- 综合排序
- 最热优先
- 最新优先
- 来自专栏接地气学堂
算法工程师之死
“我们的算法工程师水平太差了，完全解决不了问题！” ——作为一个经常和传统企业打交道的乙方，这种抱怨陈老师听得太多了，类似惨痛画面也见得太多了。今天我们系统说说。 模型厉害不厉害，厉害！ 于是，很多企业咬牙跺脚，出高薪，聘请来自互联网大厂的算法工程师、数据挖掘工程师、数据建模师，期望他能做出超厉害模型。“只要你能预测精准了，那我肯定能如鱼得水”是他们的口头禅。 又刚好，一批2019年左右混入所谓互联网大厂的算法工程师们，被裁员了，以为自己可以打着“前头腾阿高级算法工程师”旗号收割一波传统企业，从此乌鸡变凤凰，走上人生巅峰。两者一拍即合。 ，为啥还要小妹来帮忙，你看人家抖音不都是算法工程师做的？？” 别的不说，单说生鲜电商，疫情影响，大家都觉得生鲜电商有前途，于是一帮连饭都没有煮过、娃都没有生过的算法工程师们，正在努力研究“蔬菜精准推荐”“买菜智能预测”算法呢。 是滴！
49531编辑于 2022-06-13 - 来自专栏云头条
平均每天只写 7 行代码：一算法工程师被开除
事实和理由： 中科尚易公司于2020年12月2日与李某某签订了聘用合同，合同期限为3年，试用期为3个月，李某某的职务为视觉算法工程师。 其作为视觉算法工程师，在职72天，只完成了深度学习识别算法422行代码的编写，3D点云算法和多摄像头联合算法代码编写均为0行，其间除去约9天的样本训练和拍摄，也就是63天里每天只写7行代码。 .负责基于深度学习的人体姿态识别相关算法的研发与优化；4.负责多个摄像头联合识别算法的研发；5.负责基于深度学习的样本制作与训练；6.负责将算法相关代码写成规范的软件并文档化；7.参与产品项目的集成、调试 负责将算法相关代码写成规范的软件并文档化；7.参与产品项目的集成、调试、测试、验证等相关工作。 基于以上岗位职责的要求，对试用期员工李某某的工作量及工作质量评估如下（综合评估见试用期员工评估表），一般工程师每天完成的代码量是100-200行，李某某作为公司聘用的富有经验的软件算法工程师，起码应该达到中位水平
52620编辑于 2022-08-29 - 来自专栏木东居士的专栏
数据工程师的算法！
翻出来了17年自己梳理的数据工程师的算法学习内容，当时的理解和现在会有些许不同，但整体来看还是可以的，有一些比较细节的内容并没有花较多的时间来整理，留待大家自己补充了，在此不再做任何修改分享给大家参考， 该图中包含的算法范围可能会比较广，当然大家在学习的时候也可以有所取舍，根据居士个人经验，简单举例说明一下几大块算法对数据工程师的重要性，或者说是学习建议吧： 分布式算法：大数据相关的同学必备，日常工作可能使用不多 大数据算法：偏ETL和基于大数据平台开发的同学最好多做了解，现在很多大数据处理的背后都隐藏了这些大数据相关的算法，比如ES、Kylin、Hadoop。 其它算法：这里列了一些日常工作会遇到，但是一般不需要我们了解太深的算法，比如加密、压缩和调度算法，这些最好是有所了解知道不同算法的作用和区别，但是如果项目不太需要，不必学的特别深。 ok，大致就这些内容，如果此图对你有帮助，欢迎开启你的算法学习道路！
70450发布于 2019-05-17 - 来自专栏AI科技评论
干货 | 让算法解放算法工程师——NAS 综述
在一个进化过程中[7]，工作者（worker）随机从模型簇中选出两个个体模型；根据优胜劣汰对模型进行识别，不合适的模型会立刻从模型簇中被剔除，即代表该模型在此次进化中的消亡；而更优的模型则成为母体（parent 子网络直接继承已经训练好的模型权重参数，可以显著降低模型的运算量 [7]。 图 5 AutoML 开源框架全景图 AutoML 框架能帮助算法工程师减轻负担，降低特征工程和超参数调优的工作量，NAS 可以完成模型的构建，基于 AutoML 的一揽子解决方案（如图 5 包含 AutoML 目前 Cloud AutoML 的费用是 20 美金/小时，相当于国内算法工程师的时薪。 机器学习的平台化降低了 AI 产品的使用成本，最终会降低机器学习的准入门槛，但提高了个人的职业门槛。 工业时间业务不止模型调参那么简单，需要结合很多图像数据的先验知识，随着 NAS 的发展，也许不能取代 100% 的人力成本，但是在项目团队中解放 50% 以上的算法工程师还是可行的。
