一、算法工程师常用网站？
算法工程师在各大互联网公司中是比较令人羡慕的岗位，给人一种神秘莫测的感觉，总觉得需要具备很高的天赋或者数理博士才能胜任，但实际只要肯努力钻研，我等凡夫俗子还是有很多渠道可以提升算法能力的，下面列举一些常用的12个算法训练网站：
1.LeetCode
最权威和流行的国际在线算法刷题网站，据说刷完上面题目的人大概可以进谷歌：
2.TopCoder
最富盛名在线算法网站之一，具有很大的国际影响力，很多互联网公司都对该网站的排名非常认可：
知名大厂经常举办算法大赛的平台，参加比赛有机会直接获得大厂offer：
来自战斗名族的在线编程网站，当然可以用英语食用：
5.CareerUp
以职业发展为主线的刷题网站，一边刷题一边完成职业规划：
看名字就知道很牛逼了，不仅可以刷题还有可能被大公司瞧上：
7.LintCode
空前强大的在线编程训练系统，练习、讨论、比赛、挑战：
8.POJ
北京大学在线刷题网站，3000+题在线训练，感觉整个大学都够用了：
9.USTC
中国科技大学在线答题网站，题目不多但质量还可以：
10.ZOJ
浙江大学在线答题网站，3000+题的规模媲美北大POJ：
更多其他学科和岗位干货，可登录‘初学者导航’查看：
欢迎加群讨论：
二、现在算法工程师都有哪些分类？
说明：以下是非专业人士的整理，我按自己的理解对算法工程师进行了分类，不定时更新。
算法工程师相关的专业回答可见SimonS 的知乎 Live - 如何成为当下合格的算法工程师 @SimonS
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-reduce/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-Reduce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-Reduce：MapReduce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"Reduce（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-Reduce：MapReduce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"Reduce（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，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：
（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、云台控制等
三、算法工程师的工作职责有哪些？
看似：算法研究、实现和优化，负责特定需求的深度学习算法解决方案；负责针对业务问题场景，设计和实现具体应用的深度学习模型/策略/算法，改进业务；
研究文本、图片、视频等多种内容数据的语义理解的算法和技术，跟进业界深度学习的研究成果，开发/提升相应的算法任务
实则：提出技术方案 -> 收集数据 -> 预处理数据 -> 撰写特征工程 -> 模型训练 -> 调参 -> 看结果 -> 调参 -> 看结果 -> 重新收集数据 -> 预处理数据 -> 收集更多数据 -> 调参 -> 调参 -> 调参 -> 调参 -> 换个公司继续，循环往复
四、在哪里可以找到算法工程师的兼职？
这类核心技术的外包或者兼职很少很少，可以去部分小企业做一下技术咨询
五、工业工程师和工艺工程师有什么区别？
我就是一个学IE的，做了工艺。我来讲讲工艺吧。
工艺，主要是将图纸变成零件，或产品，属技术工种。讲究使用何种加工方法、装配方法可达到最优的质量以及最高的效率。详细的话，如何选择加工方式、刀具、设计工装、甚至钳工、焊接、喷漆、装配工艺，都在工艺工程师的工作范围内，只是不同领域侧重点不同。要懂得各种机床的操作方式，当然甚至编程，也需要学。
招工艺的单位很多，想找一个好的工艺工程师，很简单，一抓一大把，想找一个好的IE工程师，很难。另，如果真的做得好，薪资待遇也不是一个级别的。建议你还是坚持自己的专业，加油。
刚看了另一篇不错，分享给你https://www.zhihu.com/question/27881225
六、工业工程211硕士，女，毕业IE工程师VS质量工程师?
