1. 圖像演算法工程師待遇高嗎
的確算得上是一個入演算法坑的黃金時間，曾經的條條大路通 CS 變成了條條大路通 AI，不管你曾經讀的是物理還是生物，化學還是數學，只要你會 Python，會統計學基礎，那時的我都會推薦你們來試一試加入演算法這個坑，我也抱著體驗的心態開了幾次知乎 Live 都講了一些關於演算法入門相關的課，按那時候來講，只要你「思路正常，邏輯清晰，吃苦耐勞，肯學習」，在演算法這個坑裡摸滾帶爬四五年到現在，你要是在大廠，基本上都能拿到這個數，放一張最近的圖可供參考。
圖片引用至 @曾加 ，可以參考這位大佬的最新文章：
曾加：最新！互聯網大廠各職級薪資對應關系圖（2020年初）
zhuanlan.hu.com
圖標
以我熟悉的阿里為例，文中所說的二三十人團隊，那基本上就一個P8主管，下面再拆成2-3個小組，每個小組有一個P7/8帶隊，帶著一群P5-P7幹活。這就基本構成了阿里的一個最小組織單元，每年的績效和獎金大體上都是由這位P8主管決定的，所以我們一般尊稱為老闆……
扯遠了，其實我想表達一點，如果現在再有人來問我，學了 Python 之後怎麼樣加入演算法坑比較好，我的建議是不加入。
我們常說的演算法，本質上是統計，而統計是基於大數據的。目前能真正擁有大數據基建的企業其實並不多，能通過演算法產出新價值的就更少，所以看起來搞 AI 的風風火火，其實大部分都是投資人含淚投的錢，背後能賺錢的少之又少，即便是在大廠也不例外。
所以一個目前仍不賺錢的行業，沖著心中偉大的理想和抱負，會像招開發那樣花重金吸納大批人才嗎？答案明顯為否，其實只需要花重金留住頂尖的演算法人才即可，調包調參的 AI 選手無論何時都可以招得到，而目前大部分通過自學、培訓機構出來的 AI 人才，就是這樣的 tool boy。
巧的是，曾經我也是這樣的 AI 選手，但誰叫我運氣好，混得好不如混得早，現在轉去數據分析那可就是降維打擊了（手動狗頭
最後再概括一下，今年是 2020 年，如果想從事演算法和數據行業，建議先讀一個相關專業的碩士，比如數據挖掘、圖像識別等，且學校不能太非主流，不然可能簡歷面都過不了。
2. 演算法工程師未來的發展方向35歲以後呢
技術能力是技術人員的立身之本。站在演算法的角度，這里的技術能力主要是演算法應用能力，包括閱讀論文、演算法實現、工程化以及相關文檔的撰寫。
技術人員常見的一個認知誤區是技術大於一切，認為只要技術做好了，就應該得到認可或獎勵。事實上，技術在大多數情況下只是商業中的一環，技術做得好不能確保商業上的成功。
以自營電商為例，技術人員做一款功能強大的購物APP不難，但同時必須有商品研發、供應鏈和物流配送才能完成一個極小的商業閉環。此外，要想商品賣得好得有市場和運營團隊一起發力。在這樣的背景下，購物APP只是諸多商業環節中的一個節點，因此僅僅依賴軟體研發技術顯然不足以實現商業上的成功。好的技術團隊必須始終圍繞各商業環節，有能力定位問題，並研發工具有效地解決問題。
作為演算法工程師，在立項和需求評審時，需要有能力評估項目為業務帶來的價值以及演算法在整個項目中的價值，從而避免把精力浪費在「投入產出比」不高的事情上。如何做到這一步呢？除了有扎實的技術，還需要深入了解業務。
需要了解的業務知識包括（但不限於）商業模式、業務流程、業務限制以及與當前業務相關的技術等等。演算法工程師了解業務的另一個好處是洞察需求，解決問題的同時可以發現更多的技術問題，從而推動業務的進步。
技術人員最難跨越的是從技術能力到業務能力的提升。有兩方面原因：一是技術人員主觀上不太願意處理業務問題（扯皮的事情較多）；二是技術人員晉升和跳槽時主要被考察的還是技術，因此業務能力在有些技術人員看來短期的收益不高。
架構能力是一種解決復雜問題的能力，它需要考慮業務的現狀和未來，把復雜問題分解成簡單問題，然後給出解決方案。與軟體架構相比，演算法架構更偏向業務，不僅要對業務進行建模和抽象，還要考慮工程實現，以便技術方案在實際業務中落地。因此，良好的技術能力和業務能力是演算法架構能力的基礎。
演算法相關的技術項目可能涉及到與其它技術工種的配合，例如：產品經理、數據分析、數據開發、前端、後端、測試、運維等。因此，演算法工程師設計的技術方案應該考慮到演算法模塊與其它技術模塊的解耦與協同。
演算法工程師做解決方案時應該從全局出發：一是技術上不僅考慮演算法而且還要考慮工程實現和產品化（切忌手裡有錘子，看什麼都是釘子的想法）；二是從整體業務的角度考慮項目帶來的收益。例如，假設推薦系統的重構可以帶來推薦模塊的轉化率提升。那麼這件事情一定值得做嗎？我們還應該評估這個提升效果對大盤利潤的影響。如果對大盤利潤的提升有限，或許應該把精力投入在更有價值的項目中。
3. 怎樣考圖像演算法工程師
