點擊上方「CVer」，選擇加"星標"或「置頂」
重磅乾貨，第一時間送達
編輯：Amusi
https://www.zhihu.com/question/59461289
本文僅作為學術分享，如果侵權，會刪文處理
20 萬、50 萬、100 萬年薪的算法工程師在能力素質模型上有哪些差距？如題，現在網際網路行業很多開發工程師（包括前端開發、後端開發等等傳統意義上的「碼農」）會遇到35歲這道坎，那麼對於算法工程師這種非常規、非傳統的碼農（側重以數學模型技能為主，而不是寫代碼），也會遇到35歲的坎麼？
算法領域職位這兩年大熱，魚目混珠的筒子不少，一直很困惑於如何甄別的問題。
1. 在回答時，儘量不要用一些似是而非的諸如「項目經驗豐富」、「工作年頭長」、「在大平臺工作」、「背景好」、「聰明」、「學習能力強」等看似有理，其實在操作中全無用處的維度來回答；
2. 儘量使用定量，或者至少是定性的要素來界定，比如「主導過什麼性質什麼級別的項目」，「在算法建模或算法優化中的具體表現和指標」，「處理的數據量級和複雜非標程度」，「為實際的業務帶來怎樣的增長和價值提升」等等；
3. 從我接觸的為數不算多的算法領域人才的經驗，能夠解決什麼樣的問題可能是一個甄別的要點，這裡最好能夠詳細闡述能夠解決的問題的性質、範圍、落地模式、複雜程度等等維度；
4. 個人運氣和機緣確實會在一定時間區間內對一個算法工程師的收入產生較大的影響，但從長期來看，這樣的因素又會趨於弱化，所以不要用運氣的成分來概括一個算法工程師的市場價值表現，那是沒有誠意的；
5. 算法團隊的 Leader 也可以談談你們在給算法候選人定薪的時候都會參照什麼樣的標準和因素，但如果是「他之前 30 萬，所以我給他 40 萬」之類的回答就算了；
6. 如果能夠順便說說一個算法工程師如何可以從 20 萬進階到 50 萬乃至 100 萬的高度，那就更加完美了。
在此敬謝。
作者：Cat Chen
https://www.zhihu.com/question/59461289/answer/840221283
20 萬：別人派活自己基本上能獨立完成，偶爾需要 50 萬的人給予一點幫助。沒有人派活的話，可能就不知道接下來做什麼能給團隊產生最大的價值。
50 萬：就算沒人派活，也知道接下來自己的項目該如何做，以及做完這個項目下一個項目做什麼能夠對團隊產生最大的價值。需要在不影響自己項目的前提下，花時間給一個到幾個 20 萬的人提供指導和幫助。
100 萬：對下，能夠給 20 萬和 50 萬的人派活，讓他們覺得自己接到的活難度恰到好處，既不會簡單到無聊，也不會難到做不出來，而且還能學到新東西。（實際上，明知道 20 萬和 50 萬的人解決不了的問題，都要自己解決了。）對上，能讓各級老闆覺得花在這個團隊上幾百萬一年的人力資源成本實在是物超所值。
以上模型對各種類型的軟體工程師都有效。
簡單來說，對於級別為 i 的工程師而言，他對級別為 [0..i-1] 的工程師產生的價值越高越好，他需要從級別為 [i+1..] 的工程師（或老闆）獲得的幫助越少越好。一個工程師之所以被定級為 i，是因為他能夠對 i-1 提供價值，但還做不到 i+1 能做到的事情。
最後，我知道題主很想要一個清晰的模型來說明如何定級和定薪酬，但很可惜這跟你工作上訓練的任何模型一樣，都有模糊說不清楚的部分。只是這個模型不是存在於你的機器上，而是存在於各位老闆的腦子裡。這個模型的訓練數據是現有工程師的級別和薪酬，而且模型可能存在 overfitting 的問題，例如說「我們唯一一位 100 萬的工程師能做這個，所以我們認為其他人都要能做成這個才有資格拿 100 萬」。很遺憾，這些問題現階段都是無解的……
作者：AngSnow
https://www.zhihu.com/question/59461289/answer/503434034
對於應屆生來說
1.拿的出手的項目經驗(kaggle牌子，天池top等，或者自己實驗室項目)
2.coding能力強(leetcode至少秒medium)
3.大廠對口崗實習經驗(注意是對口)
4.教育背景
