如何看待 2020 届校招算法岗「爆炸」的情况?
编辑:忆臻
https://www.zhihu.com/question/342267611
本文仅作为学术分享,如果侵权,会删文处理
如何看待 2020 届校招算法岗「爆炸」的情况?
作者:Ted Lihttps://www.zhihu.com/question/342267611/answer/805334722
怎么看待?就是学生投机起来真的非常的疯狂。
从我一年多的面试经历来看,很多应届的小朋友可能看到算法岗位吃香,都纷纷从非CS科班转过来做算法,而且非算法不找。
他们可能上个培训班,去kaggle或者github上复现一下代码,把别人的论文代码复现一下,就赶紧往简历上写,然后面试的时候,被问到细节,一点也答上来。
有时候,我很无奈,就问一下语法,操作系统,数据结构,发现投机搞算法的人,基础居然出奇的差,有一次竟然被一个小姑娘反问,做算法为什么要问这些问题。小姑娘可能觉得,做算法的就应该问一下机器学习的问题吧,毕竟题都背好了,这个可恶的面试官居然不问。
无良的公众号,无良培训机构更是该被骂,每天虚假宣传,拉大大家的期待值,神话ai薪酬,增加行业浮躁。
CS圈子投机一直都很严重,以前投机做APP,投机做VR,投机做区块链,所以投机做AI一点也不奇怪。天天劝退这个,劝退那个,条条大路通投机,行业鄙视链越拉越长。
希望学生朋友们,都去招聘网站上搜一搜看看开发岗多还是算法岗多,然后端正自己的心态,找适合自己的工作。
作者:Ted Lihttps://www.zhihu.com/question/342267611/answer/805334722
怎么看待?就是学生投机起来真的非常的疯狂。
从我一年多的面试经历来看,很多应届的小朋友可能看到算法岗位吃香,都纷纷从非CS科班转过来做算法,而且非算法不找。
他们可能上个培训班,去kaggle或者github上复现一下代码,把别人的论文代码复现一下,就赶紧往简历上写,然后面试的时候,被问到细节,一点也答上来。
有时候,我很无奈,就问一下语法,操作系统,数据结构,发现投机搞算法的人,基础居然出奇的差,有一次竟然被一个小姑娘反问,做算法为什么要问这些问题。小姑娘可能觉得,做算法的就应该问一下机器学习的问题吧,毕竟题都背好了,这个可恶的面试官居然不问。
无良的公众号,无良培训机构更是该被骂,每天虚假宣传,拉大大家的期待值,神话ai薪酬,增加行业浮躁。
CS圈子投机一直都很严重,以前投机做APP,投机做VR,投机做区块链,所以投机做AI一点也不奇怪。天天劝退这个,劝退那个,条条大路通投机,行业鄙视链越拉越长。
希望学生朋友们,都去招聘网站上搜一搜看看开发岗多还是算法岗多,然后端正自己的心态,找适合自己的工作。
作者:Zhiminghttps://www.zhihu.com/question/342267611/answer/805723045
大家可能没有分清楚两个概念...算法工程师和算法研究员是两个职位,现在可能不是很明显,但是我相信这应该就是以后的趋势。
算法工程师的本质还是工程师,从推荐系统方向来说,除了要求你读paper,复现paper之外,还需要会使用Spark这种大数据处理工具,会写shell脚本,跑个数据能不能开多线程跑,模型代码出了bug怎么定位...这些都是计算机系的基本功,更不用说模型上线就是一个复杂的C++工程了。企业对于一个工程师的要求简单来说就是”能干活“,”把活干好“,所以只停留在书本上是没办法成为一个”工程师“的。
还有很关键的一点,算法工程师研究算法的终极目的是服务业务,所以对业务有没有很深刻的理解非常重要,没有办法落地的算法,没有拿到指标收益的算法,即便再fancy,在学术界再amazing,在工业界也是吃不开的。
算法研究员就不说了,这个岗位我觉得本来就应该博士起步吧...
