近期正值求職旺季，同時(shí)很多互聯(lián)網(wǎng)大廠迎來(lái)“裁員潮”。作為一名算法工程師，怎樣才能在如此大環(huán)境中規(guī)劃好自己的職業(yè)生涯，從而更好地應(yīng)對(duì)大環(huán)境的不穩(wěn)定性？本文將分享關(guān)于算法工程師職業(yè)生涯規(guī)劃的一些思考和經(jīng)驗(yàn)。

今天的介紹會(huì)圍繞下面三點(diǎn)展開(kāi)：

1. 職場(chǎng)中的三個(gè)重要階段

2. 算法工程師如何做好規(guī)劃

3. 明確路徑，打磨技術(shù)

分享嘉賓｜馬迪 騰訊 推薦算法生態(tài)方向技術(shù)負(fù)責(zé)人

編輯整理｜王吉東 昆侖數(shù)據(jù)

出品社區(qū)｜DataFun

01

職場(chǎng)中的三個(gè)重要階段

關(guān)于職業(yè)生涯路徑的思考，涉及到一個(gè)哲學(xué)問(wèn)題：我從哪里來(lái)，要到哪里去？作為一名算法工程師，在職業(yè)生涯中一般會(huì)面臨以下 3 個(gè)階段的挑戰(zhàn)。

1. 挑戰(zhàn) 1：學(xué)生到職場(chǎng)的轉(zhuǎn)變

這是所有職場(chǎng)人的必經(jīng)之路。在學(xué)校里，導(dǎo)師和學(xué)生之間關(guān)系相對(duì)簡(jiǎn)單和單純；而在職場(chǎng)中，會(huì)遇到很多復(fù)雜的、先前沒(méi)有接觸過(guò)的事情。對(duì)此，有如下幾條建議：

① 在正式入職前參加至少一份實(shí)習(xí)，提前適應(yīng)職場(chǎng)生活；

② 在職場(chǎng)中要保持好奇心，多和資深人士請(qǐng)教交流，少說(shuō)多看多做；

③ 在職場(chǎng)中要保持學(xué)習(xí)力，注重基礎(chǔ)知識(shí)和能力的積累，并與職場(chǎng)實(shí)際問(wèn)題結(jié)合；

④ 擺正心態(tài)，不要嫌棄 dirty work，在小事中也可以積累經(jīng)驗(yàn)和 Credit。

2. 挑戰(zhàn) 2：從 Junior 到 Senior 轉(zhuǎn)變

這也是大部分資深職場(chǎng)人士經(jīng)歷的成長(zhǎng)路徑。以國(guó)內(nèi)大廠為例，騰訊的 Junior 職級(jí)大約是 6-9 級(jí)，大約對(duì)標(biāo)阿里的 P5-P7，對(duì)應(yīng) Junior 工程師到 Senior 工程師的成長(zhǎng)過(guò)程。這個(gè)階段正是積累業(yè)務(wù)本領(lǐng)和技術(shù)深度的重要階段。每個(gè)人在此階段經(jīng)歷的時(shí)間長(zhǎng)短不一，取決于職場(chǎng)機(jī)遇、個(gè)人狀態(tài)和業(yè)務(wù)成長(zhǎng)空間等。對(duì)此，有以下幾條建議：

（1）深入了解業(yè)務(wù)本質(zhì)

相對(duì)于天馬行空的想法和研究，想法“落地”更重要一些。近期互聯(lián)網(wǎng)行業(yè)的前沿發(fā)展方向，包括 Chat-GPT、AIGC 等大模型的出現(xiàn)，都是緊貼用戶需求和相應(yīng)產(chǎn)品進(jìn)行技術(shù)創(chuàng)新的產(chǎn)物。近期流行的 Chat-GPT，其背后的大語(yǔ)言模型其實(shí)很早就出現(xiàn)了，但是由于早期缺乏應(yīng)用“引爆點(diǎn)”，沒(méi)能通過(guò)產(chǎn)品進(jìn)行“落地”，因此一直未能得到大規(guī)模的應(yīng)用。作為一名算法工程師，一定要從產(chǎn)品和業(yè)務(wù)本質(zhì)出發(fā)，去了解并挖掘算法帶來(lái)的價(jià)值。

（2）深挖技術(shù)

不斷拓展和提升自己的技術(shù)能力。以推薦系統(tǒng)為例，需要全棧式了解召回、排序（包括混排和精排）等模型的建模能力，以及 SOTA 模型的優(yōu)缺點(diǎn)、頂會(huì)前沿模型進(jìn)展等。

（3）T 型人才發(fā)展

T 型人才是一個(gè)常常被提及的概念，指的是在自己的技術(shù)賽道確保技術(shù)深度的同時(shí)，提高自己的技術(shù)延展性。延展性包括兩個(gè)方面，一個(gè)是業(yè)務(wù)層面，一個(gè)是技術(shù)層面。仍然以推薦系統(tǒng)為例，推薦系統(tǒng)方向的算法工程師建議更多地了解 CV 和 NLP 的基本原理，從而更好地賦能相關(guān)的業(yè)務(wù)。

總的來(lái)說(shuō)，Junior 工程師的工作更多地偏向任務(wù)的執(zhí)行，而 Senior 工程師的工作更多地偏向具體的問(wèn)題思考與解決。例如，某 APP 的 DAU 出現(xiàn)下滑，需要找到下滑的原因并提出解決方法。這是個(gè)很大的 topic，可能是由于某個(gè)頁(yè)面某個(gè)場(chǎng)景的轉(zhuǎn)化率比較低所導(dǎo)致，也可能由其他各種復(fù)雜的原因?qū)е?，這就是一個(gè) Senior 工程師需要系統(tǒng)考慮的問(wèn)題。首先通過(guò)數(shù)據(jù)分析定位關(guān)鍵問(wèn)題，進(jìn)而設(shè)定目標(biāo)、搭建模型、構(gòu)建評(píng)價(jià)指標(biāo)，進(jìn)而提出解決方案，最終將問(wèn)題解決。而在這樣的過(guò)程中，靠個(gè)人往往難以達(dá)成目標(biāo)，需要協(xié)調(diào)各類外部資源共同完成。

