算法工程师项目

⑴ 算法工程师的职责有哪些

根据软件开发项目管理和软件工程的要求，按照系统总体设计规格说明书进行软件设计，编写程序设计规格说明书等相应的文档；组织和指导程序员编写、调试程序，并对软件进行优化和集成测试，开发出符合系统总体设计要求的高质量软件；具有工程师的实际工作能力和业务水平。

⑵ GPU算法工程师是做什么的

一、算法工程师简介（通常是月薪15k以上，年薪18万以上，只是一个概数，具体薪资可以到招聘网站如拉钩，猎聘网上看看）算法工程师目前是一个高端也是相对紧缺的职位；算法工程师包括音/视频算法工程师（通常统称为语音/视频/图形开发工程师）、图像处理算法工程师、计算机视觉算法工程师、通信基带算法工程师、信号算法工程师、射频/通信算法工程师、自然语言算法工程师、数据挖掘算法工程师、搜索算法工程师、控制算法工程师（云台算法工程师，飞控算法工程师，机器人控制算法）、导航算法工程师（@之介感谢补充）、其他【其他一切需要复杂算法的行业】专业要求：计算机、电子、通信、数学等相关专业；学历要求：本科及其以上的学历，大多数是硕士学历及其以上；语言要求：英语要求是熟练，基本上能阅读国外专业书刊，做这一行经常要读论文；必须掌握计算机相关知识，熟练使用仿真工具MATLAB等，必须会一门编程语言。算法工程师的技能树（不同方向差异较大，此处仅供参考）1 机器学习2 大数据处理：熟悉至少一个分布式计算框架Hadoop/Spark/Storm/ map-rece/MPI3 数据挖掘4 扎实的数学功底5 至少熟悉C/C++或者Java，熟悉至少一门编程语言例如java/python/R加分项：具有较为丰富的项目实践经验（不是水论文的哪种）二、算法工程师大致分类与技术要求（一）图像算法/计算机视觉工程师类包括图像算法工程师，图像处理工程师，音/视频处理算法工程师，计算机视觉工程师要求l 专业：计算机、数学、统计学相关专业；l 技术领域：机器学习，模式识别l 技术要求：（1） 精通DirectX HLSL和OpenGL GLSL等shader语言，熟悉常见图像处理算法GPU实现及优化；（2） 语言：精通C/C++；（3） 工具：Matlab数学软件，CUDA运算平台，VTK图像图形开源软件【医学领域：ITK，医学图像处理软件包】（4） 熟悉OpenCV/OpenGL/Caffe等常用开源库；（5） 有人脸识别，行人检测，视频分析，三维建模，动态跟踪，车识别，目标检测跟踪识别经历的人优先考虑；（6） 熟悉基于GPU的算法设计与优化和并行优化经验者优先；（7） 【音/视频领域】熟悉H.264等视频编解码标准和FFMPEG，熟悉rtmp等流媒体传输协议，熟悉视频和音频解码算法，研究各种多媒体文件格式，GPU加速；应用领域：（1） 互联网：如美颜app（2） 医学领域：如临床医学图像（3） 汽车领域（4） 人工智能相关术语：（1） OCR：OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程（2） Matlab：商业数学软件；（3） CUDA： (Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台（由ISA和GPU构成）。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题（4） OpenCL: OpenCL是一个为异构平台编写程序的框架，此异构平台可由CPU，GPU或其他类型的处理器组成。（5） OpenCV：开源计算机视觉库；OpenGL：开源图形库；Caffe：是一个清晰，可读性高，快速的深度学习框架。（6） CNN：（深度学习）卷积神经网络（Convolutional Neural Network）CNN主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。（7） 开源库：指的是计算机行业中对所有人开发的代码库，所有人均可以使用并改进代码算法。（二）机器学习工程师包括机器学习工程师要求l 专业：计算机、数学、统计学相关专业；l 技术领域：人工智能，机器学习l 技术要求：（1） 熟悉Hadoop/Hive以及Map-Rece计算模式，熟悉Spark、Shark等尤佳；（2） 大数据挖掘；（3） 高性能、高并发的机器学习、数据挖掘方法及架构的研发；应用领域：（1）人工智能，比如各类仿真、拟人应用，如机器人（2）医疗用于各类拟合预测（3）金融高频交易（4）互联网数据挖掘、关联推荐（5）无人汽车，无人机相关术语：（1） Map-Rece：MapRece是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（映射）"和"Rece（归约）"，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。（三）自然语言处理工程师包括自然语言处理工程师要求l 专业：计算机相关专业；l 技术领域：文本数据库l 技术要求：（1） 熟悉中文分词标注、文本分类、语言模型、实体识别、知识图谱抽取和推理、问答系统设计、深度问答等NLP 相关算法；（2） 应用NLP、机器学习等技术解决海量UGC的文本相关性；（3） 分词、词性分析、实体识别、新词发现、语义关联等NLP基础性研究与开发；（4） 人工智能，分布式处理Hadoop；（5） 数据结构和算法；应用领域：口语输入、书面语输入、语言分析和理解、语言生成、口语输出技术、话语分析与对话、文献自动处理、多语问题的计算机处理、多模态的计算机处理、信息传输与信息存储 、自然语言处理中的数学方法、语言资源、自然语言处理系统的评测。