来源：直播 

编辑：学姐

《CEO对谈算法工程师直播》分了4大板块，学姐会分4次给大家整理每个话题老师给大家的建议！

今天是第一个话题：大厂裁员，算法卷，岗位真的饱和了吗？选择人工智能行业是不是不行了！

三位算法工程师介绍

张老师

最近几年主要从事CV方向的一些工作，具体的是在自动驾驶机器人相关的领域做一些2D目标检测，单目3D目标检测目标的跟踪分割。还有一些比如说车道线检测。以及一些 CNN方向，就卷积神经网络的轻量化，以及卷积神经网络在车端芯片的一些部署。这几年也在创业公司待过，也在一线的上市公司也待过，所以工作经历丰富。

Sunny老师

目前是NLP的算法研究员，老师的经历比较有意思，最开始的时候其实是做图像的，后来因为一些因缘巧合，加上本科的时候，就在NLP实验室打杂两年，所以后来又做了NLP。目前工作会比较偏研究一些，也不是说完全纯研究，和研究员比的话，工作会比较偏向于一些前沿的领域以及一些领域的落地。

之前做的工作集中在一些比如说多轮对话。一些具体的行业的话，有涉及到医疗和安防相关的这些行业，目前做的比较多的是文本生成的一些内容，当然也是和在对话里面的文本生成比较相关。

同时负责组内的一些相关的招聘的一些工作，特别是针对这种校招应届生/实习生的招聘，以及一些1~2年的社招招聘工作。所以同学们比较关心，想要了解的校招问题，或者转行转专业这种问题，会有相关经验分享给大家。

YY老师

YY老师背景和前面两位老师稍微不一样一点，是偏商业的背景，在传统企业的数据科学岗位，这种岗位一般上来讲接触到的东西会比较多，面比较广，比如说平时会做一些项目，像什么推荐系统的项目，或者是时序预测的项目，什么运筹优化的项目，都会做。

另一方面也是会深度跟生意上的业务方深入合作，帮他们去分析现在生意上问题出在哪里，以及有哪些可能提高的机会点，所以平时做ad hoc的数据分析也会比较多。

袁总

我们深度之眼的大BOSS，主要的工作就是这4年多主要是服务我们深度之眼的各位学员！

第一个议题

介绍完毕进入我们第一个板块的议题：

我们经常可以看到一些互联网大厂裁员的新闻，很多小伙伴心里也打鼓，说现在进入这个算法行业，是不是已经是进错行了？这些新闻互联网大厂裁员的这些新闻，它是否意味着说市场已经对算法人才的需求过饱和了？我们来看下老师们的看法。

张老师的看法

其实是这样，个人认为近两年互联网的发展可能相比于10年前确实是没有10年前那么好，但是怎么说，客观的讲相比于其他的行业，互联网可能还是一个相对来说比较有活力的一个行业。只要你对生活智能化的程度要求的越强烈，它就有发展前景。

裁员我也听说过，我也看到一些新闻，我有一个同事特别有意思，他说这个现状就和以前这个男生女生找对象一样：男生也找不着对象，女生也找不着对象，这个是什么情况？

很多公司很多岗位可能都在裁员，但是也有很多岗位还招不到人，这个也是存在的，甚至于说很缺人，特别想招人。所以在有一些岗位缺口仍然是存在，还挺大的，无论是对于初级的岗位还是稍微高级一点的岗位。

但是互联网裁员这个事情也是客观存在的一个事实，但是裁员意味着变化，但变化也意味着变革。

我们也能从变革中找到一些机会，尤其是对于刚入门的初学者来说，因为都在变，大家都在找机会，所以你和别人相比可能也没有什么太大的劣势。虽然你是初学者，别人可能是专家。