1.8K10发布于 2018-09-21 - 来自专栏牛客网
阿里算法工程师面经
从事iOS两年，转算法工程师的历程。 第一面是问的都是 算法基础。按照网上的面经准备好基本没问题，基本不会超出网上的大纲。我回忆一下，我的面试题目。 总结失败的经验，我对每个算法是理解了，但是对算法的应用场景思考不多，也没有经验，对于应用方面回答不好，所以失败。所以总结对算法的学习，需要从原理，和其他算法的优缺点，以及应用场景去把握，面试才不可怕。 说了这么多，如果你是应届生，尽量多参加天池或者kaggle的比赛，对算法有一定基础，所有公司对应届生的要求不会太高，会很宽容，好好珍惜应届生的机会；本人不是应届生，也不是研究生，中途转算法，虽然是985 大学，但是简历关都被刷了很多，历程坎坷，幸好还是顺利踏入算法工程师的行业，且看未来吧。
1.1K60发布于 2018-06-07 - 来自专栏PPV课数据科学社区
阿里电话面试(算法工程师)
所以我也经常无私的去帮助陌生人和朋友，无论是生活还是编程上，你也可以试试~ 因为我导师的研究方向是数据挖掘和自然语言处理，同时毕业设计在做知识图谱和实体对齐相关的研究，自己对这部分挺感兴趣的，所以申请了“算法工程师 职位描述 算法工程师：自然语言处理(NLP)、图像处理、语音识别、机器学习、分布式并行算法、数据挖掘、推荐搜索、复杂网络、深度学习、广告、机器翻译 岗位描述：如何从海量商品中找到最合适的商品、推荐和搜索系统 而且7月8日我刚考过科目四拿到驾照，7月9日参加毕业开题答辩，7月10日早上10点电话面试，所以准备时间仅仅半天了（6小时），晚上还打了三把dota，哎！ 最小生成树普里姆算法、最短路径Dijkstra算法、Floyd算法。 PS: 前些天无聊百度了下图灵奖获得者，确实都是些大牛啊！那些XXX算法和XX语言的发明者基本都是其中的成员之一。 题7：简述你熟悉的一种设计模式或项目中用过的设计模式。
1.6K40发布于 2018-04-18 - 来自专栏机器学习AI算法工程
阿里电话面试(算法工程师)
所以我也经常无私的去帮助陌生人和朋友，无论是生活还是编程上，你也可以试试~ 因为我导师的研究方向是数据挖掘和自然语言处理，同时毕业设计在做知识图谱和实体对齐相关的研究，自己对这部分挺感兴趣的，所以申请了“算法工程师 职位描述 算法工程师：自然语言处理(NLP)、图像处理、语音识别、机器学习、分布式并行算法、数据挖掘、推荐搜索、复杂网络、深度学习、广告、机器翻译 岗位描述：如何从海量商品中找到最合适的商品、推荐和搜索系统 而且7月8日我刚考过科目四拿到驾照，7月9日参加毕业开题答辩，7月10日早上10点电话面试，所以准备时间仅仅半天了（6小时），晚上还打了三把dota，哎！ 最小生成树普里姆算法、最短路径Dijkstra算法、Floyd算法。 PS: 前些天无聊百度了下图灵奖获得者，确实都是些大牛啊！那些XXX算法和XX语言的发明者基本都是其中的成员之一。 题7：简述你熟悉的一种设计模式或项目中用过的设计模式。
2.6K80发布于 2018-03-09 - 来自专栏华章科技
阿里电话面试(算法工程师)