相关术语：（2） NLP：人工智能的自然语言处理，NLP (Natural Language Processing) 是人工智能（AI）的一个子领域。NLP涉及领域很多，最令我感兴趣的是“中文自动分词”（Chinese word segmentation）：结婚的和尚未结婚的【计算机中却有可能理解为结婚的“和尚“】（四）射频/通信/信号算法工程师类包括3G/4G无线通信算法工程师， 通信基带算法工程师，DSP开发工程师（数字信号处理），射频通信工程师，信号算法工程师要求l 专业：计算机、通信相关专业；l 技术领域：2G、3G、4G，BlueTooth（蓝牙），WLAN，无线移动通信, 网络通信基带信号处理l 技术要求：（1） 了解2G，3G，4G，BlueTooth，WLAN等无线通信相关知识，熟悉现有的通信系统和标准协议，熟悉常用的无线测试设备；（2） 信号处理技术，通信算法；（3） 熟悉同步、均衡、信道译码等算法的基本原理；（4） 【射频部分】熟悉射频前端芯片，扎实的射频微波理论和测试经验，熟练使用射频电路仿真工具（如ADS或MW或Ansoft）；熟练使用cadence、altium designer PCB电路设计软件；（5） 有扎实的数学基础，如复变函数、随机过程、数值计算、矩阵论、离散数学应用领域：通信VR【用于快速传输视频图像，例如乐客灵境VR公司招募的通信工程师（数据编码、流数据）】物联网，车联网导航，军事，卫星，雷达相关术语：（1） 基带信号：指的是没有经过调制（进行频谱搬移和变换）的原始电信号。（2） 基带通信（又称基带传输）：指传输基带信号。进行基带传输的系统称为基带传输系统。传输介质的整个信道被一个基带信号占用.基带传输不需要调制解调器，设备化费小，具有速率高和误码率低等优点,.适合短距离的数据传输，传输距离在100米内，在音频市话、计算机网络通信中被广泛采用。如从计算机到监视器、打印机等外设的信号就是基带传输的。大多数的局域网使用基带传输，如以太网、令牌环网。（3） 射频：射频（RF）是Radio Frequency的缩写，表示可以辐射到空间的电磁频率（电磁波），频率范围从300KHz～300GHz之间（因为其较高的频率使其具有远距离传输能力）。射频简称RF射频就是射频电流，它是一种高频交流变化电磁波的简称。每秒变化小于1000次的交流电称为低频电流，大于10000次的称为高频电流，而射频就是这样一种高频电流。高频(大于10K)；射频（300K-300G）是高频的较高频段；微波频段（300M-300G）又是射频的较高频段。【有线电视就是用射频传输方式】（4） DSP：数字信号处理，也指数字信号处理芯片（五）数据挖掘算法工程师类包括推荐算法工程师，数据挖掘算法工程师要求l 专业：计算机、通信、应用数学、金融数学、模式识别、人工智能；l 技术领域：机器学习，数据挖掘l 技术要求：（1） 熟悉常用机器学习和数据挖掘算法，包括但不限于决策树、Kmeans、SVM、线性回归、逻辑回归以及神经网络等算法；（2） 熟练使用SQL、Matlab、Python等工具优先；（3） 对Hadoop、Spark、Storm等大规模数据存储与运算平台有实践经验【均为分布式计算框架】（4） 数学基础要好，如高数，统计学，数据结构l 加分项：数据挖掘建模大赛；应用领域（1） 个性化推荐（2） 广告投放（3） 大数据分析相关术语Map-Rece：MapRece是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（映射）"和"Rece（归约）"，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。（六）搜索算法工程师要求l 技术领域：自然语言l 技术要求：（1） 数据结构，海量数据处理、高性能计算、大规模分布式系统开发（2） hadoop、lucene（3） 精通Lucene/Solr/Elastic Search等技术，并有二次开发经验（4） 精通Lucene/Solr/Elastic Search等技术，并有二次开发经验；（5） 精通倒排索引、全文检索、分词、排序等相关技术；（6） 熟悉Java，熟悉Spring、MyBatis、Netty等主流框架；（7） 优秀的数据库设计和优化能力，精通MySQL数据库应用 ；（8） 了解推荐引擎和数据挖掘和机器学习的理论知识，有大型搜索应用的开发经验者优先。（七）控制算法工程师类包括了云台控制算法，飞控控制算法，机器人控制算法要求l 专业：计算机，电子信息工程，航天航空，自动化l 技术要求：（1） 精通自动控制原理（如PID）、现代控制理论，精通组合导航原理，姿态融合算法，电机驱动，电机驱动（2） 卡尔曼滤波，熟悉状态空间分析法对控制系统进行数学模型建模、分析调试；l 加分项：有电子设计大赛，机器人比赛，robocon等比赛经验，有硬件设计的基础；应用领域（1）医疗/工业机械设备（2）工业机器人（3）机器人（4）无人机飞控、云台控制等（八）导航算法工程师要求l 专业：计算机，电子信息工程，航天航空，自动化l 技术要求（以公司职位JD为例）公司一（1）精通惯性导航、激光导航、雷达导航等工作原理；（2）精通组合导航算法设计、精通卡尔曼滤波算法、精通路径规划算法；（3）具备导航方案设计和实现的工程经验；（4）熟悉C/C++语言、熟悉至少一种嵌入式系统开发、熟悉Matlab工具；公司二（1）熟悉基于视觉信息的SLAM、定位、导航算法，有1年以上相关的科研或项目经历；（2）熟悉惯性导航算法，熟悉IMU与视觉信息的融合;应用领域无人机、机器人等。