世界都是在变，希望大家对互联网行业有一定的信心，但是同时也要适当的降低一下心理预期，尤其是对薪水的心理预期，不要过高。

毕竟现在有很多是其他专业转行过来去做人工智能去做这个行业，所以也适当的可能还会有点卷，这个也是一个事实。

但是不管怎么样，我们选择这个方向不一定是最好的选择，但是肯定不是一个坏的选择。

还是希望大家能够努力的提升自身的价值，居安居安思危。危机同时也是机会。

sunny老师的看法

关于裁员的这个话，切身的能够感受到，身边的同学朋友确实都有在聊起，甚至裁员的名额什么之类的，也确实存在。这个事情不可否认，因为最近这两年经济形势也不是特别好，但是这种问题也不仅仅体现在互联网行业，这是整个经济面不向好造成的结果之一。

就比如上面张老师说的一个观点，就是说互联网算法这一块相对于其他的行业来说，薪资各方面还是比较有吸引力的，至少说能够进入这个行业还是能够拿到不错的薪水。

另外有一点是通过自己还有这些朋友，以及朋友的朋友他们裁员或者怎么样，发现了两个情况。分享出来希望跟大家以后择业找工作可能有些帮助。

第一个情况是：裁员的部门，一般都来自于这种盈利比较差的非核心部门。

对这个情况，大家求职的时候就需要注意一些，比如说有些部门他可能业务相对来说比较边缘，然后盈利能力相对来说比较差。

如果你今年去找工作或者校招，你需要多方面的去打量一下，看看会不会有这样的风险。

因为像很多业务其实在一段时间内属于一个探索期的业务，那么在有钱的时候或者投资人愿意拿，拿得出钱的时候，这种探索性的业务或者说相对边缘的一些业务，其实是可以过得还行还不错。

那么但是如果说在这种经济情况不向好的时候，你进入这种稍微有些边缘的业务，很有可能就会存在这种被裁员的风险。大家择业的时候要有一些考量，要搞清楚这个部门它的盈利能力，它在公司或者说在集团定位到底是什么样的。

第二点是有些人在裁员，很多公司那样他又在招人。

我面前的情况是，虽然说外面都在喊着都在裁员，也确实有在裁员，但是那些在招岗位如果想找到满意的算法工程师，能够达到要求的还是不多的，所以还是缺人。

还有一点是离职的那些朋友，他们离职，裁员，其实很快都可以找到他们的另外一份工作。

也就是说其实大家都知道有些时候裁员其实跟你的个人能力也许不太相关，其实就跟你的公司的发展，对部门的发展或者你个人的运气相关，如果你的技术实力还不错的话，你很快很容易就可以找到另外一个愿意接你的公司。

所以整体客观的讲，裁员这个现状肯定是存在的，但是裁员不代表说你找不到工作，因为现在其实很多的裁员并不是说集中把裁员对象放在低职级的人上面，其实现在的裁员主要还是降本增效，我观察到的是更多的裁员都是一些冗余中层。

不管是校招还是社招，如果能够好避开那些非盈利部门的话，大概率是不会在这些裁员的对象里面的。

YY老师的看法

关于裁员

YY老师一直在外企，面对的大多是做零售的企业，像这种企业的话，裁员这种情况发生的概率是比较小的，但是它小的概率并不是说这个企业发展的就多快或多好，而是本身在这样的企业当中招的人都比较少的，就不像是互联网企业，每一年校招都要招个几千个几万个应届生，所以互联网企业一旦有点风吹草动的话，裁员的概率会更高。

相对于传统企业来讲，像我们公司我们部门的话，现在就11个人，每年大概会招一两个人的样子，所以不会有太大规模的这种招聘的行动，自然也不会有太大规模的裁员的行动。

关于数据科学

另外就是说像这种做零售的传统企业而言，其实现在数据科学这一块真的很重要，因为像我之前服务过的公司基本上都是2000年左右进入中国，然后在那一段时间就说在中国的生意是突飞猛进增长的，就是闭着眼睛就能赚钱。

其实这个时候其实完全就不需要太去在意接下来的运营应该怎么做，成本应该怎么控，因为就顺着中国的高速发展，生意就自然能够做起来了。

但是大概从15年开始到现在，大环境 Gdp在缓慢的在减速，像我所在的这种外企，其实早就已经过了高速增长时期了，这个时候企业要生存下去，最终重要的就是要从原先的那种粗放式的管理，野蛮的增长变成了精细化的运营。