3. 挑戰(zhàn) 3：從員工到 Leader 的轉(zhuǎn)變

第三個(gè)挑戰(zhàn)，可能有些工程師已經(jīng)經(jīng)歷過(guò)，但是大部分工程師可能尚未經(jīng)歷，那就是從員工到 Leader 的轉(zhuǎn)變。這是一個(gè)很大的跨越，因?yàn)?nbsp;Leader 需要帶領(lǐng)團(tuán)隊(duì)達(dá)成目標(biāo)，因此責(zé)任更加重大。另一方面，如今互聯(lián)網(wǎng)公司管理模式逐漸扁平化，因此留給 Leader 的崗位其實(shí)并不多。如果有幸成為 Leader，首先要相信自己，大膽帶領(lǐng)團(tuán)隊(duì)達(dá)成目標(biāo)。初做 Leader，往往會(huì)面臨一個(gè)棘手的問(wèn)題，就是業(yè)務(wù)和技術(shù)的平衡，這里就涉及到管理的藝術(shù)。管理的本質(zhì)其實(shí)離不開(kāi)三大要素：責(zé)、權(quán)、錢?！柏?zé)”代表責(zé)任的劃分和界定；“權(quán)”代表人員工作的安排；“錢”代表對(duì)員工的激勵(lì)機(jī)制。

從員工到 Leader 的轉(zhuǎn)變，是個(gè)非常有挑戰(zhàn)性的工作，而隨著閱歷的增長(zhǎng)，隨著溝通能力的提升，這些能力都會(huì)潛移默化地形成。此外，作為 Leader，需要不斷地向外拓展，最大程度地調(diào)動(dòng)其他團(tuán)隊(duì)的資源，而不能只是向內(nèi)索取甚至壓榨。

以上是算法工程師常常面臨的 3 個(gè)階段的挑戰(zhàn)，每個(gè)階段都有各自棘手的問(wèn)題，但同時(shí)也都存在相應(yīng)的解決辦法。作為一名算法工程師，在每一個(gè)階段都要有足夠的耐心，沉下心來(lái)打磨自己，沉淀自己。

--

02

算法工程師如何做好規(guī)劃

算法工程師的職業(yè)生涯規(guī)劃，有 3 個(gè)關(guān)鍵點(diǎn)：

① Vision：做規(guī)劃之前要看清楚局勢(shì)，否則可能會(huì)做出不正確的規(guī)劃；

② Self Evaluation：做規(guī)劃之前要對(duì)自己進(jìn)行一個(gè)全面的自我評(píng)估，“知己知彼，百戰(zhàn)不殆”，從而選擇適合自己的方向進(jìn)行規(guī)劃；

③ Action：行動(dòng)起來(lái)！規(guī)劃得再完善，都不如行動(dòng)來(lái)的實(shí)際。

1. Vision

對(duì)局勢(shì)的把控，需要做到以下幾點(diǎn)：

① 首先要保證看得清，清晰地認(rèn)清當(dāng)前的局勢(shì)；

② 其次要保證看得全，從更全面的視角審視當(dāng)前行業(yè)的前景；

③ 最后要保證看得遠(yuǎn)，這里提到的“遠(yuǎn)”不僅指的范圍，也包括時(shí)間跨度；只有看到更遠(yuǎn)的時(shí)間周期，才能更清晰地對(duì)未來(lái)進(jìn)行規(guī)劃。

（一）國(guó)運(yùn)層面

上圖截取自美國(guó)著名風(fēng)險(xiǎn)投資專家雷·達(dá)里歐的著作《原則》，書(shū)中作者建立了一個(gè)模型用來(lái)衡量帝國(guó)的興衰，上圖中的曲線體現(xiàn)了帝國(guó)的興衰指數(shù)隨時(shí)間的變化。圖中藍(lán)色的曲線代表美國(guó)的國(guó)運(yùn)，和實(shí)際的情況相比是具備比較高的吻合度的：在上世紀(jì) 50 年代，美國(guó)的國(guó)運(yùn)到達(dá)了一個(gè)頂點(diǎn)，實(shí)現(xiàn)了很多科技的突破；反觀中國(guó)（圖中紅色曲線），彼時(shí)剛剛實(shí)現(xiàn)解放，國(guó)家一窮二白，正處于低谷時(shí)期；時(shí)間軸再往前推進(jìn)到 1500 年（大約明朝時(shí)期），彼時(shí)中國(guó)是處于全球領(lǐng)先地位的；到了近代，中國(guó)的帝國(guó)指數(shù)一直處于較低的水平；到了 1950 年，中國(guó)開(kāi)啟“狂飆式”飛速發(fā)展；直至現(xiàn)在，中國(guó)的帝國(guó)指數(shù)已經(jīng)逐步逼近美國(guó)，而美國(guó)則正在走下坡路。

當(dāng)然，不同專家基于自己的理解會(huì)建立不同的模型，也會(huì)有不同的理解。同理，在進(jìn)行行業(yè)的 Vision 的時(shí)候，也要結(jié)合自己的認(rèn)知與專家的理解，全面、綜合地分析。

（二）移動(dòng)互聯(lián)網(wǎng)行業(yè)層面

具體到互聯(lián)網(wǎng)層面，尤其是移動(dòng)互聯(lián)網(wǎng)行業(yè)層面，可以參考下圖。下圖是來(lái)自 QuestMobile 的月活躍用戶規(guī)模。

圖中可以看出，在過(guò)去的 3 年時(shí)間，整個(gè)互聯(lián)網(wǎng)規(guī)模并沒(méi)有出現(xiàn)大的增長(zhǎng)，每年 DAU 凈增長(zhǎng)只有 2000 萬(wàn)的水平（某款產(chǎn)品的 DAU 過(guò)億），因此這樣的增長(zhǎng)水平很難支撐起一個(gè) APP 的成長(zhǎng)。由此看來(lái)，互聯(lián)網(wǎng)的用戶規(guī)模早已穩(wěn)定，因此早先利用人口紅利、通過(guò)人海戰(zhàn)術(shù)獲得收益的方式現(xiàn)在已經(jīng)行不通了，而整個(gè)互聯(lián)網(wǎng)行業(yè)已經(jīng)成為一個(gè)存量市場(chǎng)，這是一個(gè)目前需要認(rèn)清的現(xiàn)實(shí)。

互聯(lián)網(wǎng)行業(yè)進(jìn)一步細(xì)分成如下賽道：

（1）電商

① 早年拼多多、阿里、京東等電商企業(yè)使用人海戰(zhàn)術(shù)，利用補(bǔ)貼得到大規(guī)模發(fā)展；

② 近幾年，用戶增長(zhǎng)空間越來(lái)越小，人口紅利逐漸消失，因此類似的補(bǔ)貼會(huì)越來(lái)越少；以雙十一為例，近年電商購(gòu)物企業(yè)已不再追求當(dāng)天 GMV 成交量，而是更加理性地追求利益的最大化；