⑶ 算法工程师的项目落地能力指什么

1、深刻理解业务，能根据业务需求调整实现方案的能力
就拿茶具的例子说，客户更关注不良品不能漏，宁可杀错，不可放过，所以这时候我们就得把业务朝着不良品检出率方向去优化;
2、结合业务需求的熟练工程实现能力
我们拿到一个项目需求以后，大脑中得立马有一个框架，这个项目输入输出是什么?得用到哪几个模型?适合什么样的业务框架?开发需要多久?调优需要多久?能达到什么样的指标?然后按照自己的规划进行开发调优。
3、对数据敏感，有较强的数据处理与数据维护管理能力
算法工程师一定要对数据敏感，看一眼数据就能知道这些数据能支持什么样的任务?有没有坑?数据该怎么标注与维护高效省成本?
4、对新技术的求知欲与探索学习能力
目前人工智能技术刚兴起，技术和算法迭代很快，所以对算法工程师追新技术，新解决方案的能力也有要求，不能落后太久。比如现在有个推理性能的瓶颈，攻关了很久没有突破，但是可能就已经有开源的方案了，而这就需要我们经常查资料，看论文了。
5、各部门的沟通合作能力
这是个通用能力，算法工程师当然也需要，就像这个茶具项目中的一样，算法工程师接到不合理的需求一定要及时沟通，并用自己的专业知识，给出更合理的解决方案，各部门一起为项目落地努力。

