2021年后成为一名算法工程师的门槛有多高?

想知道2021年后一个算法工程师的门槛有多高，现在我在读研究生，师兄实习的时候选择了算法，后跟我说算法特别难，然后他转后端去了，他说很多人都转后端去了。

1. 985大学、或者相当于985的学历。这个是硬条件，达不到的话简历关过不了。不是学历歧视，公司招聘的流程是有代价的，要花2~3个工程师每人1.5小时的时间，如果简历不够好，没必要浪费公司资源。学历不足，只能先找个职位凑合干着，努力钻研技术，过两年再跳。
2. 专业：CS、AI >> 自动化 > 电气、统计 > 其他。面试会考数据结构的题，CS科班出身的有巨大优势。题做不出来不要紧，但如果体现出对编程和算法的无知，必挂。
3. 机器学习的基础好，包括理论基础、动手实践能力。这种能力是需要长期积累的，不是背一背面试八股就能混过去的。面试流程中肯定有资深专家把关，聊一会就知道是真懂、还是应试的。我当面试官的时候，别人说最擅长什么，我就只问什么，深挖一下，很容易看出一个人的功底。
4. 有跟职位相关的经历，包括实习、科研、开源项目等等。顶会paper、跟职位匹配的实习经历，都是重大加分项。互联网大厂招聘职位的数量：搜推广 > NLP > CV。高校毕业生数量：CV > NLP > 搜推广。搜推广职位招聘的喜好：搜推广 > NLP > CV。如果还没选研究方向，能选NLP就别选CV。

不过从这两年的趋势来看，会算法又会工程的人会相对更吃香，如果要搞纯算法研究，请读博，不要犹豫；个人建议，提供一个较好的方向，做算力平台方向当前看来还不错，需要懂点算法也需要工程能力，前景也还算光明，现在各大企业及独角兽都在猛构建这一块方向。

由此导致的一些岗位比如调参工程师逐渐消失，一些岗位逐渐走向融合（像NLP和视觉应用中，由底层特征到高层特征的融合和提取都是由深度网络自动完成而不需要过多的人工参与，再加上深度学习很多机制在领域间是通用的，比如深度网络中的attension机制，调参工程等，这就导致一个对于深度学习理论精通的搞视觉的工程师，经过一定的NLP领域知识学习后，能很快转型为初级的NLP工程师）。此外就拿视觉工程师而言，在算法选择，模型训练之外，偶尔会需要你具备一定的移动平台开发经验（因为移动端是趋势，所以工作中偶尔会和安卓, ios打交道），再加上模型压缩和加速(也许会用到比较底层的开发语言，如果CUDA等)，后台部分docker部署, 负载均衡等有时候都需要你自己去完成，这就需要你具备一套完整的技术体系，这种情况下算法，移动端，后台开发的界限也是逐渐模糊。所以，自己的技能点怎么点是个值得深思的问题

工程师：

研究员：

往期精彩：
《机器学习 公式推导与代码实现》随书PPT示例
 时隔一年！深度学习语义分割理论与代码实践指南.pdf第二版来了！
 新书首发 | 《机器学习 公式推导与代码实现》正式出版！
《机器学习公式推导与代码实现》将会配套PPT和视频讲解！
 2021，我读了32本书！