定向【讲内容标签通过牛顿冷却定理等打到用户身上】，据传大的广告平台，定向消耗一天能占1个亿），创意（标题生成、内容理解、程序化创意），内容审核（低俗广告不准投放），电销商机识别推荐：内容生态规整，通过NLP技术帮助对内容生态做规整（黄反识别、低俗识别、文本消重、标题党识别等），针对内容生态做治理，帮助建立更好的内容壁垒。某国内一线推荐大厂自诩能够机器写文章，可见文本生成在整个推荐领域也是有很强的应用背景的。如果从NLP对于整个系统的重要程度来看，NLP在搜索中是雪中送炭，而NLP针对广告和推荐叫做锦上添花。所以如果有NLP背景，从事推荐算法，那么就相当于是众望所归的一个选择。
目前CV和NLP岗的需求都已经严重过剩，想要进互联网大厂从事这两个岗位，更是难如登天！我认识的很多同学都已经放弃了算法岗从而转向开发。而根据美团2022届校招情况，需求量最大的算法岗也是推荐算法工程师，但门槛要求也高，不仅前沿的推荐算法要精通，还要会模型压缩，否则上线后不满足QPS；以及大数据Hadoop、Spark也要做到精通才行。
总结一句话就是：算法工程师要是没有工程能力，简直没法干活。
但是我想稍微明确一下，推荐算法相比于其他的算法岗，例如NLP，CV，对工程的涉及面更加广和深，除了提到的shell，HiveSQL，Spark，Git这些每个算法工程师都需要掌握的基本工程框架/组件。我认为推荐算法/系统工程师还需要掌握Online和Offline的数据流，召回，排序这几个阶段所涉及到的工程知识和代码能力。
我给大家从职友集上查了一下推荐算法工程师的薪资，又与美团做推荐的同事们聊了一下，这个薪资非常客观，一般两年内都能达到这个薪资水平（普调+晋升）：
最近有很多小伙伴在后台留言，希望我提供一些项目资料+Python。目前自学抓不到重点，又没有大厂实操项目傍身，在校招和社招面试中屡屡受挫。自己一番折腾下来，毫无头绪，学习效果自然是大打折扣。而网上很多教程也比较碎片。
而我一位朋友北大博士整理了一套资料。这是我目前见过最好的推荐项目产品。功能完整，代码结构清晰。值得推荐！！
通过对推荐系统架构的整体规划，深入了解推荐算法的整套原理，以项目实战案例贯穿，实现基于Hadoop的协同过滤和聚类，充分展示大数据中模型和Hadoop的结合。同时，在原有基础上横向与纵向深度剖析分类问题、离散特征、权重动态分配、模型融合，模型的评价，以及多路召回融合的实施，循序渐进的方式学习模型在实际工作中的使用优化，打破进阶屏障！
（仅部分内容，20G+学习视频资料）
以及还整理几套大厂面试真题（含答案）+推荐架构论文，也分享给大家，供大家学习！！
由于工作需要，这份教程我本人也在学习中，虽然已经从事开发这个行业多年，再学习这份资料的时候，仍可以查缺补漏，收获满满。我相信不管你是Python入门、大数据入门，还是已工作多年。这份学习资料，都值得你去认真学习研究。