⑷ 关于算法工程师的职责

1、负责项目工程建设的总体控制、质量、进
Engineer
度、工程造价控制和技术管理等建设管理工作。
2、负责根据项目的总体管理目标编制项目建设的总体实施计划、年度和分月度的实施计划；下达项目的建设实施计划，并对实施中的项目计划进行统计分析和计划调整等综合管理。
3、组织项目办、监理单位和施工单位全面分析工程的特点与实际情况，分析确定工程的技术难点和控制要点，制定相应的针对性措施和重点控制流程；并督查监理单位和施工单位制定相应的监理和施工的监控计划，落实人员和条件，实施于工程的监理和施工，使建设管理目标明确，层级之间形成有效监控的体系。
4、负责对施工合同履行的监督和动态管理。定期或不定期组织相关科室人员深入施工现场，督查施工单位三大负责人、专业工程师与主要机械设备的到位和工作情况；检查施工单位在前期准备、工程质量、进度、安全生产、现场管理等方面履行合同的情况，监控各项管理指令闭合；监控质量保证体系保持良好的动态运行；监督施工单位严格按照设计图纸、批准的施工组织设计、技术规范进行施工；对照下达的实施计划对施工进度进行监控，并针对具体问题分析原因和采取措施；监督施工单位在安全生产、现场管理方面的措施和管理是否到位；同时，对施工单位合同违约和施工管理人员的违规进行记录与处理，对发现的监理单位违约与监理人员的违规行为进行处理，并交办有关科室进行记录和跟踪落实。
5、负责项目建设中的技术管理工作。主持设计、监理、施工单位进行设计图纸会审、技术交底、设计完善和优化等；负责审查施工组织计划，组织对重要工艺进行审查和验证；主持设计变更方案的论证；负责新技术、工艺和材料应用；组织实施技术攻关，解决施工中的重大技术问题；协助总监理工程师审查监理实施细则等。
6、负责新技术利用和项目的配套工程科研工作。
7、监督集中招标采购的大宗施工设备材料的质量和供应工作；协调工程技术方面合同各方及项目对外各方的工作关系。
8、负责工程变更和项目造价控制的管理工作，负责配合项目审计工作。
9、负责组织办理项目中间计量支付、交工支付及竣工结算。
10、负责组织项目交工验收及项目交工总结报告、执行总结报告的编写；并签发合同段工程交工证书。
11、负责项目缺陷责任期的工程缺陷修复管理。
12、负责组织编制项目竣工文件，做好项目的竣工验收的相关工作。
13、对主任负责，分管工程建设管理科；并对现场管理办公室工程管理方面的工作进行监督和业务管理。
14、负责工程建设有关资料的收集和归类建档工作，负责审核工程建设统计资料，主持编写工程总体进展情况汇报，报送项目建设管理规定的信息和统计资料。
15、负责项目办各部门并会同监理单位对施工单位的合同履约情况（综合质量、进度、造价、安全、文明施工等）进行全方位考评及信誉度评价，并提出相应经济和信誉度奖罚的意见，报请项目办主任审定。
16、协助主任参与重大事项的决策；负责组织完成主任交办的其他工作。
17、配合副主任和总监理工程师做好其它工作。

⑸ 算法工程师是青春饭吗以后的发展路线是怎样的

算法工程师不是青春饭。

在入职的年龄中，算法工程师的入职年份越多，就有越多的公司要你。由于算法工程师对于知识结构的要求比较丰富，同时算法工程师岗位主要以研发为主，需要从业者具备一定的创新能力，所以要想从事算法工程师岗位往往需要读一下研究生，目前不少大型科技企业对于算法工程师的相关岗位也有一定的学历要求。

