算法工程师是做什么的 有哪些学习路线

先搞清楚目前行业内招的算法工程师主要在做什么：

第一类是做数据模型进行推荐、分类、识别、预测等工作的建模型算法工程师，通常JD上也写成数据挖掘工程师、深度学习工程师等。这类大体的工作就是结合业务场景，选择合适的算法模型，将数据进行处理后使用模型获得结果，也被戏称为“调参工程师”。

第二类是做针对性方向的算法研究，包括图像、语音、文本等，其囊括了在外界看来很智能的人脸识别、人脸变换、语音生成、语音识别、新闻推荐、智能对话等功能。和第一类的区别主要在于处理的数据非传统的结构化数据，需要进行针对性的处理，比如图像的取点、二值化，语音的要素提取，文本的分词、向量化等等。当进行了数据处理后，后续选择模型时就和第一类类似了。

不难看出，第二类会比第一类需要一些针对性的知识体系，相对来说更好去做准备。

从学习安排上，可以以如下的学习路线做准备：

一、数学能力基础

无论是否计算机出身，数学方面的能力在算法工作中是非常必要的基础，需要掌握的程度如下：

1、高等数学，主要包括微分和积分、偏微分、向量值函数、方向梯度、泰勒展开等，才能更好理解算法公式，调参原理，以及迭代时梯度的概念等；

2、线性代数，主要是矩阵运算、高维向量、空间运算，这些是理解深度学习向量空间的基础；

3、概率论及数理统计，或者称之为概率学和统计学，要理解，机器学习本质上是一个概率问题，从数据中学习的不确定性，就是在获得概率值。

二、计算机科学能力基础

算法工程师是一个研发性岗位，写代码的能力也是必须的。

1、掌握基本的排序、查找算法

2、熟悉常用的各类数据结构，如数组、树、表

3、将抽象逻辑思路转为代码，能完成leetcode上中等难度的题目

4、有编程语言学习能力，会python更好，其他语言需要花时间了解其语法特点

以上两大基础，如果是工科出身，应该不会需要太久做准备，可以根据缺少的部分来查漏补缺，这些部分在两个月内完成应该问题不大。

后续才是真的开始做算法的学习：

三、机器学习算法能力基础

1、熟悉常用机器学习算法的原理，包括线性回归、逻辑回归、决策树、K均值、SVM、adaboost、CNN、RNN等

2、能够了解各个算法的优劣和适用的数据场景

3、熟悉常用机器学习算法在代码中的实现，深一些是能自己手写实现，浅一些是能通过使用python的包来调用，熟悉参数

4、能够独立完成完整的数据项目，如在kaggle上尝试解决入门的问题，实现从数据处理到模型选择直到输出结果的过程

第三部分是个长久的事情，不断的熟悉算法和使用，并在实际数据项目中来深化，不去公司实习的话，在kaggle上多做尝试可以积累不少经验。

当能掌握这些后，就可算做正式入门了，目前大厂的实习生或者校招生基本就在这个水平程度，想要得到更好的机会或者能在工作中真的有好的产出，需要更多的努力和学习。