一份科技行业高薪清单曝光了,年薪最高达到34.5万美元

2019 年秋季校园招聘已进入尾声。近年来，校招成为了企业争夺人才的主要阵地，尤其是互联网行业，很多企业都会用高薪来吸引优秀的人才。最近，网上曝光了一份科技行业高薪清单：

先来看看博士的：

可以看到：

华为、大疆给算法工程师开出的薪资已经达到90万人民币。其中阿里还提供160万人民币的人才奖金。

统计数据中，薪酬最高的当属 DeepMind，年薪34.5万美元（约240万）。

腾讯在基础应用研究上开出的薪资在45万-65万人民币左右，包括签字费和股票。

今日头条比美团整整高10万人民币左右，另外还提供签字费和房补。

不得不说，在对人才的招募上，那些钱对企业来说，都是小事。

看完了博士的薪水，接下来轮到硕士啦。

以上数据来源于校招薪水公众号

可以看到：

阿里达摩院提供给算法工程师的年薪在45万-60万人民币，其中包括部分股票和10万人民币的补助，同样包括阿里星160万人民币人才奖金；大疆的嵌入式开发高达50万人民币；拼多多的算法岗比大疆还高出10万人民币，达到了60万。

外企薪资普遍在年薪40万人民币以上，其中 Facebook 最高，为年薪16万美元。

互联网金融方面，银联、浙商银行等普遍是年薪30万人民币。

19 届校招互联网技术岗高薪（算法，sp，ssp等）都是30w 起步的。同时在这些高薪岗位中，大多数是都有关机器学习的岗位。那么这些公司校招的招聘要求是什么呢？让我们来阿里巴巴和腾讯的算法岗和今日头条的后台开发岗的招聘要求：

阿里巴巴机器学习和数据挖掘工程师：

1）本科及以上学历，硕士博士优先，计算机、数学、电子工程、通信等相关专业；

2）熟悉常用机器学习算法，对模式识别、深度学习、增强学习等相关领域，极佳的工程实现能力，精通 C/C++、Java、Python 等至少一门编程语言；

3）候选人有数理分析方面良好的素养以及数理统计基础；

4）良好的数据敏感能力、较强的逻辑分析能力；

5）良好的团队合作精神，能够做到严谨、皮实、乐观；

6）有实际成果并发表在国际顶级会议、期刊者优先，有在 ImageNet、MSCOCO、ICDAR 等权威数据库上提交过结果并取得优异成绩者优先；

7）有 deeplearning 的经验，有 linux 下开发经验的，大规模数据处理经验优先。

腾讯计算机视觉工程师：

1）计算机、应用数学、模式识别、人工智能、自控、统计学、应用数学、生物信息、物理学、量子计算、神经科学、心理学等专业、模式识别、图像处理、机器学习相关研究方向，本科及以上，博士优先；2）熟练掌握计算机视觉和图像处理相关的基本算法和应用；3）较强的算法实现能力，熟练掌握 C/C++ 编程，熟悉 Python/Shell/Matlab 至少一门编程语言；4）在计算机视觉、模式识别等学术会议或期刊上发表论文、相关国际比赛获奖、及有相关专利者优先。

今日头条后台开发岗：

1）本科及以上学历，计算机相关专业；

2）热爱计算机科学和互联网技术，精通至少一门编程语言，包括但不仅限于：Java、C、C++、PHP、 Python、Go；

3）掌握扎实的计算机基础知识，深入理解数据结构、算法和操作系统知识；

4）有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分；

5）有强烈的求知欲，优秀的学习和沟通能力。

可以看到，要拿到这些高薪offer，不仅需要有扎实的计算机基础和很强的工程能力，还需要有很强的学习能力。其中算法岗对数学的要求较高，对学历的要求也比一般的开发岗高，有实际研究成果、发表了顶级论文的博士最受欢迎。

那么如何拿到这些offer呢？看看知乎上的网友怎么说的：

@王非池，在2018 年秋招拿到了网易、百度、三星、联想、拼多多、猎聘、新浪等知名互联网公司算法岗的offer，他的观点是：

项目经历、简历、竞赛：数学知识一定要扎实，不能有漏洞；一定要参加竞赛，不论名次。

编程基础、机器学习：编程方面，刷leetcode和剑指offer；机器学习方面，主要是刷小蓝书《统计学习方法（李航）》和西瓜书《机器学习（周志华）》，经典的算法建议都手推一遍。重点关注损失函数，为什么这样定义，有哪些优缺点，多思考方法间的比较。

@柏昊，拿了蘑菇街、招商银行和京东等offer，他的观点是：

在线OJ刷题：leetcode为主，Python为主，少量Java。

算法基础知识的准备：《统计学习方法》，周志华老师的西瓜书等等。要对经典算法有推倒的能力，对部分算法有自己手写实现的能力，可以参考《机器学习实战》。并且了解机器学习包和各种框架的使用。

@赵普：

数据结构算法：刷LeetCode。刷题时一定要按自己的理解做归纳总结。注意：外企更喜欢bug free的代码、提交前要特别慎重。

模型原理：常用模型都推导一遍、记住。

项目经验：之前用了什么模型（如果有）、为什么效果不好、你用了什么模型、为什么用这个模型、效果提升了多少、为什么有提升。着重准备：模型的对比、模型的调参、特征工程、类别不平衡、等实际问题。

数学，一般算法岗都会面一些数学题，主要是：各种概率分布、贝叶斯相关，大多都是算概率的。