如何看待2021年秋招演算法崗灰飛煙滅？

我以一個公司的面試官角度來回答一下這個問題吧。

我目前在tmd中一家的業務線上擔任影像演算法工程師，由於團隊成立不久，我平時工作中承接了大量的面試。從6月起，我們就開始了提前批的校招，每週進行一次統一面試。每次業務線筆試大概透過60個簡歷，其中有近40個投向了演算法崗位。我們計算機視覺崗位在上一輪提前批面試中居然收到了28份簡歷，而我們整個校招的hc只有2-3個。目前我們的offer已經發放完畢，實際錄用比大概是1:30，後續校招我們部門的計算機視覺演算法崗位將要停止招聘了，不得不說很多優秀的人因為簡歷投遞晚了失去了機會。

我們面試下來的總體感受是，簡歷非常多，但是我們想要的非常少。我們現在不需要調參俠，我們需要的是有紮實計算機基礎的工程師。由於簡歷過多，我們將一輪面試調整為計算機通用基礎面試。我們希望候選人的計算機基礎紮實，程式語言，作業系統，資料結構，計算機網路這些基礎不能差。但是相比於開發崗位而言，我們的要求其實大大低於開發崗位。在二面的時候，我們更關注於計算機視覺的落地經歷，對於論文其實沒什麼要求。總體看下來，一面的透過率極低，很多人連棧和堆都不知道，這樣的計算機基礎根本過不了一面。在二面的時候，我們關注候選人的專案經歷。很多候選人就讀了兩篇論文，跑了幾個比賽，這些經歷在這麼多簡歷中顯得非常普通，在一眾候選人中也沒什麼亮點。我們需要的人是有一定工程能力，有實際的落地經歷的，但是大多數人不具備基本的工程能力。

那我們需要什麼人呢，我以我們的實習生為例，看看我們希望的候選人是什麼樣子的。

我們在4月中旬招收了一名實習生，他之前在學校主要做目標檢測，我們招收的時候覺得他基礎不錯。從入職到轉正答辯，大概經過了兩個半月。我們看看這兩個半月他做了什麼。剛剛入職，我們商量了一下，確定了要做演算法A。實習生在兩週以內，對比了各種主流方法，確定使用一種簡單的基於深度學習模型，理論上能夠在CPU實時。隨後1個月時間，實習生使用PyTorch復現了論文，並使用兩種方法改進了該模型在實際場景中的缺點。在大概1個半月的時候，實習生認為，演算法效果已經達到預期，我們驗收發現，已經滿足預期要求。在後面一週時間裡面，實習生使用C++在我們的程式碼中加入了該模型的工程實現，但是原始的實現不能滿足實時要求。實習生花了一週時間，加入了多執行緒，速度大大提高，但是隻能達到準實時。後來實習生認為，該演算法的部分模組和resize有相似之處，於是花費幾天閱讀了OpenCV的實現，認為透過定點化和SIMD能夠改善速度。後續實習生又改進方法，提高cache命中率，使得速度能夠在i5上達到50fps。這些工作能在兩個半月實現，大大出乎我們的意料，答辯毫無懸念透過。

我們想要的cv工程師是什麼樣子的，從上面這個例子可以看到一角。訓練模型，部署模型，演算法最佳化，這些都是我們的工作，不給自己設限、追求極致是我們對工程師的要求。我們需要的是解決實際問題的能力，計算機視覺相關的演算法和工程都是我們解決問題需要的技能，只有足夠的基礎才能在遇到問題時候給出足夠好的解決方案。

對於CV崗位，我的態度是勸退。今年我們組的開發崗位hc很多，簡歷非常少，很容易就能拿到崗位。客戶端開發更是難求，現在招聘已經不要求客戶端開發經歷了，只要程式設計基礎紮實就好。對於大多數cv方向的同學，我建議換個方向，比如音影片開發的崗位可以考慮，演算法方向音訊相關演算法也值得考慮。