③ 近期電商行業(yè)唯一的人口紅利可能來(lái)自下沉市場(chǎng)，但是增長(zhǎng)空間仍然有限；

④ 因此，電商的未來(lái)發(fā)展方向會(huì)偏向于品質(zhì)化電商，以及垂直電商。

（2）社區(qū)

① 社區(qū)近年發(fā)展迅猛；以小紅書(shū)為例，小紅書(shū)的社區(qū)氛圍非常好：用戶不斷被小紅書(shū)的內(nèi)容“種草”，形成心智；隨后用戶會(huì)主動(dòng)參與相關(guān)話題討論，并產(chǎn)生共鳴，進(jìn)而形成收益轉(zhuǎn)化；

② 社區(qū)是個(gè)正在發(fā)展中的賽道，比較看好未來(lái)的發(fā)展；對(duì)于一些小眾的垂直社區(qū)，雖然規(guī)模不大，但是質(zhì)量很高；

③ 社區(qū)的發(fā)展靠的不是人口紅利，更多是靠滲透而非瘋狂增長(zhǎng)，因此是個(gè)可被看好的發(fā)展方向。

（3）游戲

① 游戲賽道的前景是比較看好的，除了國(guó)內(nèi)的游戲業(yè)務(wù)持續(xù)增長(zhǎng)，游戲賽道還有一大藍(lán)海在于海外的業(yè)務(wù)，國(guó)內(nèi)很多游戲運(yùn)營(yíng)經(jīng)驗(yàn)可以移植到海外，這也是騰訊近來(lái)的一個(gè)業(yè)務(wù)方向；

② 總體來(lái)看，游戲賽道不受互聯(lián)網(wǎng)人口紅利的影響，同時(shí)又有廣闊的海外發(fā)展空間，是個(gè)比較看好的賽道。

（4）社交網(wǎng)絡(luò)

① 微信的用戶規(guī)模已經(jīng)接近國(guó)內(nèi)網(wǎng)民和人口的數(shù)量，這是個(gè)非常大的規(guī)模；

② 社交網(wǎng)絡(luò)的護(hù)城河很深，用戶很難從原有社交平臺(tái)輕易遷移到另一社交平臺(tái)，因?yàn)闋砍洞鷥r(jià)很高，這也是字節(jié)跳動(dòng)多次嘗試社交網(wǎng)絡(luò)業(yè)務(wù)卻始終未能成功的一個(gè)原因；

③ 雖然社交網(wǎng)絡(luò)在一定程度上會(huì)受到人口紅利的影響，但是由于其壁壘高，因此未來(lái)很大概率會(huì)維持穩(wěn)定現(xiàn)狀，即以微信為核心，逐步形成基于微信生態(tài)的各類延展；

④ 社交網(wǎng)絡(luò)涉及的算法主要是基于圖和社區(qū)傳播的方法，這類方法對(duì)于小規(guī)模的社交網(wǎng)絡(luò)帶來(lái)的價(jià)值非常有限，只有對(duì)于微信這種體量下的社交網(wǎng)絡(luò)，才會(huì)發(fā)揮出圖模型、社交網(wǎng)絡(luò)傳播鏈、社團(tuán)發(fā)現(xiàn)這類算法相應(yīng)的價(jià)值；

⑤ 綜上所述，社交網(wǎng)絡(luò)相對(duì)發(fā)展會(huì)比較穩(wěn)，短期內(nèi)很難有太大的機(jī)遇。

（5）資訊平臺(tái)

① 資訊平臺(tái)近期同樣在走下坡路，用戶在一定程度上對(duì)資訊平臺(tái)確實(shí)有所依賴，但是依賴的程度并不強(qiáng)烈；

② 近兩年，資訊平臺(tái)受到短視頻的沖擊很大，被短視頻搶占了很多的用戶市場(chǎng)；

③ 在這樣的背景下，資訊平臺(tái)將會(huì)回歸其本質(zhì)，即分發(fā)資訊信息，滿足用戶特定領(lǐng)域資訊的需求；

④ 而對(duì)于消遣、娛樂(lè)、kill-time 以及其他長(zhǎng)尾信息，用戶一般會(huì)通過(guò)短視頻平臺(tái)獲取，這樣給資訊平臺(tái)帶來(lái)了更大的挑戰(zhàn)；

⑤ 由于資訊平臺(tái)的介質(zhì)復(fù)雜，規(guī)則繁多，監(jiān)管力度嚴(yán)格，用戶眾口難調(diào)，再加上外界短視頻領(lǐng)域的沖擊，使得資訊平臺(tái)的難度“更上一層樓”；

⑥ 此外，資訊平臺(tái)也比較依靠人口紅利，如今人口紅利趨于飽和，進(jìn)一步限制了資訊平臺(tái)的發(fā)展；

⑦ 綜上所述，資訊平臺(tái)賽道的選擇要謹(jǐn)慎。

（6）短視頻

① 近期短視頻的發(fā)展如日中天，用戶時(shí)長(zhǎng)最長(zhǎng)、用戶行為最豐富、用戶的正負(fù)反饋?zhàn)蠲芗漠a(chǎn)品形態(tài)最頻繁；

② 短視頻賽道的數(shù)據(jù)類型豐富，用戶量極大，因此數(shù)據(jù)潛在價(jià)值高，未來(lái)發(fā)展空間大；

③ 近期短視頻廣告乃至直播帶貨日益普遍，這些跡象表明短視頻正在逐步與電商模式相結(jié)合，變現(xiàn)潛力巨大；

④ 綜上所述，短視頻是一個(gè)機(jī)遇很多、潛力很大的賽道。

（三）AI 產(chǎn)業(yè)層面

上圖是 AI 技術(shù)的生命周期形態(tài)隨時(shí)間周期的變化趨勢(shì)：

① 處于左側(cè)曲線爬坡階段的是新興的 AI 技術(shù)，技術(shù)前景還有待觀察；

② 處于中間曲線低谷階段的是帶有不確定性的 AI 技術(shù)，這些技術(shù)還需要時(shí)間和市場(chǎng)的檢驗(yàn)，相當(dāng)一部分 AI 技術(shù)會(huì)面臨“泡沫破碎”；

③ 處在右側(cè)的曲線說(shuō)明 AI 技術(shù)已經(jīng)突破了“泡沫破碎”，展現(xiàn)并沉淀出來(lái) AI 技術(shù)的價(jià)值，如果未來(lái)幾年內(nèi)結(jié)合更好的用戶需求和產(chǎn)品應(yīng)用該技術(shù)會(huì)“東山再起”；