今年秋招，算法幾乎是30w起步，聽說的最高的是同校cs專業一個70w的，據說是有文章。
在一個回答中看到，人與人的能力差別，真的是數量級的差別，在算法崗，體會的非常明顯。比如，同樣打kaggle，有的人可以短短一周之內打到金牌，而且是利用空閒時間在做。同樣一篇論文，有的人很快復現，有的人要復現很久。這種大腦效率上的差異，在宏觀世界反應出來的，就是薪資的差距吧
作者：王禮Leon
https://www.zhihu.com/question/59461289/answer/193731741
本人從事數據相關行業10來年，經歷過各種崗位的磨練與挑戰，薪資這幾個階段都經歷過，現在每天也在幫助企業招聘大數據人才，對20萬、50萬、100萬，甚至更高級別的人才要求有一定的見解，下面我就從幾個角度解構下這幾類人的能力素質模型，這些也是我在日常招聘過程中對人才的基本要求，說得不對的地方歡迎大家拍磚：
技術能力：
20萬級別的算法工程師，0年-3年，需要在無導師指導情況下，獨立完成一個算法模型，算法種類有很多，你只需要熟悉某一類算法模型，比如預測評分模型、分類模型、關聯推薦模型、文本分析等，僅僅只需要懂一類，程度上能獨立工作就好，哪怕做出的模型還不夠老練。
50萬級別的算法工程師，3年-5年，需要掌握起碼三類以上的算法模型，熟悉每一類算法模型中有哪些典型的算法，並且對各典型算法適用的場景瞭然於胸，舉個例子，做分類的算法有決策樹、邏輯回歸、SVM模型等，需要知道怎樣的數據形態適用哪種算法，每種算法的優缺點在哪裡，適用於什麼業務場景，如何進行模型的演進與優化。同時，要掌握模型實施的整個環節，從樣本定義、特徵值分析、算法選型、模型評估、模型部署、模型監控等。
100萬級別的算法工程師，5年-10年以上，需要完全具備50萬級別的算法能力外，這個級別的工程師是公司中的靈魂人物，需要不僅僅掌握模型算法的能力，也需要熟悉相關周邊技術，比如大數據生態圈相關的技術，還要求具備公司在技術領域戰略方向的確定選擇和實施落地步驟的把控，比如，在金融信貸風控領域，需要做出授信額度模型、風險定價模型、反欺詐識別模型、客戶需求意向度模型等等，需要這位帶頭大哥非常清晰各個模型的內在聯繫，落地步驟怎樣哪些該優先去做哪些往後，哪些做哪些不做，等等。
業務能力：
20萬級別的算法工程師，對業務經驗沒有太多要求，更多要求是技術上的能力，但如果懂業務，具備公司所在的行業業務經驗，則加分也非常明顯，如果是多個人同時競爭一個崗位，那麼，原來是這一行業的最容易勝出。
50萬級別的算法工程師，需要具備至少1年以上的同行業的業務經驗，技術是會有瓶頸的，到了這個級別的工程師，一定要注意選定行業作為自己的職業，跳槽要慎重選擇，不能頻繁換行業，需要積累行業業務經驗，這是重中之重。
100萬級別的算法工程師，他是公司的專家、科學家，要做技術專家的同時，也要是一個業務專家。所有的技術最終是為業務服務的，只懂技術、只會搭積木是遠遠不夠的。技術如果沒帶來收益，所有的投入都是沒有產出的。作為公司的靈魂人物，所有技術戰略方向、業務戰略方向都與你有關，你為公司的營收業績負責，不會因為你只是負責管理技術而對業務營收沒有要求。
團隊協同：
20萬級別的算法工程師，要求不高，在團隊成員中能夠進行良好的溝通，到達一定技術水平時候，可以幫忙帶領實習生工作。這個級別人員，我個人要求具備一個分享精神，分享才能讓自己技術學習更快更牢固，分享幫助自己的同時更重要的是幫助自己。團隊的學習氛圍怎樣，就是看這個級別的員工，團隊成員有進步，團隊才會更加牢固。
50萬級別的算法工程師，leader級別，需要具備一定的管理能力，跨團隊溝通協同能力，項目驅動能力。作為骨幹人員，需要帶領好自己的團隊成員，對團隊的高效產出負責。要會培養成員，能夠做他們的導師。
100萬級別的算法工程師，管理上，應該都是部門經理、總監以上的了，管理能力的要求比較高，要能夠確定業務方向、公司戰略方向等，決策失誤，會浪費大量的資源，甚至會給公司帶來災難性後果。舉個例子，重大算法模型的研究是一個充滿風險的事情，需要投入大量的資源，但結果往往難以預料，這時候，就非常需要這位帶頭大哥對業務、行業、市場、對手等等有充分的了解，才能做出正確的抉擇。