作者:沈世钧https://www.zhihu.com/question/342267611/answer/805532525
从理论上分析,算法岗大爆炸(就业难)是必然的,只是时间早晚的问题。
算法岗不是劳动力密集型
以我所在的事业部为例,算法工程师和软件工程师的比例达到了1:4。
因为,对一个公司来说,算法是基础,在此之上能够开发出各种应用。这就注定了,软件开发的需求要远远大于算法的需求。
就拿人脸识别算法来说,算法部门只需要推出一个版本的算法(以SDK的形式),软件研发部门就可以在此基础上,开发出诸如视频监控、闸机等各种应用。
而对底层算法来说,无论是对外的接口,还是内部的架构(例如深度学习),都有着相当的统一性。因此,就算法来说,维持一个精干的,高水平的团队,对全公司的业务支持来说,是完全可行的。
这也是为什么,在算法招聘市场上,用人单位会对应聘者的资质要求那么高(学校、资历、论文等等)。就是因为算法有很强的理论性,以及技术统一性。一个精干的团队,如果有一两个一流的专家,最终的产出,就完全可以吊打那些虽规模巨大,但皆由平庸之辈构成的团队。
这也是为什么这两年在深度学习领域,出现了很多在学术界、产业界都声名鹊起的科学家(例如深度学习三巨头,吴恩达等)。这也在某种程度上说明,在深度学习领域,“英雄”对行业的推动还是决定性的。
这也就决定了,那些在技术前沿竞争的大公司,在招聘算法工程师时,一定会坚持“宁缺毋滥”的原则,因为多了也没有用。
但软件工程师就不一样了。
虽然就软件工程师(例如Java后端工程师)的技能来说,也存在通用的地方。但对一个在市场上打拼的公司来说,客户(各种项目)的需求千差万别,各种促销活动迎接不暇(例如双十一),用户体验需要不断改善。因此,对“业务”软件工程师的需求也必然是巨大的。
虽然就关键技术来说,一个高水平的软件工程师所产生的生产力数倍于平庸者。但就开发日常来说,有太多的工作都是高度重复,缺少技术含量的活(例如增删改查)。
但另一方面,虽然这些工作技术含量不高,但代码终究还是要程序员一行一行垒出来的。所以,对企业来说,就不得不长期维持一个规模巨大的软件开发团队,从而造就了一个规模巨大的就业市场。
除非有一天,软件开发也能被AI替代(理论上是可以的)。
算法的门槛没有那么高了
算法研究的基础是数学。按照当前的技术发展,本科数学是不够用的。因此,在招聘市场,算法岗的最低学历也得是硕士。
但是,在当前的深度学习领域,就公开框架的学习,理论结果(各种出版物、论文等)的研究。对一个受过系统数学教育,智力正常的研究生,完全没有障碍。
而且,随着这两年AI的大火,相关的技术和理论已成为了一门“显学”,公开的技术和资料越来越多,可谓“太阳底下无秘密”,先入者的红利早已不存在了。
也就是说,在早前,在人工智能(主要是机器学习)还相对神秘的时候。一个研究生,掌握了基本理论,能理解及搭建开源框架,就能找一份好工作。但现在水涨船高了,靠通过机械学习而掌握的这些知识是远远不够的。
因为门槛低,所以掌握的人就多,在加上算法团队更倾向于规模不大,但高度精英化的团队。所以就导致了“僧多粥少”的局面。
而现在在各大公司,基本的深度学习框架已经搭建完成,往前走,就只有两个方向。
一个是继续收集数据,喂给搭建好的深度学习框架,从而让当前的算法不断进化。
例如,对人脸识别来说,各家基本的准确率已差别不大。大家的竞争已经朝向了一些边缘问题(例如活体检测等)。
当然,这方面还是需要不少人力去做的。但是,这些工作的技术含量却显然不高。在业界,有很多公司已经不愿再投入太多研发在上面,要么从第三方买数据,要么是把这些工作外包出去。
也就是说,喂数据,调参数这种工作,正逐渐从高端就业市场剔除出去。
另一方向是,在深度学习领域,各大公司的发力重点是把技术往更前沿推,研究新的理论,实现新的框架。
例如当前的主流学习框架还是基于数据,有人守护的学习模式。但未来的趋势应是自学习,无人守护的模式。
而做到这一点,后来者想要入行,就不能单靠机械的学习了。而是要基于天赋、灵感,甚至是运气。这也注定了能站在这个层次的人必然是少数。
基于上面的分析,我们可以得出的结论,未来,创造性的,高收入的算法职位,随着时间发展,一定会越来越少。后来者想要入行,也会越来越难。
未来,随着深度学习框架的下沉,高价值应用领域(例如人脸识别、自动驾驶)被逐渐瓜分,整个AI行业,必然会越来越呈现出精英化的趋势。
说来也讽刺,今天,我们对未来的一个预测是,随着对人工智能的普及,越来越多的劳动岗位被机器替换。未来,还需要劳动的只是少部分天赋异常的精英。
但没想到的是,人工智能时代虽然还没有来到,但在人工智能的研究领域,这个预言却首先实现:
平庸的AI从业者正逐渐失去工作。
喜欢就点「在看」吧