提到人工智能，就不得不提人工智能领域最炙手可热的算法工程师。算法即一系列解决问题的清晰指令，算法工程师就是利用算法处理事物的人。算法工程师主要根据业务进行细分，常见的有广告算法工程师、推荐算法工程师、图像算法工程师等等。

但作为热门领域和人才供不应求的人工智能，开出的薪资依旧让人羡慕眼红。猎头Jony表示“人工智能科班出身的博士，50万年薪仅仅是起步价，优秀的开到80万、100万都不一定能抢到。”

⑹ 现在算法工程师都有哪些分类

转帖：工作内容：设计和优化应用算法，并协助完成应用软件方案设计及算法设计；独立完成数学建模及算法设计；编写相关技术文档。教育培训：应用数学、计算机等相关专业本科以上学历。工作经验：算法开发人员重在很强的逻辑思维能力。并且需要熟练掌握数学建模、应用算法的设计和优化理论；精通C/C++或其他一种编程语言；熟悉数据库的接口技术。职业发展路径：国内算法应用开发工程师人才缺乏，需求相对较大。此职位专业技术性很强，对数学、算法及编程能力有很高的要求。经过一段时间的工作经验的积累后，可发展成为高级软件工程师、需求工程师，但需要具有丰富的软件开发经验和相关工作的技术背景。如果想成为技术经理、项目经理，则还需要具有较强的管理和组织等方面的能力。

⑺ 算法工程师应该具备哪些工程能力

作者 | 木东居士

来源 | Data_Engineering

最近看了 Milter 的《算法工程师究竟需要哪些工程能力》这篇文章，有所感想，因此也写一篇关于算法工程师的技术能力的问题，和大家分享一下居士关于算法工程师的技术能力的观点。

对于一名优秀的算法工程师，他（她）要具备的不仅仅是出色的技术能力，也要有很深的业务理解能力和对外沟通能力，总之，要求可以很高！

但是，从职责能力的划分上来讲，算法工程师首先是一名工程师，因此本文主要从工程能力要求上进行一些探讨。

开始之前先放一份思维导图，这将是这篇文章要分享的核心内容：

工程能力概览

算法工程师，从名字上我们就能看出，一名算法工程师首先应该具备算法能力和工程能力，我们可以认为这是基础的技术能力。由于现在开源技术的普及，Sklearn、Tensorflow 和 Spark ML 基本已经成为大部分算法工程师标配的工具库了，因此，熟练的调包能力也是决定了一名算法工程师能否快速实现需求。

其次，在真实的生产环境中，算法的落地会遇到各种各样的业务场景和数据环境，这也要求算法工程师需要具备Pipeline 构建能力，将整个生产环境中的数据流和模型打通。同时，在生产环境中，会出现各种“疑难杂症”等待你去解释，比如说为什么实验效果特别差？为什么模型效果不稳定？这就要要求算法工程师需要具备一定的数据分析能力。

很多时候，你会发现，你用在数据分析和Pipeline构建上的精力可能占据了你8成以上的工作内容。

当你具备了上面的能力时，你已经可以称自己是一名算法工程师了。此时，你可以去对着数据分析小得瑟一下：“你看，我能构建整个模型的Pipeline，你却只能拿到别人提供的数据后调调包吧。“或者，你也可以去找开发得瑟：”你看，我懂了很多算法哦，你就只会写代码吧。“

得瑟完之后，我们还是回归正题，算法工程师只具备这样能力是否已经够了？答案当然是不够的。由于不同公司的团队成熟度不同，工具化和流程的成熟度都不同，这就会对算法工程师有不同的要求，比如说模型发布能力和报表开发能力，当然也会有一些其它能力，虽然可能不是特别重要，但是当这些工作没人帮你做的时候，算法工程师可能依然要承担起这些工作内容，比如说灰度测试的能力、负载均衡的能力等等。

