算法工程师门槛很高？错，是你想多了！
看了多篇资料后，不得不感叹，算法工程师的薪资真的高，虽然本人处在这个行业，但是对比后才发现，薪资还是低了点……很多小伙伴也想入算法工程师，今天就这篇笔记简单说一说，算法工程师的入职门槛！
对于算法工程师来说，大家都觉得很高大上，充满了难度和高科技，其实，算法无处不在，已经融入到了我们生活的方方面面，比如手机的语音助手、美颜相机、抖音视频推荐、搜索推荐等等……
算法工程师分为很多种：机器学习算法工程师，深度学习算法工程师，计算机视觉算法工程师，自然语言处理算法工程师，他们之间的区别就是处理的数据类型和业务不同，底层的技术其实是相通的。CV主要处理图像数据，nlp处理文本数据，搜索推荐主要是负责内容和广告推广业务。
那算法工程师的门槛有多高呢？其实我觉得入门容易，精通很难；找一份普通公司的算法岗位不难，进入大厂比较难。
需要具备的基础知识：
数学基础（高等数学、线性代数、概率论）
英语基础（需要大量翻阅国外文献）
熟悉主流的机器学习算法（决策树、支持向量机、k-means、全连接神经网络……）
熟悉主流的深度学习算法（CNN、RNN、LSTM、BN、梯度下降……）
熟练使用常用的框架（torch、TF、paddlepaddle、numpy、pandas、OpenCV……）
有了以上的知识入门就基本没问题了，如果要精通，还需要进行更加深入的学习，懂得深层次和底层的逻辑。
总结了一下很多同学担心的问题，基本概括下来是3点内容：
1. 非科班出身
2. 学校非双一流
3. 算法基础不扎实
大家心理千万不要把算法工程师想象成很难，其实算法工程师和大多数普通的工程师一样，只不过AI的出现，让算法逐渐入了大众的视野！也让很多同学产生了顾虑。接下来就从以上三点和大家聊聊，希望能够帮助同学们打消顾虑。
1. 非科班出身
很多同学咨询说，自己不是计算机、人工智能专业，觉得专业与算法适配度不高，担心毕业后找不到或者无法胜任心中的算法工作。
不得不说，这个顾虑是有必要的，但是也不用过于担心，毕竟很多人毕业后的工作与专业不符，你的专长和能力决定着未来的工作，如果对算法感兴趣，不妨去找个喜欢的方向去学习，钻研，多花时间补习算法知识，多找些项目去锻炼动手能力，或者和志同道合的伙伴一起打比赛，提升业务意识和算法运用能力的同时，也许还能收获一笔不菲的奖金。经过以上努力，是可以弥补非科班专业的不足的。
2. 学校非双一流
部分同学担心自己毕业的学校不是双一流，担心毕业后找不到工作，这个担心是很有必要的，因为现在已经不是培训班流水线生产算法工程师的时代，不是学学Python、TF、Torch，会搭建两个model就能找到工作的。
因为AI经历这几年井喷式发展，行业内岗位的供需关系逐渐平稳，再加上近几年来投入算法的人越来越多，竞争逐渐变得激烈，用人单位对应聘者的要求自然会越来越高。当然这不代表普通学校的同学没有机会，只是我们对自己要有更高的要求，提升自身竞争力，才能突出重围，而且要试着了解各行各业的发展情况，不是只有大厂才需要算法工程师，中小厂、初创科技公司、芯片以及各个传统领域都在做AI转型，为产业赋能，所以大家可以多看看机会，当然，也可以选择考研、赌博等提升学历的方式改变自身的困境。
3. 算法基础不扎实
这个其实没啥多说的，不扎实就要学习，因为只有基础夯实了，才能根据业务需求灵活采取最合适模块，制定最优方案。而这，正是一个算大工程师最核心的技术素养，发现问题-解决问题-创作价值。如果你的基础不扎实，你是没有办法快速解决问题的，基础知识是工具，没有工具的时候，面对问题只会大脑一片空白，发呆、烦躁，最后问题没解决，自己也会焦虑。说这么多，是为了让大家要踏实下来，拒绝眼高手低，保持自己的思考，与时俱进。
最后给大家整理一些自学学习路线的资料：
1. 数学基础：高等代数、线性代数、概率论与数理统计
推荐课程：standford CS229 或者B站，很多
2. 统计学：
入门：深入浅出统计学（书）
进阶：商务与经济统计学（书、版本不定）
视频：可汗学院统计学
3. Python编程：
Python安装：Anaconda\Pycharm
Python入门：廖雪峰Python学习笔记（网络）、南京大学Python（视频）、练习题：github fengdu78/Data-Science-Notes
4. 机器学习
课程：吴恩达《Machine Learning》必学，深入浅出！
莫烦python（网站、B站）很爱，有代码实践！
林轩田《机器学习基石》由浅入深、推全面的
书籍：西瓜书（理论）+机器学习实践
5. 深度学习
课程：吴恩达《Deeplearning.ai》
李沐《动手学深度学习》
李宏毅《机器学习》
需要全套资料的宝子，一键三连就可以，整理好放文件夹了！