所以我也经常无私的去帮助陌生人和朋友，无论是生活还是编程上，你也可以试试~ 因为我导师的研究方向是数据挖掘和自然语言处理，同时毕业设计在做知识图谱和实体对齐相关的研究，自己对这部分挺感兴趣的，所以申请了“算法工程师 职位描述 算法工程师：自然语言处理(NLP)、图像处理、语音识别、机器学习、分布式并行算法、数据挖掘、推荐搜索、复杂网络、深度学习、广告、机器翻译 岗位描述：如何从海量商品中找到最合适的商品 而且7月8日我刚考过科目四拿到驾照，7月9日参加毕业开题答辩，7月10日早上10点电话面试，所以准备时间仅仅半天了（6小时），晚上还打了三把dota，哎！ 题7：简述你熟悉的一种设计模式或项目中用过的设计模式。 面试官：你Pointwise采用的是什么算法？请详细说说。 作者：我们采用PRank算法实现的，它是一种回归的算法。
2.3K20发布于 2018-08-17 - 来自专栏Unity3D
☆打卡算法☆LeetCode 7、整数反转 算法解析
大家好，我是小魔龙，Unity3D软件工程师，VR、AR，虚拟仿真方向，不定时更新软件开发技巧，生活感悟，觉得有用记得一键三连哦。 一、题目 1、算法题目 “将给定的整数进行反转输出。” MAX_VALUE这个溢出条件来看 当出现 digit > MAX_VALUE / 10 且 还有rev需要添加 时，则一定溢出 当出现 digit == MAX_VALUE / 10 且 rev > 7 时，则一定溢出，7是2^31 - 1的个位数 从**digit * 10 + pop < MIN_VALUE**这个溢出条件来看 当出现 **digit < MIN_VALUE / 10** 且 还有 三、总结 小于2^31的10位数，首位只能是1或2，反转过来末位是1或2，小于7。 如果大于7，输入就溢出了。所以不用考虑末位的7和-8，只要保证其余9位满足条件就行。
45420编辑于 2022-08-07 - 来自专栏决策智能与机器学习
算法基础（7）| 主流智能算法概览
本文将其中智能算法有关精彩观点进行摘要。 PDF报告全文下载，请关注公众号并回复：20180917 2.算法的分类归纳：回归、分类和聚类 回归是一种用于连续型数值变量预测和建模的监督学习算法。 分类算法用于分类变量建模及预测的监督学习算法，分类算法往往适用于类别（或其可能性）的预测。 4.三种典型的算法应用：智能语音、计算机视觉、自然语言处理 ? 之后的检测算法主要分为两类，一是基于区域建议的目标检测算法，通过提取候选区域，对相应区域进行以深度学习方法为主的分类，如 RCNN、Fast-RCNN、Faster-RCNN、SPP-net 和 Mask
81130发布于 2020-08-04 - 来自专栏算法工程师之路
每日算法题：Day 7
作者：TeddyZhang，公众号：算法工程师之路 Day 7, 数据结构知识点走起~ 1 编程题 【剑指Offer】调整数组顺序使奇数放在偶数之前 输入一个整数数组，实现一个函数来调整该数组中数字的顺序 当然可以，由于题目要求奇数和偶数的相对顺序保持不变，也就是排序的稳定性，而经过我们之前对常用排序算法的了解，知道插入排序是稳定的！ int val; 4 struct ListNode *next; 5 ListNode(int x) : 6 val(x), next(NULL) { 7 我们在实现图的创建和遍历算法时，提到了度的概念，对于图中的节点，度数=入度+出度，其中入度是指有多少个节点指向该节点，而出度是指从该节点出发指向了多少个节点！
58420发布于 2019-08-09 - 来自专栏数据科学与人工智能
算法与算法工程师，技术与技术人员
（注：标题里的算法，指机器学习算法，或者说“算法工程师”这个职位名称里的“算法”，不是“算法与数据结构”里的那个算法。 谁能告诉我有没有什么更好的名字来区别这它们，或许是“机器学习算法”与“传统算法”？） 算法与算法工程师 先来一段我在知乎里回答“做算法工程师是一种怎样的体验？” 算法工程师可能只需用类似Hive的方式，写几个类似SQL的语句就可以完成模型的训练、交叉验证、参数优化等工作。 而机器唯一不能替代的就是对数据的理解，这是算法工程师存在的价值。 而数据是和业务强相关的，算法工程师将更加接近产品经理的角色，而不是程序员。深入理解数据、业务和产品，寻找模型和它们的结合点，将成为算法工程师的核心竞争力。 这里刘同学提出一个问题，那就是算法工程师对算法需要理解到何种程度？事实是，即使从算法的应用出发，工程师也需要掌握模型的优缺点、适用场景、模型选择、参数调优等技术。