④ 曲線右端是 AI 技術(shù)發(fā)展最理想的階段，技術(shù)產(chǎn)品化持續(xù)帶來(lái)客觀的增長(zhǎng)和收入。

以幾個(gè)近期熱門的 AI 方向?yàn)槔归_(kāi)詳細(xì)介紹：

（1）AIGC

近期 AIGC 非常流行，例如 Stable Diffusion、Midjourney 等 AI 繪畫(huà)工具。Chat-GPT 出現(xiàn)也顛覆了 CV 和 NLP 領(lǐng)域的很多模型，體現(xiàn)出了大模型極強(qiáng)的產(chǎn)品力。很多工程師擔(dān)心這類大模型的出現(xiàn)會(huì)對(duì)算法工程師，甚至對(duì)全人類構(gòu)成威脅，實(shí)際上距離“威脅”還有很遠(yuǎn)的距離，通用人工智能（AGI）的實(shí)現(xiàn)還有很長(zhǎng)的路要走，無(wú)論是 AI 作畫(huà)還是 ChatGPT，算法暫時(shí)還不具備邏輯和意識(shí)能力。一項(xiàng)技術(shù)發(fā)展到一定階段，遇到一個(gè)好的產(chǎn)品 idea，一定會(huì)爆發(fā)，因此不管是 AI 作畫(huà)還是 ChatGPT，背后都有用戶需求和產(chǎn)品 idea 做支撐。由此帶來(lái)的啟示是：技術(shù)和業(yè)務(wù)永不分家，只有充分了解業(yè)務(wù)，才能將算法技術(shù)帶來(lái)的價(jià)值最大化。

（2）自動(dòng)駕駛

自動(dòng)駕駛是個(gè)比較看好的方向，其旨在解決一個(gè)終極問(wèn)題：如何實(shí)現(xiàn)道路交通流量最優(yōu)化。自動(dòng)駕駛分為很多層級(jí)的目標(biāo)，最先要實(shí)現(xiàn)的是“單車智能”，目前已經(jīng)有很多公司做到了令人比較滿意的效果，如特斯拉自動(dòng)駕駛。在國(guó)外，F(xiàn)SD 自動(dòng)駕駛已經(jīng)做到比較成熟的階段；而在國(guó)內(nèi)，無(wú)論是新銳車企的小鵬，還是獨(dú)立第三方平臺(tái)百度 Apollo 等第一梯隊(duì)的自動(dòng)駕駛企業(yè)的自動(dòng)駕駛技術(shù)也日趨成熟。自動(dòng)駕駛本身就是個(gè)產(chǎn)品，輔助甚至取代人，在一定程度上解放人工，讓人覺(jué)得更安全。綜上所述，自動(dòng)駕駛這一賽道潛力巨大、前景明朗，而且該方向的愿景也很偉大，因此是個(gè)值得考慮的方向。

（3）CV/NLP

CV 和 NLP 是傳統(tǒng)深度學(xué)習(xí)的兩大主流研究方向，可類比于基礎(chǔ)學(xué)科中的物理和化學(xué)，是很多 AI 模型的基石。CV 解決的是“我看到了什么”，NLP 解決的是“我聽(tīng)到和說(shuō)了什么”。如果將 CV 和 NLP 這兩個(gè)方向攻克，機(jī)器將會(huì)更好地學(xué)習(xí)和理解人類，具備了很多“通感”能力。因此，CV 和 NLP 這兩個(gè)方向是常青的，特別是 AI 作畫(huà)和 Chat-GPT 產(chǎn)品 idea 的爆發(fā)，會(huì)反過(guò)來(lái)促進(jìn) CV 和 NLP 領(lǐng)域的發(fā)展。綜上所述，CV 和 NLP 是值得持續(xù)深耕的兩個(gè)方向。

（4）AI for Science（AlphaFold2）

AI 在科學(xué)領(lǐng)域的應(yīng)用，這個(gè)方向大家的關(guān)注可能會(huì)少一些，但是同樣具備不錯(cuò)的價(jià)值和前景。其中一個(gè)應(yīng)用方向是量子計(jì)算，利用物理學(xué)界的特性解決超級(jí)計(jì)算的能力；另一個(gè)應(yīng)用方向是蛋白質(zhì)基因結(jié)構(gòu)預(yù)測(cè)（AlphaFold2），對(duì)新藥研發(fā)尤其是癌癥靶向藥的研發(fā)具備非常重大的意義。大數(shù)據(jù)醫(yī)療技術(shù)，以及 AI 在醫(yī)療健康領(lǐng)域的應(yīng)用，前幾年還更多地還是停留在理論層面，近兩年已經(jīng)出現(xiàn)了很多的模型成果，初見(jiàn)成效。因此，AI for Science，尤其是醫(yī)療領(lǐng)域，未來(lái)的愿景還是非常美好的，未來(lái)幾十年，人類的壽命很可能因?yàn)?nbsp;AI 技術(shù)的突破而得到延長(zhǎng)。綜上所述，AI 科學(xué)甚至 AI 醫(yī)療領(lǐng)域未來(lái)的價(jià)值是可觀的，只是這部分的研究尚處于初步階段，距離產(chǎn)品化落地的周期相對(duì)較長(zhǎng)，年輕的算法工程師可以考慮嘗試這類前沿的賽道，占得先機(jī)。

（5）推薦系統(tǒng)和計(jì)算廣告

推薦系統(tǒng)和計(jì)算廣告屬于比較傳統(tǒng)的“搜廣推”賽道，近兩年，暫時(shí)沒(méi)有實(shí)現(xiàn)方法論層面的突破，近年頂會(huì)論文更多是針對(duì)一些小的問(wèn)題點(diǎn)進(jìn)行的突破。搜廣推賽道更多地依賴業(yè)務(wù)，如果業(yè)務(wù)層面沒(méi)有出現(xiàn)更大地突破，那么算法發(fā)展前景也相對(duì)比較有限。另一方面，該領(lǐng)域的人才相對(duì)比較飽和，競(jìng)爭(zhēng)也比較激烈，因此謹(jǐn)慎考慮這一賽道。

2. Self Evaluation

除了提升 Vision 層面的理解外，還要充分地做好自我評(píng)估。自我評(píng)估主要從 3 個(gè)維度考慮：

（1）你擅長(zhǎng)的是什么？

自己最擅長(zhǎng)的點(diǎn)往往并不是自己所判斷的，一般可以參考過(guò)往的工作經(jīng)歷中哪一部分真正得到了其他人的認(rèn)可。別人印象中的自己和自己眼中的自己可能會(huì)不太一樣，而自己擅長(zhǎng)的東西一定是來(lái)自別人認(rèn)可的東西。

（2）你的興趣在哪里？（Follow your heart）

找到自己的興趣點(diǎn)是非常重要的。每個(gè)人都有自己的迷茫時(shí)期，這樣的時(shí)期還是更多要 Follow your heart，找到屬于自己內(nèi)心真正感興趣的領(lǐng)域。

（3）是否能夠給你提供體面的收入?