将上面的内容整理后，就是这样一份思维导图了（一张图多看几篇更能加深印象，因此我再贴出来一遍）

工程能力详解

一、基础能力

算法能力

算法能力就不多说了，算法工程师的基本能力要求，不懂算法对于一名算法工程师来讲是不太合理的。这里居士把统计学的内容也放进来了。

编程能力

编程能力主要分为两部分：

Python、C++、Java这类编程语言，这三种也是算法工程师需要了解的主流编程语言，一般掌握其一就够，看不同公司。 Sql就是很通用的能力了，Sql也是一门编程语言，而是是数据处理最常用的语言！ 很好用。 大数据场景下，要了解Hive Sql。

调包能力

大家虽然会调侃调包侠，但是说实话，能调包调的很溜的人，也是不多的，比如说现在让你自己用tensorflow构建一个复杂网络，不能google，你能写出来吗？能记清楚用法吗？

Sklearn Tensorflow Spark ML

二、核心能力

Pipeline 构建能力

Pipeline构建能力，这里想表达的更多的是整个数据流的构建能力，数据从日志->特征->模型训练->反馈，这一个链条能否完成的能力，这里面会有很多难题需要克服。比如说：

实时和离线模型一致性问题？ 离线和实时特征一致性问题？ 实时特征构建的问题？ 数据延迟的问题？

很多时候，模型发布之类的工作是可以由其他同学支持完成，但是数据流这种问题更多的是需要算法工程师来解决的。

数据分析能力

这里的数据分析能力不是指商业分析或者业务分析，更多的是指特征分析、算法效果分析和各种异常问题定位分析的能力。

很多时候，两个算法工程师能力水平的强弱从数据分析能力上也能窥得一二。

三、辅助技术能力

辅助的技术能力是指，你会不会的影响不会特别大，但是也都是有用的能力，特别是不同公司的发展情况不同，很可能会出现一个算法工程师既要做数据接入、又要做数据清洗、还要做算法平台

也要搞前端、还要负责模型上线、系统运维。

这里就不再细讲了。

思考一

聊一下对技术能力、工程能力和数据分析的思考。

居士个人的理解，技术能力更多的是偏向于一个一个的技术点，而工程能力更多就是在一个团队中将项目做好的能力。很多算法出身的工程能力不行，那么他做的单纯的一个模型是无法应用到实际生产中的，而工程就是指把理论落地实际生产的过程。那么工程包含了什么？它包括了系统架构设计和模块设计、数据流搭建和平台搭建、调包或算法开发、分布式、上线以及各种落地的代码开发。报表和监控，其实本质也是做数据流，边缘性的可能要做些后台和前端的开发。

然后数据分析能力是什么？数据分析（不是纯粹的数据分析）除了分析方法论和套路外，是一个很综合性、相对偏软一点的能力，比如说你通过分析发现了我们的系统有哪些可以优化的点，通过分析发现了问题的原因是什么，这些都是分析能力。

思考二

针对前面的内容，和 Cathy 讨论后，对整个思路做了新的梳理，大家直接看图就好，居士也认为这样描述可能更为合理。

思考三

这里再补充一个模型复现的能力，比如你看了一篇论文，发现这个模型可能很适合自己的业务场景，那么你是否能力将论文里面的模型快速用公司现有的平台和工具来复现？

居士认为，这一个是一个非常重要的能力，但是没有想好具体该怎样划分。

⑻ 做算法工程师是什么样的工作体验

算法工程师是一个非常高端的职位；
专业要求：计算机、电子、通信、数学等相关专业；
学历要求：本科及其以上的学历，大多数是硕士学历及其以上；
语言要求：英语要求是熟练，基本上能阅读国外专业书刊；
必须掌握计算机相关知识，熟练使用仿真工具MATLAB等，必须会一门编程语言。
简介：
算法工程师根据研究领域来分主要有音频/算法处理、图像技术方面的二维信息算法处理和通信物理层、雷达信号处理、生物医学信号处理等领域的一维信息算法处理。
在计算机音和图形图形图像技术等二维信息算法处理方面目前比较先进的处理算法：机器视觉成为此类算法研究的核心；另外还有2D转3D算法(2D-to-3D conversion)，去隔行算法(de-interlacing)，运动估计运动补偿算法(Motion estimation/Motion Compensation)，去噪算法(Noise Rection)，缩放算法(scaling)，锐化处理算法(Sharpness)，超分辨率算法(Super Resolution),手势识别(gesture recognition),人脸识别(face recognition)。
在通信物理层等一维信息领域目前常用的算法：无线领域的RRM、RTT，传送领域的调制解调、信道均衡、信号检测、网络优化、信号分解等。
另外数据挖掘、互联网搜索算法也成为当今的热门方向。
算法工程师逐渐往人工智能方向发展。