1K70发布于 2018-02-28 - 来自专栏【腾讯云开发者】
算法工程师深度解构ChatGPT技术
图片 引言 | 本栏目特邀腾讯知名语言文本项目算法工程师冉昱、薛晨，用专业视野带你由浅入深了解ChatGPT技术全貌。它经历了什么训练过程？成功关键技术是什么？将如何带动行业的变革？ 而对于PPO，我们知道它是2017年OpenAI提出的一种新型的强化学习策略优化的算法即可。 （PPO算法） 我们需要注意的是，chatGPT的成功，是在前期大量工作基础上实现的，非凭空产生的“惊雷”。 PPO PPO(Proximal Policy Optimization) 一种新型的Policy Gradient算法（Policy Gradient是一种强化学习算法，通过优化智能体的行为策略来解决在环境中实现目标的问题 腾讯工程师技术干货直达： 1.太硬核！用大数据技术预测足球胜率 2.祖传代码重构：从25万行到5万行的血泪史 3.探秘微信业务优化：DDD从入门到实践 4.万字好文！
3.2K40编辑于 2022-12-10 - 来自专栏腾讯技术工程官方号的专栏
算法工程师眼中的AI岗位
人工智能工程师做的产品大部分和机器学习相关。如下图中，尽管工作职位的称呼是人工智能算法工程师，但绝不是让你去开发专家系统, 而是让你做与学习相关的工作。 在工作职位上，相关职位有：机器学习工程师和机器学习平台工程师。前者的工作职责是将机器学习算法应用在现有业务上，后者的工作职责则是建设并维护分布式机器学习平台。 还有一个相关工作职位是算法工程师。 这里所指的算法不是计算机基础算法（如动态规划），而是机器学习算法。笔者个人认为应该称为机器学习算法工程师更加恰当。这个职位和机器学习工程师类似。另外一个职位是深度学习工程师。 但有一种情况例外: 如果推荐系统和广告系统部门招聘，机器学习工程师偏重于点击率预估算法的实现和改进，数据挖掘工程师则偏重于新特征的挖掘。 推荐系统和广告系统作为能直接带来效益的部门，自然需要招聘专门的推荐算法工程师和广告算法工程师。推荐算法工程师和广告算法工程师的主要职责分别是建立推荐和广告的点击率预估。
82350发布于 2019-03-20 - 来自专栏机器学习与统计学
算法工程师的修养 | 图解SQL
https://blog.csdn.net/horses/article/details/104553075
1K20发布于 2021-10-11 - 来自专栏牛客网
数据挖掘算法工程师面经
6个面试，3个offer： 1、360安全研究院数据挖掘工程师。 2、好未来数据挖掘机器学习工程师（一面17分钟 二面16分钟 都视频面offer） 一面： 自我介绍 项目介绍（。。。 没想到就这样拿了一个提前批次offer 3、拼多多数据挖掘工程师（一面电话面 15分钟 gg） 自我介绍 项目介绍（一模一样的问题，问了几个核心的点，胸有成竹的答上来了） RF原理，优化目标是什么 gg 6、苏宁云商算法工程师（面试 12分钟 offer） 自我介绍 项目介绍（里面问到了异常值处理，评价指标等） 挑选你最熟悉的算法介绍下 RF与决策树的对比（无语的问题。。。 我反问了句，这就是父子的关系，会有啥对比的，估计他也意思到问错，所以马上换问题了） RF与GBDT的区别（balabala，讲了7点，把他完全说服了，估计有些他都没听过） 现在手上有什么offer
2.4K100发布于 2018-04-28 - 来自专栏机器学习之禅
内卷算法工程师常用黑话1