職場(chǎng)生活其實(shí)是個(gè)比較單純的自身價(jià)值和公司需求進(jìn)行匹配的過(guò)程，公司通過(guò)報(bào)酬換取個(gè)人價(jià)值，因此，合理的、足夠體面的收入是非常合理也是非常必要的。但是也不要只關(guān)注收入這一個(gè)點(diǎn)，工作價(jià)值、成長(zhǎng)空間等各個(gè)方面也要綜合考慮。

--

03

明確路徑，打磨技術(shù)

規(guī)劃做得再詳盡，最終還是要通過(guò)行動(dòng)來(lái)落實(shí)。

1. 路徑

行動(dòng)的第一步是明確自己的行動(dòng)路徑：

（1）制定一個(gè)短期規(guī)劃和一個(gè)長(zhǎng)期規(guī)劃

① 如果只有短期規(guī)劃而缺乏長(zhǎng)期規(guī)劃，則計(jì)劃達(dá)成之后容易陷入迷茫；

② 如果只有長(zhǎng)期規(guī)劃而缺乏短期規(guī)劃，則容易變成空想家，缺乏實(shí)踐落地的方式，長(zhǎng)期規(guī)劃會(huì)變得遙不可及；

③ 一定要將短期規(guī)劃和長(zhǎng)期規(guī)劃結(jié)合起來(lái)作為自己的行動(dòng)路徑；

④ 短期規(guī)劃和長(zhǎng)期規(guī)劃之間界定的時(shí)間點(diǎn)因人而異，一般建議短期計(jì)劃以半年為周期，長(zhǎng)期計(jì)劃以 2-3 年為周期。

（2）換個(gè)視角看成長(zhǎng)路徑

① 以前文所述的職業(yè)生涯挑戰(zhàn) 2（從 Junior 到 Senior）為例，工程師在大廠獲得了職級(jí)的提升（例如從阿里 P7 逐步升到 P9），而該職級(jí)背后應(yīng)該具備的能力，是需要工程師內(nèi)心非常清楚的；

② 成長(zhǎng)的本質(zhì)就是經(jīng)歷 4 個(gè)階段：

a）Troubleshooter - 解決瑣碎的問(wèn)題：能夠解決足夠瑣碎的問(wèn)題，才能有能力去解決更大的問(wèn)題；

b）Problem Solver - 系統(tǒng)性解決一類問(wèn)題：以某 APP DAU 下滑為例，如果能夠把 DAU 下滑的問(wèn)題分析路徑拆解清楚并給出相應(yīng)的解決方案，那么就從 Troubleshooter 階段成長(zhǎng)到了 Problem Solver 階段；

c）Growth Hacker - 帶領(lǐng)團(tuán)隊(duì)向正確的方向前進(jìn)：更進(jìn)一步，將所有的 DAU 下滑原因分析清楚并一一加以解決，就已經(jīng)具備了帶領(lǐng) APP 團(tuán)隊(duì)實(shí)現(xiàn) DAU 增長(zhǎng)的能力；

d）Business Pilot - 業(yè)務(wù)領(lǐng)路人：當(dāng)成長(zhǎng)成為一個(gè)業(yè)務(wù)領(lǐng)路人，就會(huì)有足夠的能力和權(quán)限去決定資源和方向；

③ 明確自身成長(zhǎng)路徑，比明確 P5 或 P8 這樣的職級(jí)更具指導(dǎo)意義。

2. 技術(shù)

作為算法工程師，過(guò)硬的技術(shù)是先決條件：

（1）保持技術(shù)領(lǐng)先 - （器，術(shù)，法，道）

① 強(qiáng)大的工程開(kāi)發(fā)能力：作為一名工程師，開(kāi)發(fā)能力是最基本的能力；

② 扎實(shí)的機(jī)器學(xué)習(xí)原理：機(jī)器學(xué)習(xí)的原理具有普適性，會(huì)引領(lǐng)一些分析思路，同時(shí)機(jī)器學(xué)習(xí)也是深度學(xué)習(xí)模型以及更大模型的基礎(chǔ)；

③ 頂會(huì)和尖端方向跟蹤：雖然學(xué)術(shù)界頂會(huì)的方向和工業(yè)界的方向未必同步，但是學(xué)術(shù)界的尖端方向往往能夠給工業(yè)界提供解決思路的啟發(fā)；

④ 行業(yè)中的“最佳實(shí)踐”：每一名工程師都需要在各自行業(yè)中積累適用于特定場(chǎng)景的“最佳實(shí)踐”，通過(guò)積累和沉淀逐步形成寶貴的行業(yè)經(jīng)驗(yàn)；

（2）保持強(qiáng)大的執(zhí)行力

所有的計(jì)劃，最終都要靠執(zhí)行力來(lái)落地，因此強(qiáng)大的執(zhí)行力以及自驅(qū)力是非常必要的。

3. 心態(tài)

其實(shí)不僅職場(chǎng)，在很多領(lǐng)域都是如此：將心態(tài)調(diào)整好，很多事情最終都會(huì)迎刃而解。良好的心態(tài)主要包括如下幾個(gè)部分：

（1）Focus Collaborative

溝通協(xié)作要聚焦在少數(shù)幾個(gè)關(guān)鍵問(wèn)題的解決上，從而減少無(wú)意義的會(huì)議。

（2）往前走?步

作為算法工程師，一定要往前多走一步。多了解產(chǎn)品和運(yùn)營(yíng)團(tuán)隊(duì)的訴求，站在對(duì)方的角度考慮問(wèn)題。要有“補(bǔ)位思維”，和產(chǎn)品、運(yùn)營(yíng)等其他合作伙伴協(xié)作前進(jìn)，各自取長(zhǎng)補(bǔ)短，最終協(xié)作將事情做成。不要排斥甚至對(duì)抗產(chǎn)品、運(yùn)營(yíng)團(tuán)隊(duì)提出的訴求；也不要因?yàn)閷?duì)方的經(jīng)驗(yàn)不夠豐富、考慮不夠周全等原因而忽略對(duì)方的一些 idea，從而錯(cuò)過(guò)一個(gè)產(chǎn)品落地的機(jī)會(huì)。

（3）清零心態(tài)

