⑴ 图像算法工程师待遇高吗
的确算得上是一个入算法坑的黄金时间，曾经的条条大路通 CS 变成了条条大路通 AI，不管你曾经读的是物理还是生物，化学还是数学，只要你会 Python，会统计学基础，那时的我都会推荐你们来试一试加入算法这个坑，我也抱着体验的心态开了几次知乎 Live 都讲了一些关于算法入门相关的课，按那时候来讲，只要你「思路正常，逻辑清晰，吃苦耐劳，肯学习」，在算法这个坑里摸滚带爬四五年到现在，你要是在大厂，基本上都能拿到这个数，放一张最近的图可供参考。
图片引用至 @曾加 ，可以参考这位大佬的最新文章：
曾加：最新！互联网大厂各职级薪资对应关系图（2020年初）
zhuanlan.hu.com
图标
以我熟悉的阿里为例，文中所说的二三十人团队，那基本上就一个P8主管，下面再拆成2-3个小组，每个小组有一个P7/8带队，带着一群P5-P7干活。这就基本构成了阿里的一个最小组织单元，每年的绩效和奖金大体上都是由这位P8主管决定的，所以我们一般尊称为老板……
扯远了，其实我想表达一点，如果现在再有人来问我，学了 Python 之后怎么样加入算法坑比较好，我的建议是不加入。
我们常说的算法，本质上是统计，而统计是基于大数据的。目前能真正拥有大数据基建的企业其实并不多，能通过算法产出新价值的就更少，所以看起来搞 AI 的风风火火，其实大部分都是投资人含泪投的钱，背后能赚钱的少之又少，即便是在大厂也不例外。
所以一个目前仍不赚钱的行业，冲着心中伟大的理想和抱负，会像招开发那样花重金吸纳大批人才吗？答案明显为否，其实只需要花重金留住顶尖的算法人才即可，调包调参的 AI 选手无论何时都可以招得到，而目前大部分通过自学、培训机构出来的 AI 人才，就是这样的 tool boy。
巧的是，曾经我也是这样的 AI 选手，但谁叫我运气好，混得好不如混得早，现在转去数据分析那可就是降维打击了（手动狗头
最后再概括一下，今年是 2020 年，如果想从事算法和数据行业，建议先读一个相关专业的硕士，比如数据挖掘、图像识别等，且学校不能太非主流，不然可能简历面都过不了。
⑵ 图像算法工程师去哪个企业比较好
两者其实差别都不算很大，从专业本身来说，模式识别研发就比如汽车的车牌，你怎么去识别，图像算法主要研究目的就是比如车牌你怎么让他更清楚地被你采集后得到有用的信息，还原图片的原来面目等。都是算法类的研究，当然算法也是离不开程序的
⑶ 算法工程师是计算什么的
看行业
图像算法：
岗位职责 1、负责模式识别等相关算法的研究，设计，实现和优化； 2、深入了解深度学习、机器学习，了解TensorFlow MxNet Caffe等主流深度学习框架，能快速验证算法模型； 3、深入了解CNN，RCNN，FastRCNN，VGG，LeNet，ResNet等主流神经网络模型，并能进行根据需求进行相应的优化，有效提高算法的效率和精度； 4、深入了解物体识别、人脸识别、人体姿态识别、手势识别等相关算法，针对相关领域算法进行研究、验证、实现与优化； 5、针对不同的系统和硬件平台，对各类算法进行移植和优化。
金融：
职位描述：
1.有扎实的算法理论功底，有NLP，图像识别，分类，检测方面，视频等相关项目经验优先等； 2.熟悉常用深度学习编程语言； 3.熟悉深度学习的框架TensorFlow，caffe，pytorch了解YOLOSSDFASTERRCNN等目标检测算法，熟悉Resnetinceptionvgg16mobilenet等深度学习网络，熟悉网络的调参及模型训练方式优先； 4.熟悉linux平台及Android平台，有深度学习模型移植手机端实际经验的优先； 5.具有优秀的分析和解决问题能力，快速学习新知识能力，具有团队合作精神
⑷ 山东鲁能智能技术有限公司模式识别算法工程师待遇怎么样啊公司是国企吗谢谢啊
我就是这个公司的，待遇在济南还可以。公司是国企，但是你进来属于劳务派遣，对个人来说和民营没区别，公司200多人就3个人属于国网的编制，其它都是劳务派遣。现在的制度都是这样，国企编制你就别想了
⑸ 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。
⑹ 算法工程师 就业前景
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/MPI
3 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。
⑺ 图像算法工程师的工作是什么大恒图像
两者其实差别都不算很大，从专业本身来说，模式识别研发就比如汽车的车牌，你怎么去识别，图像算法主要研究目的就是比如车牌你怎么让他更清楚地被你采集后得到有用的信息，还原图片的原来面目等。都是算法类的研究，当然算法也是离不开程序的，如果你对软件不敢新区，那么这两个专业都不是适合你。
⑻ 图像处理与模式识别算法工程师需要哪些基础
图像处理 模式识别 智能信息处理 视频信息处理 信号与系统分析 软件开发 数据库 VC++ matlab