7.UV，Unique Visitor，独立访客数，这个指标是统计某个位置的用户数量，从这里开始，很多都是投资人所关注的指标，因此在公司中也会极其关注这些指标，毕竟要跟投资人讲故事嘛。 而作为一个算法工程师，我们可以用这个词来抵挡需求，比如说产品异想天开想要搞一个识别图片里的建筑物叫什么名字的功能，这个时候你就告诉他：你这个事情的ROI太低了，从公司的角度来说，这个需求不能做，极大的浪费了资源 一般的留存会使用7日留存，或者30日留存作为常用的指标。 好了，今天关于黑话就先总结这么多，有时间我们再接着写。
78620编辑于 2022-07-11 - 来自专栏钱塘大数据
大数据时代，软件工程师渐退，算法工程师崛起
来自 Intercom 的工程师 Cathal Horan 表达了他对大数据的看法，他认为，未来属于算法，而不是代码。 纵观这些历史时期，通过从离散到抽象的转换，我们就会明白为什么算法比代码重要。 信息即数据 如果我们把整个人类历史看成一天，那么我们只能从晚上 11 点 7 分开始说起。这是安静的一天。 不过，算法已经开始展露头角，正在创造一个抽象的新时代。 算法的崛起 所以说，算法和代码之间有很大的不同。代码可以用来实现算法，而且代码的实现方式会影响到性能。 Pedro Domingos 在“The Master Algorithm”一书中描述了如何使用“学习者算法”来创建新的算法，这些算法可以反过来为我们编写我们所需要的代码，“通过机器学习，计算机可以自己编程 人们甚至创造了更好的优化技术，他们观察金属的冷却过程，并通过算法对其进行建模（被称为模拟退火算法，这就是我们应该从算法角度开始考虑问题的一个最好的例子）。
81360发布于 2018-03-05 - 来自专栏GitHubDaily
《AI 算法工程师手册》正式开源！
转自：AI 有道，作者：红色石头 之前我曾在《分享集锦：哈佛 Web 开发教程、HTTP 状态码速学、阿里 AI 算法工程师手册、机器学习书籍》中提及过一本由阿里巴巴工程师撰写的一本算法手册，前两天看到红色石头写了一篇较为详细的文章来介绍这边手册 目前这本《AI 算法工程师手册》已正式开源，无需购买纸质书籍，可以直接在线阅读，体验感爆棚。 书籍介绍 这本《AI 算法工程师手册》是作者多年以来学习总结的笔记，经整理之后开源于世。 集成学习 7. 梯度提升树 8. 特征工程 9. 模型评估 10. 降维 11. 聚类 12. 半监督学习 13. EM算法 14. 最大熵算法 15. 隐马尔可夫模型 16. 反向传播算法 3. 正则化 4. 最优化基础 5. 卷积神经网络 6. 循环神经网络 7.
91940发布于 2019-07-10 - 来自专栏机器学习与推荐算法
快手推荐算法工程师工作感悟
作者：艾雷 出处：https://zhuanlan.zhihu.com/p/532197011 作为推荐算法工程师，在快手的这两年，收获了很多，仅以本文记录我的一些浅薄的感悟，希望下一个两年结束时，我会觉得这里的很多观点都是不全面的 从问题出发设计方案 从“哇塞，这个模型牛逼”的点出发，容易陷入从“哇塞，想法牛逼”到“哎，在我们场景不适用”的莫名其妙的困局里，所以推荐算法工程师应该多看看case，从单个case找到系统性的问题，设计方案和评估方法 不要迷信AB实验的指标 AB实验指标反映最终结果，无法很好的证明实验组策略与结果的直接因果关系，多多设计与实验组策略算法直接相关的中间观测指标。 3. 把工作时间的10%用于扩展知识的边界 有句老话，“我们很难赚到认知以外的钱”，这个观点同样适用于推荐算法工程师，“我们很难设计出认知以外的模型或策略”。 4. 7. 不要迫于外界的压力而放弃主见 在自己深耕的细分领域，别人不一定比自己懂，所以有时候要“固执己见”。 8.
88720编辑于 2022-10-31
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号