面對(duì)棘手的問(wèn)題時(shí)，不妨嘗試清零心態(tài)，拋棄固有思維模式，重新思考業(yè)務(wù)的核心。卸下固有包袱，可能就會(huì)覺(jué)得眼下的問(wèn)題實(shí)際上可能并沒(méi)有那么復(fù)雜，是可以逐步得到解決的。

（4）保持?顆相對(duì)強(qiáng)大的內(nèi)心

互聯(lián)網(wǎng)行業(yè)普遍壓力較大，業(yè)內(nèi)競(jìng)爭(zhēng)非常殘酷，因此要保持一顆強(qiáng)大的心，從容面對(duì)困難和挑戰(zhàn)，不要被外界所干擾

4. 平衡重要關(guān)系

（1）家庭親子關(guān)系

家庭的關(guān)系非常重要，“家和萬(wàn)事興”，多陪伴家人是很重要的事情。

（2）Work-Life Balance

工作只是生活中的一部分，因此還是要更好地平衡工作和生活，做到高效工作、用心生活。

（3）個(gè)人興趣

建議每個(gè)人都能夠發(fā)展一兩樣屬于自己的興趣愛(ài)好，讓大腦換一種方式運(yùn)轉(zhuǎn)，對(duì)狀態(tài)的放松是非常有幫助的。

--

04

總結(jié)

本文重點(diǎn)講述了 3 個(gè)部分：

① 職場(chǎng)三個(gè)重要階段所面臨的挑戰(zhàn)。

② 如何做好規(guī)劃：Vision，自我評(píng)估，行動(dòng)起來(lái)。

③ 明確路徑，打磨技術(shù)，積極心態(tài)，處理好重要關(guān)系。

--

05

問(wèn)答環(huán)節(jié)

Q1：如果崗位面臨“35 歲優(yōu)化”這樣的問(wèn)題，有必要深耕鉆研嗎？

A1：這個(gè)問(wèn)題就涉及到前文所述的“心態(tài)”問(wèn)題：“不以物喜，不以己悲”。“35 歲問(wèn)題”其實(shí)每個(gè)人都會(huì)面臨，這個(gè)是由環(huán)境和市場(chǎng)決定的；而我們決定不了外界，但是能夠決定自己；因此努力做好自己，一切都不會(huì)差的。至于是否有必要深耕鉆研，關(guān)鍵還是在于自己的職業(yè)規(guī)劃方向，以及自己深耕鉆研的方向和程度。如果希望走工程師這個(gè)發(fā)展路徑，那還是有必要在自己的領(lǐng)域持續(xù)深耕的，夯實(shí)基礎(chǔ)，對(duì)未來(lái)會(huì)很有幫助；此外，還要考慮業(yè)務(wù)和管理方向的擴(kuò)展，正如文中所提到的 “T 型人才”。綜上所述，“35 歲是否被優(yōu)化”這個(gè)問(wèn)題的決定權(quán)不在自己，與其焦慮，不如不斷提升個(gè)人能力，讓自己在職場(chǎng)中更加積極和主動(dòng)。

Q2：如何看待大模型的發(fā)展給算法工程師帶來(lái)的沖擊？

A2：一方面，大語(yǔ)言模型利用足夠量級(jí)的訓(xùn)練數(shù)據(jù)確實(shí)產(chǎn)生奇幻的效果；但是另一方面，大模型的發(fā)展其實(shí)離不開(kāi)產(chǎn)品的“包裝”，拋掉產(chǎn)品的“外衣”，其本質(zhì)還是一個(gè)經(jīng)典的算法模型，只不過(guò)參數(shù)量級(jí)巨大，訓(xùn)練語(yǔ)料更豐富。大模型的主要優(yōu)勢(shì)還是在于訓(xùn)練數(shù)據(jù)更多，并融入了部分強(qiáng)化學(xué)習(xí)的算法，將數(shù)據(jù)訓(xùn)練的每一個(gè)細(xì)節(jié)做到極致。因此，對(duì)于算法工程師而言，無(wú)需太過(guò)焦慮，而是積極看待這些大模型：首先，大模型給整個(gè) AI 算法行業(yè)帶來(lái)了“提振”，即從資本層面得到市場(chǎng)的廣泛認(rèn)可；其次，大模型給算法工程師們指明了方向，即將產(chǎn)品、業(yè)務(wù)和技術(shù)結(jié)合才能找到出路。至于利用 AI 模型自動(dòng)寫(xiě)代碼，可以將其看作生產(chǎn)力的輔助，而不會(huì)取代人。

Q3：推薦搜索領(lǐng)域一般人和高手之間最大區(qū)別是什么？

A3：任何一項(xiàng)技術(shù)，都可以分成器，術(shù)，法，道這 4 個(gè) level。一般人可能更多處于器和術(shù)這個(gè)層面：使用很 fancy 的模型，使用各種 trick 來(lái)調(diào)參，最終達(dá)到較為滿意的效果；而高手往往已經(jīng)經(jīng)歷過(guò)這兩個(gè)層面，發(fā)現(xiàn)這兩個(gè)層面雖然能解決一部分實(shí)際的問(wèn)題，但是不能解決一些更高層次的問(wèn)題，這里就涉及到道和法，涉及到更深層次的本質(zhì)問(wèn)題。以推薦為例，如何提升用戶滿意度這類問(wèn)題：因?yàn)橛脩魸M意度的刻畫(huà)是相對(duì)主觀的，如何將其拆解成若干個(gè)客觀的、可量化的指標(biāo)，這個(gè)很考驗(yàn)算法工程師的功力。舉一個(gè)具體例子：CTR 是個(gè)常用的指標(biāo)，在一定程度上可以衡量出用戶的滿意度；但是如果僅僅優(yōu)化 CTR 這個(gè)單一目標(biāo)，則可能會(huì)帶來(lái)大量的“標(biāo)題黨”；因此，需要借助其他指標(biāo)來(lái)平衡這個(gè)問(wèn)題；而指標(biāo)的選擇，一方面需要經(jīng)驗(yàn)的積累，另一方面也需要對(duì)業(yè)務(wù)的深刻理解，這就涉及到法和道這一層面。因此，要理性看待“級(jí)別”，回歸本質(zhì)：我們作為算法工程師，要做的是用工程能力來(lái)解決實(shí)際的問(wèn)題從而帶來(lái)價(jià)值，而不是“炫技”玩模型；能夠高效解決問(wèn)題，才是對(duì)公司最大的價(jià)值。

