如何看待2021年秋招算法岗灰飞烟灭？

找工作跟炒股很相似，追涨杀跌不是好策略。你读大学的时候觉得算法好，等本硕读完7年（或本硕博读完9年）后却发现梦想的岗位已灰飞烟灭。我们的应届生跟股市接盘的大妈一样，哪里有火坑就往哪里跳，都觉得自己不是接盘侠。

以机器学习相关的算法岗为例，我猜测一下各专业到达战场的路径：

• 计算机/软件：康庄大道 -> 机器学习
• 应用数学：最优化理论/统计学 -> 机器学习
• 化学/物理/材料：统计学 -> 机器学习
• 生物：计算生物学/统计学 -> 机器学习
• 控制科学：凸优化 -> 机器学习
• 电子信息：模式识别 -> 机器学习
• 管理科学/工业工程：运筹优化 -> 机器学习

大部分数理工科专业的学生都可以通过直接或者间接的方式到达机器学习的战场！准备入行的同学们做好战斗准备了吗？下面是战斗四步曲：

1. 做项目：跟导师做几个机器学习相关的横向课题，满足三个要求：有贡献、有结果、有创新；
2. 打比赛：霸榜Kaggle，天池之类的竞赛；
3. 发paper：做一个机器学习顶会的任我行，例如在ICML，AAAI，CVPR，NeurIPS等会议发表文章；
4. 实习：在BAT，TMD等知名企业（或知名外企）有实习经历。

对于想入行做算法的同学不妨问自己几个问题：

1. 我掌握的算法技能在工业界有哪些落地的场景？
   注意问的是落地场景，例如搜索、推荐、客服机器人，而不是某个技术领域。
2. 这些落地的技术是否还存在明显的技术难题？
   在搜索推荐已经成为互联网标配技术的年代，其技术框架已经相当成熟。这也意味着如果这项技术没有颠覆性地突破，未来在这套框架下的技术收益越来越低。（如果是这种情况，建议思考一下自己费那么大劲挤进来到底图个啥）
3. 我的技术是否依赖行业经验？
   简单说来，技术越通用、应用场景越广，则越不依赖行业经验。通用技术的好处是应用前景广阔，其缺点对从业者来说也是致命的，随着技术逐渐成熟，其使用门槛会越来越低（参考机器学习）。

那么算法方向是否不值得入坑？

其实未必，因为 算法岗 ≠ 机器学习岗。

下图来自艾瑞咨询《2020年中国AI+零售行业发展研究报告》

如上图所示，很多人比较熟悉的业务场景大多在电商平台，这里的算法技术趋于成熟，已经是一片红海，如果应届生执意杀过来请好自为之。但是请注意看看右边的红色框：实体零售企业和品牌商面临的挑战却少有落地。换句话说，算法岗不仅没有饱和，而且是一片蓝海，只不过这片区域在实体零售业和品牌商。从另一个角度来看，当前的算法技术或许不能很好解决实体零售业和品牌商的痛点，这或许是年轻人的机会。

抛开机器学习相关的算法不谈，我随便提几个我听过的算法方向：

• 计算机图形学：在游戏和3D动画中有较多应用场景。

• 即时定位与地图构建（SLAM）：在自动驾驶、无人机、机器人领域有重要应用。这里有一个华为校招天才少年的知乎链接，大家可以感受一下不一样的算法。

• 高性能计算（HPC）：基于不同芯片开发数学函数库，例如openblas。下图来自华为社招某专家岗：

• 决策优化：需要用到运筹学，博弈论，排队论等技术，在供应链和物流等线下场景中有大量应用。我举一个3D装箱的例子：
  

总结：算法不等于机器学习，机器学习的应用场景不仅限在电商。或许电商领域中的搜索推荐、自然语言处理等方向的算法岗趋于饱和，但是在其它领域仍然存在着大量未解的算法问题等待着各位战斗鸡。