作者：匿名用戶
https://www.zhihu.com/question/59461289/answer/167700712
不談虛的能力，只談現在國內的行情。
一. 20W（我覺得改為25W-35W較好，實際上現在20W招不到合格的算法工程師了）
相關方向的應屆本科/碩士，能拿到BAT offer的那種。這個門檻其實很低，有不錯的代碼能力，對機器學習有一些很基本的掌握就行。
BAT算法工程師的面試，一方面是要能寫代碼，其實挺多也就是leetcode中等題的水平，ACM銅牌以上就無壓力了，沒搞過ACM的多刷刷leetcode這方面也不成問題；一方面是能跟面試官扯一些機器學習的東西。
理論基礎其實面試官也好不到哪去，你隨便問BAT那些在職的算法工程師一些偏理論的機器學習問題，也能把他們問懵逼。所以面試機器學習，理論基礎你只要好好上過課就沒問題了。項目經驗，只要做過實驗室的相關項目，或者有對應的實習經歷，或者有相應的競賽經歷（kaggle，阿里天池等等）也沒問題了。
二. 50W
有名實驗室的優秀碩士/勉強能畢業的博士。 和幾個清華、港中文、港科大的同學聊過，普遍表示他們實驗室能畢業的博士offer沒有低於50W的。很簡單的道理，大部分知名實驗室對博士的畢業標準就是三篇一作頂級會議；現在AI的行情，有三篇一作頂會在手，50W的offer是不難拿到的。
在那些實驗室沒達到這個標準，是沒法博士畢業的。當然也有部分碩士畢業的時候就有三篇一作頂會，這種屬於很優秀的了，拿50W年薪也是可以的。至於那種本科畢業就有三篇一作頂會的，應該是大神了，基本會去美帝top學校讀PhD，一般不會直接去工作的。
三. 100W
100W及以上的算法工程師，基本屬於科學家了，大多數在這個領域的知名公司擔任leader的角色。
知乎這樣的人其實挺多的，保護別人的隱私，我也不一個個艾特出來。
這些人大多是名校博士，導師在業界非常有名。博士期間發表了很多頂會論文，拿過Google PhD fellow/Microsoft Fellow，或者做出了非常有影響力的工作。
知乎上有一個問題，最高贊的回答列舉了許多知乎上的算法大神。目測這個回答裡面列的幾乎所有算法方向在工業界工作的人，都屬於100W及以上的級別。
當然他列的人也是存在檔次差距的，有些已經在業界算是功成名就，遠不止百萬年薪了。另外他也列的不全，據我觀察知乎上還有不少100W級的大神。
總而言之，什麼樣的人能成為一個算法團隊的leader ？
要麼讀博士期間師從領域內大牛，並且有很好的論文，是這個領域的專家；要麼在工業界做出了成果，有相當的資歷；要麼就是那種天賦異稟的大神，姚班的IOI金牌，這種本科直接年薪百萬也不是問題，比如今年姚班的陳立傑和範浩強。
眾所周知，學術是一個圈，而且還是一個挺小的圈；往往一個方向最好的幾家實驗室，還彼此認識，關係不錯。工業界雖然是誰行誰上，但算法方向畢竟偏學術，特點非常接近學術界，帶有圈子屬性。現在算法人才不僅貴，而且難招。大公司跟名校建立合作關係，請學術大佬來當首席科學家，他的博士也全都打包過來；創業公司利用自身的人脈關係，比如face++能招到不少清華優秀學子（創始人清華姚班），商湯科技招了很多香港中文大學的博士（創始人香港中文大學教授）等等。
如果你能進入高端的學術圈，跟著一個大牛導師讀PhD絕對是磨刀不誤砍柴工的。這可以給你帶來異常強大的業界人脈，和大佬們談笑風生甚至一起合作的機會。你會發現業界那些牛逼閃閃，名氣響亮的人，可能就是你的師父//師叔/師祖/師兄/師姐。找實習找工作都不按流程走，打個招呼就過去了。
當然了，火熱的行情也讓申請變得很難。機器學習方向，知名實驗室知名導師的PhD申請，比以前競爭激烈了很多。
重磅！CVer學術交流群已成立
掃碼添加CVer助手，可申請加入CVer-目標檢測、圖像分割、目標跟蹤、人臉檢測&識別、OCR、姿態估計、超解析度、SLAM、醫療影像、Re-ID、GAN、NAS、深度估計、自動駕駛、強化學習、車道線檢測和模型剪枝&壓縮等群。一定要備註：研究方向+地點+學校/公司+暱稱（如目標檢測+上海+上交+卡卡）
▲長按加群
▲長按關注我們
麻煩給我一個在看！