Q4：如果要帶徒弟，您會(huì)教他更多關(guān)注哪些魔鬼細(xì)節(jié)？

A4：這個(gè)首先要看徒弟的能力水平定位。如果徒弟是應(yīng)屆生，那其實(shí)不能有太多的要求，還是要循序漸進(jìn)；如果徒弟是個(gè)業(yè)內(nèi)資深人士，在行業(yè)內(nèi)已經(jīng)形成了自己的方法論，如果能夠達(dá)成任務(wù)目標(biāo)，則也無(wú)需進(jìn)行太多的額外要求。從團(tuán)隊(duì)管理的角度，由于每個(gè)人都有自己的閃光點(diǎn)，同樣也有自己的缺點(diǎn)，因此很難進(jìn)行統(tǒng)一的要求；作為團(tuán)隊(duì)領(lǐng)導(dǎo)，我會(huì)更多關(guān)注員工的思考方式、解決問(wèn)題的思路等，這些方面如果存在不完善、不周全甚至偏差和錯(cuò)誤，需要第一時(shí)間加以指出和糾正。此外，涉及到交付物的規(guī)范性，例如上線模型規(guī)范、代碼結(jié)構(gòu)規(guī)范、代碼注釋完整性這類問(wèn)題，會(huì)進(jìn)行較為嚴(yán)格的要求；其他方面的問(wèn)題一般不會(huì)進(jìn)行太過(guò)嚴(yán)苛的要求，也就不會(huì)涉及到太多的“魔鬼細(xì)節(jié)”。

Q5：文中提到搜廣推領(lǐng)域近年來(lái)沒(méi)有太大的發(fā)展，那么未來(lái)會(huì)有哪些發(fā)展方向？

A5：近兩年搜廣推領(lǐng)域并不是沒(méi)有發(fā)展，而是在技術(shù)領(lǐng)域方面沒(méi)有出現(xiàn)重大的突破，在細(xì)分的方向還是有很多發(fā)展的。不過(guò)近兩年的發(fā)展更多在于業(yè)務(wù)層面，因?yàn)檫@個(gè)領(lǐng)域方向主要是由業(yè)務(wù)來(lái)支撐；因此，如果在業(yè)務(wù)方面沒(méi)有產(chǎn)生革命性的“爆發(fā)”，則很難帶動(dòng)技術(shù)產(chǎn)生重大突破。至于未來(lái)的發(fā)展方向，大的方向上應(yīng)該不會(huì)有全新的、顛覆性的模型框架出現(xiàn)；對(duì)于細(xì)分的領(lǐng)域和方向還是會(huì)有很大的發(fā)展空間，主要還是取決于具體的行業(yè)，以及行業(yè)內(nèi)的業(yè)務(wù)方向，可以多關(guān)注業(yè)內(nèi)相關(guān)的頂會(huì)來(lái)找答案。

Q6：某工程師在推薦方向有 3 年大廠經(jīng)驗(yàn)，切換到哪些方向比較合適？

A6：算法賽道的切換，首先要進(jìn)行自我評(píng)估，對(duì)自己的興趣和優(yōu)勢(shì)有個(gè)準(zhǔn)確、全面的認(rèn)識(shí)，比如自己是更喜歡鉆研模型方法還是更喜歡解決業(yè)務(wù)問(wèn)題，比如在 3 年的大廠經(jīng)驗(yàn)中有沒(méi)有哪個(gè)細(xì)分方向足夠擅長(zhǎng)和精通；此外，還要考慮哪些發(fā)展方向天然具有競(jìng)爭(zhēng)力，比如文中提到的自動(dòng)駕駛方向就是個(gè)有競(jìng)爭(zhēng)力的方向，未來(lái)可期而且接近落地。一般來(lái)說(shuō)，由于推薦算法直接對(duì)接業(yè)務(wù)，因此推薦算法工程師的業(yè)務(wù)敏感度會(huì)比較強(qiáng)，因此轉(zhuǎn)行到各個(gè)方向都很容易成為解決問(wèn)題的好手。

Q7：目前算法崗位大多是高層次院校的碩博在競(jìng)爭(zhēng)，普通院校學(xué)生如何參與競(jìng)爭(zhēng)？是否需要更換崗位方向？

A7：大廠可能會(huì)對(duì)院校和學(xué)歷有較高的要求，但是入職參與業(yè)務(wù)之后，更多的還是依靠個(gè)人能力；普通院校學(xué)生可以多爭(zhēng)取實(shí)習(xí)機(jī)會(huì)，積累更多項(xiàng)目經(jīng)驗(yàn)，不用過(guò)多在乎學(xué)校出身。

Q8：工作太忙沒(méi)時(shí)間 follow paper 該怎么辦？

A8：選擇少數(shù)幾個(gè)感興趣的頂會(huì) paper 持續(xù)跟蹤；同時(shí)多多關(guān)注知乎等平臺(tái)，以及一些行業(yè)技術(shù)論壇，會(huì)有相關(guān)博主幫忙分類整理頂會(huì)文章并撰寫(xiě)摘要，可以多閱讀來(lái)找到自己感興趣的方向。時(shí)間是擠出來(lái)的，每天花半小時(shí)到一小時(shí)實(shí)際研讀 paper 并提煉關(guān)鍵技術(shù)點(diǎn)，然后定期進(jìn)行歸納和整理，長(zhǎng)此以往就能達(dá)到很好的效果。

Q9：如何看待長(zhǎng)視頻推薦？

A9：長(zhǎng)視頻平臺(tái)和短視頻平臺(tái)的運(yùn)行機(jī)制有較大不同。長(zhǎng)視頻推薦更多還是關(guān)注視頻的內(nèi)容，因此需要算法工程師從業(yè)務(wù)角度反向思考用戶消費(fèi)長(zhǎng)視頻的痛點(diǎn)；此外，部分單位的做法是將長(zhǎng)視頻進(jìn)行短視頻化，提取長(zhǎng)視頻中的高光亮點(diǎn)，通過(guò)“碎剪”的方式將長(zhǎng)視頻轉(zhuǎn)化為短視頻，從而用短視頻的思路進(jìn)行推薦。從產(chǎn)品的角度，可以借助短視頻的思路，通過(guò)“長(zhǎng)視頻帶短視頻”的方式進(jìn)行長(zhǎng)視頻推薦；具體來(lái)說(shuō)，將長(zhǎng)視頻的片花和預(yù)告進(jìn)行剪輯，用來(lái)吸引用戶觀看，進(jìn)而通過(guò)產(chǎn)品路徑來(lái)引導(dǎo)用戶觀看完整版，最終引導(dǎo)用戶成為會(huì)員，提升用戶的 up 值。由此帶來(lái)的啟示是，算法工程師還是要回歸到產(chǎn)品和業(yè)務(wù)的角度實(shí)現(xiàn)突破，而不能僅局限于算法角度。