到了精细化的运营，其实就是数据科学的用武之地。比如说同样是做销售，我能不能精准找到顾客是谁，就是做CRM这个就一年基本上按照我们自己的认知的话，一年其实也可以增长个几个点的sales，对于我们这样体量的公司来讲，几个点意味着几亿，这个是开源端的，另外还有节流那一端，我怎么样能够降低我的运营的成本。

比如说之前我呆的一家公司，它是做餐饮的，有自己的餐厅，每家餐厅我配我在人员的配置上，我要是每天能够省下一个小时的工时，那么我一整年所有餐厅合起来的话，就又能省下好几千万。

然后另外还有我的整个物流，我能不能提高我物流配送的效率，以及我能不能尽可能的提高我的库存的周转效率，降低我的库存周数，降低我因为囤货备太多导致的损耗。

其实这些背后一旦涉及到精细化运营，就是数据科学的一个用武之地了。所以就说在我自己所处的环境当中，我觉得数据科学的空间还是非常大的。

并且我也看到最近这几年越来越多的大家认知当中传统的企业都在招数据科学家，比如说像 lv，爱马仕奢侈品行业或者欧莱雅这种美妆的，或者是像肯德基麦当劳这样的餐饮行业，或者是像什么耐克、阿迪达斯、优衣库就是这种服装企业，其实一旦涉及到精细化的运营精细化的管理，其实就是需要数据科学去介入的。

关于人才招聘

我从大概三年前开始就开始做这个岗位的招聘，我发现就是说要找到合适的候选人其实也还是比较难的。

因为对于像我们这样传统企业的数据科学家岗位的话，我们所需要的人才其实往往是那种t字型的人才，不知道大家之前有没有听到过这个概念。t字型的人才t怎么写，就是一横一竖。

横表示的就是说这个人能拥有的技能是需要比较广泛的，比如说要有良好的沟通能力，然后要有对商业的认知能力，然后要有这个团队的管理能力就等等。另外一竖表示的就是说在某个领域在某个方向，你又需要成为一个专家。

比如说之前我待的一个数据科学部门，我们最开始就创业团队，这个团队刚开始起来的时候就4个人，其实我们4个人的话基本上各自有各自非常的专长专业。

比如说像我的话对深度学习，特别是时间序列预测方面，我的理解是比较深的，做的事情也比较多。还有一个同学他对NLP领域就是了解的非常多，另一个同学他是运筹算法的专家，最后还有个同学他其实在算法方面并没有非常深的研究，他理解算法他能用算法，但是他并没有那么深刻的理解，但是他的presentation能力非常的强，他很能够给老板画饼，这个就是他的一个专长。

在我自己做招聘的时候，我发现就是说简历非常的多，但是很多时候千篇一面很少让人看到有亮点的地方。

还是希望就是说如果在座的同学们，特别是还在学校里的同学，一方面还是要多实践，比如说去做实习去做项目。另一方面可以适当的想一想，就是说如果你想进入这个岗位的话，你能够提供的亮点是什么？只要有一点就足够亮的点，其实这个就是会成为你的一个非常大的优势。

CEO袁总总结时间

其实在社交媒体上，包括像直播，包括公众号文章，大家看到的都是一种表面的结论——说算法岗已经太卷了，饱和了。

这种表面的结论，在社会上在工作岗位上，当你的周围人或者一个公司，甚至你身边人在传一件事情的时候，一定要去镇定住，一般要把这个事情掰开来看看。

那么我们把算法岗卷，算法岗饱和，这个事情掰开来看看——它不是算法岗没有了，不是说这个算法岗供给少了，而是这么几个问题：

第一个就是算法岗的门槛变高了

我们纵向来看，比三年前变高了。15年16年17年18年你闭着眼睛，会一个Python懂一两个机器学习算法先进模型，就能做算法，然后慢慢的在工作里面去学，现在那是绝对不行的。