不建议做质量工程师，首先，不管哪个行业的质量工程师除了专业知识，数据分析，本职工作监督检查，更多的还有推动多部门改善，其他部门配合还好，不配合的真的累到崩溃，处理不完的各种客诉。最后就是协调组织各部门去开展工作，确实比自己亲自做一件事还复杂。当然，研发技术部门靠谱的会好多了,我做的就是质量工程师，确实协调改善比做事难多了，总有人不按照标准违规操作，跟你不在一个节拍。所以，个人觉得IE比较好。做好标准提出方案，让其他部门执行就可以了。
七、想成为算法工程师必须要有高学历吗？
本人目前国内某大厂实习，说一下我目前实习所在的组里大家的学历情况吧。LD，985本top2硕博。员工1：985本海外硕。员工2：本硕不详，中科院牛所博士。员工3：top211本985硕。员工4：本科不详985硕。员工5：本科不详，985硕。员工6：985本硕。员工7：top5本，中科院牛所硕。员工8：985本，海外top博士。实习生1，2均为：985本，本校直博。实习生3：211本，C9硕士在读。实习生4，985本，海外top博在读。我最垃圾：双非本，985硕，985博在读。
再说一下论文情况，除了我们实习生以外，其他的员工人手都有至少一篇顶会，有的人有多篇(3篇以上)。
结论：学历是敲门砖，确实能力更重要，但是没有高学历，你去敲门都鲜有人理你。能用学历把门敲开，人家才能看到的你的能力。
八、工业工程师和电气工程师有什么区别？
工业工程偏管理，本质上是商科，电气工程偏技术，本质上是工科。
举例来说，我在国外学习工业工程的具体专业课有 工程经济学(Engineering Economic) ，人机工程学(Ergonomics)，先进制造体系(Advanced Mfg system)， 设施规划 (Facility planning) ，全员生产维护 TPM ，价值工程 (Value Engining)，工作评定 (Work measurement)。
研究的课题有人机工程（关注度比较高和大众比较贴近的有 人体工程坐椅，工作环境和设施设备设计使人不容易疲劳，提高工作效率），物流和人流动线合理规划（地铁站进出口闸机位置，人流动线布局，肯德基点餐台布局，出餐的物流动线），为商业决策提供工程经济的分析和数据等等。
毕业后对口的工作岗位是工业工程师。
九、工业工程毕业的能不能评初级工程师？
工业工程一般来说是可以评的，评工程类职称需要理工科专业毕业。
每个地区的规定不同，具体你可以去本地的人力资源和社会保障网或者联系职称办。
十、算法工程师如何应对做算法策略的不确定性；比如没效果，这时绩效怎么保证？
这个可真是个好问题。结合我自己的经历说一下这个事情。
这个问题如果可以在细化一下，“在一个绩效周期内，如果算法迭代没效果，如何保证绩效“？
构成这个问题的要素可以抽象为：“人”、“事“、”老板“。
人
- 当前的职级
- 历史的能力表现
事
- 新事情 or 老事情
- 探索性的 or 确定性的
- 熟悉的 or 不熟悉的
老板
- 务实的（经历丰富，工程、广告、推荐、产品）均有涉猎
- 短视的，无判断力的
这个时候你会发现，这三个维度一组合，也是要原地爆炸的。所以算法的不确定性和绩效不是二元对立的，而是需要分情况讨论的。
下面，就是怎么看待这两者的联系
核心：任何一个人，在做一件事之前，都要设定两个预期，一个对你自己、一个对你老板。
优秀/靠谱的定义：清楚地阐述现实目标和实现目标的过程
对事的原则：
- 对结果、指标负责，其本质是对自己逻辑的负责，即在验证自己的逻辑是否自洽
- 没有得到预期的结果和没有好好工作是两码事
- 结果的原因、条件、分析过程更重要，因为结果只是表象，其内在的原因与条件才是指导你后续迭代的根基
仅考虑事情时，以上三点意味着“尊重事实”
但是仅仅考虑事情是不够的，你需要确认你和你老板的关系
关系的原则：
- 你老板信任你的能力
- 你信任你的老板
- 你老板知道你信任他
如果这三点不满足，那么建议你直接换组！
关于绩效
- 一个绩效周期不能说明什么，当选择了难度大的事情时，如果成了回报是更大的（这是一个自主选择的过程）
- 做事情之前，提前沟通好预期要达成的状态，如果过程没有问题，结果有问题，这个责任一般不在执行的人。（这里需要注意不同级别考核的不同，一般而言，越高级的越需要对结果负责，初级的则需要对过程负责）
- 相关评论
- 我要评论
-