本科生、數學基礎差，做圖像演算法工程師？別說圖像演算法，什麼演算法恐怕暫時都不能勝任。建議：1.一個讓本科生做演算法工程師的公司，技術上不會太有前途，要不換部門，要不換公司；
2.如果有興趣，願意繼續干圖像，從基礎學起，重點突擊矩陣理論、隨機過程等數學，這些東西不過關，很難理解（很難看懂）圖像處理中的概念、演算法
4. 求推薦圖像處理演算法方面的經典書籍
個人認為，真正的經典推薦清華大學出版社的《圖像處理、分析與機器視覺》，這本書由淺入深。數字圖像處理這本書很經典，但只能算是入門，講的更多是圖像處理的演算法和基本理論。而《圖像處理、分析與機器視覺》這本書涵蓋了圖像處理演算法、分析和實際的應用。圖像處理說白了是為了圖像特徵提取和分析，然後再到圖像識別等更高級的後續過程。國內大部分圖像處理演算法崗位其實更多是偏向應用方面，所以這本書能讓你對圖像處理行業整個情況更加了解，實用性更強！順便附上電子版，看對你有沒有幫助。h（去掉）ttps://p（去掉）an..com/s/184hg6h1（去掉）ST2Fqijr4FFFuRg 提取：qfid
5. 如何自學圖像演算法工程師
因為我學的就是計算機軟體專業，所以我可以告訴你：你會 C 語言編程固然很好，但是如果僅僅依靠會 C 語言編程，想成為某一個具體領域的工程師（例如：計算機圖像處理、或者是語音識別、漢字手寫體識別等），那是絕對不可能的。
你還必須要學習其他的很多理論課程。例如：各種數學（高等數學、高等代數、概率統計、離散數學等）的學習就是必不可少的，因為在進行計算機圖像演算法程序設計時，就百分之百需要依靠建立數學模型。如果沒有扎實的數學基礎，就無法建立數學模型，那麼即使會熟練使用 C 語言編程，那麼也是無法成為一個合格的圖像演算法工程師。
另外，還有計算機軟體的其它專業課：數據結構及其各種演算法、計算機圖形學等都是必須要熟練掌握的。
6. 做了半年圖像演算法工程師感覺很迷茫怎麼辦
已經不太適合了
這種工作比較累，而且做這種要經常參與加班和分工製作，大多都是那些20出頭的年輕人在做這些，一個團隊中，如果你因為特殊情況而不能經常來加班，也確實不怎麼好
還是建議一些文職，或者是自己能控制時間的崗位會比較好
個人意見，僅作參考
7. 計算機視覺演算法工程師筆試主要什麼內容
你好，領學網為你解答：
計算機視覺部分：
1、考察特徵點匹配演算法，輸入兩幅圖像中的特徵點對，輸出匹配的特徵點對，（128維描述子）距離計算函數已給出無需考慮復雜度。編寫偽代碼，分析演算法復雜度；
2、考察圖像旋轉。左邊圖像時旋轉一定角度後的圖像(有黑邊)，右邊為正常圖像。已知兩幅圖像都為WxH，以及左圖像與四邊的切點A1A2A3A4，設計旋轉演算法使左圖像變換矯正成右圖像，編寫偽代碼，分析演算法復雜度及優缺點；
3、主要考察雙目視覺中的標定知識。給出了雙目視覺的成像原理圖及相關定理和表達。第一小題，需要證明x'Fx=0 x'x為左右圖像中的匹配點對，並要求給出F矩陣的秩；第二小題要求推導出最少可由多少對左右圖像中匹配點可以推導出F矩陣；
4、要求寫出圖像處理和計算機視覺在無人飛行器中的3個重要應用。給出理由和解決方案並分析。
圖像處理部分：
1、主要考察一維中值濾波，退化為區間濾波 編寫偽代碼，分析演算法復雜度；
2、主要考察二維中值濾波，編寫偽代碼，分析演算法復雜度；
3、如何去除脈沖雜訊，圖像中有大量隨機產生的255和0雜訊；
4、考察加權中值濾波公式推導以及一維加權中值濾波
控制部分：
對象舉例均為四旋翼無人飛行器，各題目要求設計控制器，給出控制率，還有觀測方案設計等等；有一題比較簡單就是說明PID的各部分含義以及如何調節。
希望幫到你!
8. 零基礎入行圖像演算法工程師需要學習哪些課程
我們實驗室就是做FPGA圖像處理的。建議你學習一下《信號與系統》，《數字信號處理》。然後學習一下岡薩雷斯寫的《數字圖像處理》那本書。有了基礎之後，選定一個方向進行具體研究。圖像處理的方向比較多，圖像增強，圖像復原，圖像壓縮，圖像分割等等。個人感覺FPGA做圖像預處理（譬如圖像去噪）比較好，如果涉及較為復雜的演算法，用FPGA就需要深厚的功底。畢竟FPGA的計算能力不強。總之，你先把基礎打好，然後選定一個喜歡的方向深入研究。FPGA只是實現的工具。
9. 應屆圖像處理演算法工程師需要掌握哪些
圖像處理中演算法很重要，所以數學根底是必須的。當然也不是說開發圖像處理應用的公司只做演算法，也會有用戶交互，產品升級，特徵控制，軟體授權，等等諸多方面的內容，看你怎麼發展了，對於感興趣的事就不要說什麼復雜困難，否則還不如趁早放棄。C語言是移植性強的語言，而且更接近底層，如果寫演算法應該學習。C++從 功能上來說是C的擴展集合，對C的關鍵字是兼容的，不過兩者的設計理念差距很大。如果真想做，就學吧。