第二个是大厂算法岗校招的人数是比例在下降

大厂现在更多去社招，比如深圳的大厂基本上把眼睛都瞄着那种几百人的公司，那里面工作2~3年的算法工程师或者开发工程师。因为他们觉得被那些公司培养过了，预筛选过了，从这些公司里面挑人。

像阿里基本上就校招人就很少，除非你是名校的博士，或者说是硕士，你在这个学校里面非常亮眼的科研经历，或者比赛的经历。他大部分还是去要到社会上去找有经验的人。

所以第二个实际上是社招的比例在下降，拉钩的算法岗的人才指数。

大家可以看到，讨论算法岗饱和算法岗卷，从知乎上看得话是从2020年的1月份开始讨论这件事情，已经两年了。

但是看拉钩的指数，发现20~21年，这个算法岗的人还只是几乎翻了一番，可以理解为岗位的数量翻了一番，但当然它不是这么简单的计算。

它既然是一个指数，有很多加权平均的成分在里面，但总体上来讲薪资在大幅度的提升，21跟20年比，他的岗位数量在增加，这是总体上的一个趋势。

但是大家看到了什么情况，因为我们人才的供应量增加了很多倍，跟18 17年比，那个时候能够去投算法岗的人能有多少？能有这样的简历，有深度学习，机器学习经验的人能有多少呢？做过这方面的科研项目人员能有多少？极少！

所以找工作人员增加了很多。找工作人增加的倍数是远远快于岗位增加的数，所以给大家的感觉算法岗开始卷了，比较难找了。

去年秋招的时候给同学做一轮简历的诊断和面试，简历诊断和修改大概来了100多份简历，100多份简历的话，其实最后大概有一个60%左右都能找到算法岗，但这里面进真正能进大厂的人其实是非常少，这个是跟三四年前的情况确实是不太一样。

除互联网之外的，在传统行业它总体的招算法岗的招聘量，这几年是每年都在增加很多。

这些传统企业他招算法不会像互联网一口气一年通个千把个人进来，他肯定就招几个5个10个8个，但传统企业公司多，这些总共加起来的岗位数量，是一个巨量的数量。因为在中国最多的不是互联网企业，是这些传统企业。

只是传统企业单个企业的招聘量没那么大，大到大家都能去关注它，像阿里百度这样的。

YY老师的公司已经是非常厉害了，体量已经巨大无比的传统行业，他们也一年就招几个人。

关于裁员的观点是

裁人经验总结裁掉的都是这些人——品质差的人，鸡肋的人，年资比较高，但是又不学习，然后又没有奋斗的劲头，9点上班，6点下班5:50就开始收拾包准备得走的人，这样的不求上进人，但是他又拿着很高的工资。

所以要持续学习，持续去精进，对工作有热情的人，一般公司不会裁的。

大家讨论的互联网行业他们大量的裁员，他们也在大量的招聘，人是进进出出，其实对于企业来讲，这是一个非常正常的事情，叫吐故纳新。

还有一个就是刚刚我们sunny老师说的，就是在我们很多的大的互联网公司里面，它会他会同时去投资几十个上百个方向对吧？

比如今年给5,000万，你们去探索一个方向，跑出来，继续投，公司把资源压进去跑不出来，连总监带部门所有的人全部都砍掉，这样子在很多公司里面也都有。

所以没什么大不了，裁员这件事情，卷的这件事情永远存在，对这个社会“卷”非常正常。尤其是Gdp放缓之后，整个社会商业竞争更加的激烈，大家做得更好才能在商业社会里面生存发展下来，而不是说你随随便便搞两下，你就能挣个很高的工资，你这个企业才就能挣很多钱。现在的企业要想发展挣很多钱，企业的内功要很厉害，大家必须要拼命的工作，这是一个非常正常的现象。

• 接下来学姐还会更新剩下的三个板块哦！大家可以关注学姐，看接下来的更新。

• 你有什么问题想法都可以在评论区留言，学姐尽力帮助大家！