Q10：算法對(duì)學(xué)歷要求很高嗎？社招是否很看重過(guò)往的經(jīng)歷對(duì)口？如果對(duì)目前技術(shù)方向不感興趣，如何轉(zhuǎn)型？

A10：如果一個(gè)行業(yè)足夠內(nèi)卷，競(jìng)爭(zhēng)壓力很大，那學(xué)歷問(wèn)題還是無(wú)法逃避的；如果學(xué)校和學(xué)歷不占優(yōu)勢(shì)，則可以通過(guò)增加項(xiàng)目經(jīng)驗(yàn)的方式來(lái)“曲線救國(guó)”。社招方面，企業(yè)方確實(shí)更多看重過(guò)往的經(jīng)驗(yàn)，希望引入候選人過(guò)往的工作經(jīng)驗(yàn)來(lái)賦能公司眼下的業(yè)務(wù)；其次也要考察候選人的基礎(chǔ)素質(zhì)，包括自驅(qū)力、學(xué)習(xí)力、思考方式、coding 能力等。對(duì)于職場(chǎng)中轉(zhuǎn)變方向，可以先考慮在從公司內(nèi)部轉(zhuǎn)變方向，給自己爭(zhēng)取到一個(gè)嘗試期和過(guò)渡期。

Q11：推薦算法已經(jīng)進(jìn)入瓶頸期，是否需要向數(shù)據(jù)底層（如 Hadoop、SQL 等）進(jìn)行深耕？

A11：從工程化的角度來(lái)看，Hadoop、SQL 等確實(shí)是數(shù)據(jù)的底層架構(gòu)；但是作為算法工程師，更應(yīng)該從產(chǎn)品和業(yè)務(wù)方向?qū)で笸黄?，而不是深耕和?yōu)化底層結(jié)構(gòu)。

Q12：老板是研究院出身，缺乏工程化落地經(jīng)驗(yàn)，卻又在工作中過(guò)分關(guān)注細(xì)節(jié)，并且用競(jìng)品的優(yōu)勢(shì)進(jìn)行否定和打壓?jiǎn)T工，如何改善這種處境？

A12：其實(shí)好的老板應(yīng)該更多地向外拓展而非向內(nèi)壓榨。如果不幸遇到這種習(xí)慣于向內(nèi)壓榨的老板，可以反向引導(dǎo)老板向外看看；勤于溝通，了解老板的痛點(diǎn)，做好向上管理工作。此外，如果真的老板不好相處，無(wú)法溝通，而工作內(nèi)容又不擅長(zhǎng)、不感興趣，且工作不能帶來(lái)滿意的收入甚至影響自己的生活，那么還是建議換一份工作。

Q13：搜廣推和 NLP，未來(lái)哪個(gè)方向就業(yè)更好？

A13：搜廣推更加貼近業(yè)務(wù)，而 NLP 是個(gè)相對(duì)基礎(chǔ)的方向。近年來(lái)，搜廣推的業(yè)務(wù)發(fā)展已經(jīng)較為成熟，而 NLP 方向則面臨著一大難題，就是難以實(shí)現(xiàn)產(chǎn)品化落地。如果能夠從業(yè)務(wù)角度找到良好的落地方向，可以嘗試 NLP；否則還是建議搜廣推?？傊褟V推領(lǐng)域會(huì)有現(xiàn)成的業(yè)務(wù)應(yīng)用課題，只需要使用算法來(lái)“解題”即可；而 NLP 領(lǐng)域相反，原始問(wèn)題非常簡(jiǎn)單，然而答案非常復(fù)雜。

Q14：工作期間切換算法方向會(huì)有很高門檻嗎？

A14：門檻是有的，具體要看個(gè)人基礎(chǔ)和切換方向。例如，如果是搜廣推內(nèi)部切換，難度相對(duì)較?。欢绻?nbsp;CV/NLP 和搜廣推之間的切換，則難度相對(duì)較大。因此，工作期間切換算法方向還是有很大成本的，尤其是社招更加看重過(guò)往經(jīng)驗(yàn)。不過(guò)，如果自身綜合素質(zhì)較強(qiáng)，學(xué)習(xí)力、自驅(qū)力都很優(yōu)秀，而公司的業(yè)務(wù)剛好需要這樣的人才，也會(huì)有很多這樣切換方向的機(jī)會(huì)。如果確定自己要切換方向，則需要選好路徑、做好計(jì)劃并持續(xù)行動(dòng)。

Q15：時(shí)間序列預(yù)測(cè)領(lǐng)域的前景如何？是否有哪些熱門方向推薦？

A15：量化交易場(chǎng)景和時(shí)間序列預(yù)測(cè)相關(guān)性較高；搜索推薦領(lǐng)域用到時(shí)間序列技術(shù)的地方不多，可能在用戶行為序列建模方面有所涉及；自動(dòng)駕駛領(lǐng)域可能也會(huì)涉及部分時(shí)序預(yù)測(cè)，如 FSD 的路徑規(guī)劃、多幀串聯(lián)等場(chǎng)景；視頻領(lǐng)域的很多技術(shù)和時(shí)間序列有較強(qiáng)的相關(guān)性；流量預(yù)測(cè)、客戶價(jià)值預(yù)測(cè)等場(chǎng)景和時(shí)間序列預(yù)測(cè)相關(guān)性較強(qiáng)。

Q16：某算法工程師從業(yè)3年，仍然覺(jué)得工作吃力，因此想了解算法方向更多是依靠天賦還是后天努力？

A16：首先需要明確“吃力”的關(guān)鍵是在于閱讀 paper 還是在于解決業(yè)務(wù)問(wèn)題。從業(yè)前期難免會(huì)有迷茫期、挫敗期和焦慮期，這種情況因人而異，因此很難做出明確的回答，更多的還是在于 Follow your heart，找到自身的興趣和優(yōu)勢(shì)。

Q17：推薦算法與數(shù)據(jù)挖掘有什么區(qū)別？

A17：數(shù)據(jù)挖掘是更加基礎(chǔ)的技術(shù)，推薦算法是更上層的應(yīng)用；推薦算法中會(huì)用到很多數(shù)據(jù)挖掘的技術(shù)。

Q18：從社招角度來(lái)看，電商推薦算法方向 3 年工作經(jīng)驗(yàn)應(yīng)該達(dá)到什么水平？

A18：3 年經(jīng)驗(yàn)一般能夠達(dá)到準(zhǔn) senior 水平，對(duì)應(yīng)阿里的 P7，以及騰訊的 9 級(jí)水平；進(jìn)一步發(fā)展 2 年，一般可以達(dá)到阿里 P8 或騰訊 10 級(jí)的水平。

?