⑼ 算法工程师和软件工程师的区别在哪里，他们工作

如果一个人解决问题的工具都来自NLP和ML的一些经典算法，业界最新发表的论文，
那么肯定算是算法工程师。
如果一个人解决问题的工具来自项目遗留的庞大的code base，N种系统架构方案，各
种的可选第三方库，自己写的各种Demo中的经验，各种解决代码复杂性的经验论和方法论，
以及各种可更换的存储介质(比如硬盘-》内存/SSD等)，各种从单核到多核和向量处理器，
那么他通常是软件工程师或系统架构师。

⑽ 算法工程师未来的发展方向35岁以后呢

技术能力是技术人员的立身之本。站在算法的角度，这里的技术能力主要是算法应用能力，包括阅读论文、算法实现、工程化以及相关文档的撰写。
技术人员常见的一个认知误区是技术大于一切，认为只要技术做好了，就应该得到认可或奖励。事实上，技术在大多数情况下只是商业中的一环，技术做得好不能确保商业上的成功。
以自营电商为例，技术人员做一款功能强大的购物APP不难，但同时必须有商品研发、供应链和物流配送才能完成一个极小的商业闭环。此外，要想商品卖得好得有市场和运营团队一起发力。在这样的背景下，购物APP只是诸多商业环节中的一个节点，因此仅仅依赖软件研发技术显然不足以实现商业上的成功。好的技术团队必须始终围绕各商业环节，有能力定位问题，并研发工具有效地解决问题。
作为算法工程师，在立项和需求评审时，需要有能力评估项目为业务带来的价值以及算法在整个项目中的价值，从而避免把精力浪费在“投入产出比”不高的事情上。如何做到这一步呢？除了有扎实的技术，还需要深入了解业务。
需要了解的业务知识包括（但不限于）商业模式、业务流程、业务限制以及与当前业务相关的技术等等。算法工程师了解业务的另一个好处是洞察需求，解决问题的同时可以发现更多的技术问题，从而推动业务的进步。
技术人员最难跨越的是从技术能力到业务能力的提升。有两方面原因：一是技术人员主观上不太愿意处理业务问题（扯皮的事情较多）；二是技术人员晋升和跳槽时主要被考察的还是技术，因此业务能力在有些技术人员看来短期的收益不高。
架构能力是一种解决复杂问题的能力，它需要考虑业务的现状和未来，把复杂问题分解成简单问题，然后给出解决方案。与软件架构相比，算法架构更偏向业务，不仅要对业务进行建模和抽象，还要考虑工程实现，以便技术方案在实际业务中落地。因此，良好的技术能力和业务能力是算法架构能力的基础。
算法相关的技术项目可能涉及到与其它技术工种的配合，例如：产品经理、数据分析、数据开发、前端、后端、测试、运维等。因此，算法工程师设计的技术方案应该考虑到算法模块与其它技术模块的解耦与协同。
算法工程师做解决方案时应该从全局出发：一是技术上不仅考虑算法而且还要考虑工程实现和产品化（切忌手里有锤子，看什么都是钉子的想法）；二是从整体业务的角度考虑项目带来的收益。例如，假设推荐系统的重构可以带来推荐模块的转化率提升。那么这件事情一定值得做吗？我们还应该评估这个提升效果对大盘利润的影响。如果对大盘利润的提升有限，或许应该把精力投入在更有价值的项目中。