來源：https://www.zhihu.com/question/347545092

編輯：深度學習與計算機視覺

聲明：僅做學術分享，侵刪

最近小伙伴都悶在家里了，該干嘛干嘛，關鍵是等出來了，千萬不要變成什么都不會的了，"彎道超車"的時候到了，來，算法工程師看看別人眼中最差的那個是什么水平!

作者：Guosheng Hu
https://www.zhihu.com/question/347545092/answer/934820526

真事。這周面試了一個候選人，面CV/DL/AI的TechLead。簡歷很牛逼，做過很多CV的工業項目，涵蓋detection, OCR, face recognition, fire/smoke detection等好多項目. 給我們講了45分鐘做得項目，講得很自信。我挑了一個大項目，我說你在這個項目中的貢獻是什么？他說整個項目的所有算法部分都是他實現的。

OK,我開始進行深度學習的技術面。

我先問了兩個深度學習的中等難度的問題，他都說不知道。有點冷場，那我趕緊問點簡單的吧。我說，深度學習網絡，進行分類時有哪些loss?他猶豫了一下，回答: relu.

瞬間把見過大場面的我還有同事都震住了。

作者：Towser
https://www.zhihu.com/question/347545092/answer/974442143

吐槽一下面試中遇到的奇葩：

1.我問已知上文想預測下一個詞，怎么做？結果他說，先找人標數據，然后訓練一個CRF……

2.獵頭推薦了一個候選人，簡歷看著還不錯，約了面試。結果這人非要把他寫的一個技術文檔讓獵頭轉給我看一下，我就只好看了。點開pdf文檔，里面講用MLP做文本二分類，他用了兩種方法，分別是隨機初始化的詞向量和預訓練的詞向量。兩種方法的準確率分別是……49.9%和50.1%……然后得出結論預訓練詞向量比隨機初始化要好……于是我默默取消了面試安排。

作者：納米醬
https://www.zhihu.com/question/347545092/answer/935600631

算法領域強者如云，我拿著問題咨詢了一位大公司的朋友，希望給自己定定位。該朋友為人幽默，而且水平十分高，差不多能夠一個指頭秒殺我那種，他對這個答案的回答是：

"我聽過一個江湖潛規則，每一個大公司團隊都會招一個特別不著調，水平也不行，智商也比較低的算法工程師，用來背低績效。

當組里成員感到職業發展太難的時候，就會下意識看看那個人，這樣，心里就會有莫大的安慰。

我當時下意識地看看周圍的同事，發現他們都不符合這些描述。"

作者：武博文
https://www.zhihu.com/question/347545092/answer/910099955

這個問題太適合在企業的算法工程師來回答了，好的算法工程師/研究員千篇一律，差的算法工程師真的是千奇百怪，但是非要說最差，那想必是如下這個層次所象征的一群人：

1.（研究型）吹水為主，但善于（樂于）”分享“，尤其是通用型、非深度型知識。如果只是這樣，其實還好，還算不上差。但是再加上在幾千的數據集上玩轉著各種洶涌磅礴的End2End Deep Model，甚至模型還帶著各種bug，在過擬合的時光中甚至麻痹了自己總結出一些幾乎可以說意淫出來的結論。毒害自己也就罷了，可恨的是還有這種背景的工作在頂會發表出來，在知乎or other各種平臺宣傳出來，被各種入門的同學所追捧。所以，研究層面，這是我所見識過的差吧。

2.（產品型）剛才說的場景可能偏學校或者研究部門，那這里要說的就是偏解決產品問題的算法工程師了。當然，屬于1的筒子到了2崗位也自然會不甘示弱成為奇葩，但是2又有一些獨特的個體。我所見識過的這樣的筒子以大數據之道綁架旁人，嘲諷著別人的數據為雞肋，非海量樣本不統計；以調包俠之道欺騙自己，寫著漫天的bug，調用著使用了數以月記的高star項目還不知道這個東西到底是什么的開源工具，被龐大的用戶粘性欺騙了自己，以為自己站在機器學習制高點，改變世界的一群人。

1和2看起來像是笑話，也希望大家以笑話待之，但是可以保證的事此類事情無一夸大，均為非親眼所見不敢相信的事實。感謝他們擴寬了我的眼界，不求抨擊，但求以反面要求自己，能成為一個還不差的算法工程師吧。

作者：盛夏的果

https://www.zhihu.com/question/347545092/answer/840206839

0級算法工程師——只知道神經網絡和幾個名詞，這一級的人一談到算法和人工智能，無腦牛逼(或無腦diss)就完事了。

1級算法工程師——拜讀過西瓜書/小藍書/花書，看過算法視頻教程，對算法基礎知識有一定的了解;掉過幾個算法包，跑過幾個模型和典型數據。這一級通常是調包俠，調參怪。口頭禪:xxx算法模型是真的強!實際上對于算法原理思想一無所知，看的書也只是囫圇吞棗。

2級算法工程師——參加過一兩個算法競賽/項目，跑過知名的幾個效果好的算法模型，并且獲得了中規中矩的成績(前10-20%)。此時認為算法不過如此，數據處理、特征構建、模型選擇無非那么幾種套路，僅僅靠著模型融合和毫無想法的數據處理過程來上分。這一級充斥著大量的校招算法工程師，承擔著大中廠算法崗炮灰的角色。

3級算法工程師——參加一些算法競賽并獲得比較靠前的名次，對于使用的模型和方法有叫深入的理解，競賽中存在獨立和較深刻的思考。或者有關于算法項目相關的論文。這一級在基礎算法能力上來說已經過關，可以找到還不錯的工作。比較容易擔憂的是自身的工程能力。

4級算法工程師——除了比較扎實的算法基礎外，還有比較不錯的工程能力。不僅理論知識過關，同時能將算法結合到業務場景、實際項目當中去，并對算法本身進行一定的更改以適應背景。這一級的人已經能成為offer收割機了，往往能拿到心儀的offer。

(我認為四級已經是絕大多數算法工程師的上限，對于工程師來說繼續升級需要的是對相關業務的理解、敏銳度和工程能力了，超越了“算法”本身的范疇)

…………

N級算法工程師

對于現有的算法進行創新和改進/開發算法框架造福AI領域等造成比較大的影響的巨佬。這一級答主根本無法想象那種高度，實屬算法領域的大牛級人物。

作者：CKLSniper
https://www.zhihu.com/question/347545092/answer/945390536

這年頭能夠保持面試的時候把聊天順下去我覺得就很好了。

就這兩個月的事情：

面試A：簡歷上寫著”精通解決高方差高偏差問題“。想讓該候選人推導一個誤差的偏差方差分解，順便聊聊boosting和bagging。先打開話題：什么是方差和偏差。答曰：不知道。話題就死在這里。

面試B：簡歷上有卡爾曼濾波的經驗。想讓該候選人推導一個已知聯合高斯分布求條件高斯分布的公式，并聊聊線性高斯系統與隱變量模型。先打開話題：什么是卡爾曼濾波。答曰：不記得了。話題就死在這里。

面試C：簡歷上有降維的經驗。想讓他從PCA入手往下聊。先打開話題：什么是PCA。能給一個標準答復。繼續：什么是特征值，答：不知道這個概念。話題就死在這里。

作者：桑楡
https://www.zhihu.com/question/347545092/answer/935386539

不考慮部分除職位名稱之外和算法工程師沒有任何關系的「算法工程師」。

1.覺得「深度學習」是萬能的；覺得任何問題都能用「深度學習」來解決；覺得任何問題都應該用「深度學習」來解決；覺得「深度學習」是決策樹類算法的上位取代；

2.覺得效果達到90%就是做得很好，效果只有50%就是做得很差；

3.分析問題時，喜歡先確定結論再找證據；

4.解決問題時，喜歡先確定方法再看數據；比如先確定「這個任務我要用圖神經網絡來做」然后再看有哪些可用的數據，數據量如何；

5.認為復雜的方案一定更好；

6.認為自己沒聽說過名字的方法一定更好；

7.認為論文或各種資料中的結論一定是正確的，認為論文或各種資料中提到的算法一定有效（盡管自己也經常發論文）；如果有人通過實驗推翻了那個結論或是判斷那個算法無效，那一定是這個人的實驗搞錯了；

8.認為創新性遠比效果重要；認為只要有創新，就一定有意義（哪怕效果極差）；

9.認為可解釋性遠比效果重要；（注：并不是說可解釋性不重要，而是說很多解釋根本就是強行解釋，并不是現象的真正原因；而很多人只需要一個能唬住自己，使自己看不出有什么問題的解釋。）

作者：資深AI民工老苗
https://www.zhihu.com/question/347545092/answer/862283360

見過很差的但一直不確定什么是最差的。
我覺得最差的并不是什么包不會用，什么代碼不會寫。而是自己什么都不懂卻自以為是的指導別人做一些愚蠢的又費力不討好的工作。比如，一個輪子別人實現的很好， 只需要稍加修改就能為我所用，非要讓下屬自己造一個，由于自己理解的問題，強行認為開源工具的輪子不符合業務場景等等。無法說得太具體，怕被打。。。。。。

? ? ?不斷更新資源

? ?? 獲取更多精彩

長按二維碼掃碼關注

總結

以上是生活随笔為你收集整理的最差的算法工程师能差到什么程度呢？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。