常言道，小卷怡情，大卷傷身，強卷灰飛煙滅

明白這個道理，就要學習規避內卷，你非要找頭條快手阿里去成功，何必呢，和精英內卷有啥意思呢。。投百度華為，努力刷題去個他們的邊緣業務線也行呀，那些地方，邊緣業務就是養老崗位，只要你是 985 碩士博士畢業的，簡歷包裝的花裡胡哨就成(可千萬別作假，很多大公司以後是不給二進宮的，一次汙點毀你終生)，疫情期間人家也還是招一點人的，你會寫演算法 ppt 都有飯吃，或者去個 boss 直聘，貝殼找房，58 同城啥的，人家一樣要演算法的呀，我就不信內捲到貝殼找房都要你發頂會(過 1-2 年後我可不清楚)，而且這些地方基建相對差，萬一他們某個業務做開了，二次開發場景都有很多機會參與，去這種地方，社會痞氣強點，和領導鬧好關係，完全有很多機會向他們展示你的才能呀。

像我們這種估計連貝殼都不如，徹底失敗的公司，沒啥獨立業務的部門，現在對演算法都沒啥要求了，就我們這樣挫的地方，都能手把手教你 es，spark，flink，kafka 等標準生產工具，深度調包深度學習三件套，線上服務 4 件套，部署開發一條龍(湊合能用那種)，成為了轉行人士的北極，演算法人士的鶴崗，失敗人士的淺色床單，大齡碼農放鴿子的廣場。只要研究生 985 畢業就行了，本科是大專都不管你，沒到灰飛煙滅的地步，就是你跳槽出路相當堪憂，因為沒啥亮點技術和業務。。。

另外，現階段活命要緊，也別老盯著強勢業務線投簡歷，走業務下沉，去中臺部門也香呀，中國現階段的紅利都消失了，強勢業務部門都是老人把持，老人只會扶持自己嫡系，你去了阿里頭條一樣會失敗，資源都被前浪吃光了，剩下那些老人無事可幹，找一堆能力頂尖的刷題兵，吭哧吭哧地給老人們幹活，我一點都不明白這些人圖啥，要是進 google 享受 wlb，苦哈哈刷題去了也值了，國內成功公司，校招進去那刻就是人生收入的巔峰，每天都在苦哈哈推黃賭毒廣告，對社會科技進步沒任何幫助，公司 996 也沒自己思考的自由，跳槽還要發敬業福，也沒地方敢接盤，為了那點連廁所首付都不夠的錢，活著都有啥意思？這群后浪就不會起來反抗一下？

另外，萬一連失敗公司都進不去的，可以去找一堆沒名氣的小創業公司苟著嘛(注：沒名氣小公司，就是名字聽起來像是啥xx躺平極限科技有限公司，反正聽起來像科技公司，但是不知道是啥來路)，小公司不好的地方在於，可能大機率碰到壞人，而且現階段倒閉風險太高，可能半年就要跑路，每天累得生不如死，所以這是下下策。

真的逼得沒辦法，沒出路要去這種小公司，我建議是你多看看企查查，調研一下公司背景，學生其實並沒有社會經驗透過資料判斷這種公司，一個玄學辦法就是上脈脈看看有沒有人讚美和洗地，有的話一定別去，正常的小公司，沒有任何存在感，有人提到的話，極高機率都是噴的，如果被噴也沒人來洗白的公司，應該是正經幹活，只是活的挺苦逼的小公司，如果被噴還有一堆水軍洗地的，千萬別去，保不濟老大是啥價值觀有問題的人，比如有贊那位啥鴨來著？

最後，還是多說幾句雞湯，大家不去，無非是學的太多，沉默成本太高不肯放棄，比如發了兩篇頂會的焦慮能否發 5 篇，發了 5 篇的焦慮要 package 要低了，大家都沒有認識到世界的殘酷，撈一筆的心態很強，沒有學會躺平思考，擔心去了小公司以後去不了好公司，擔心去了好公司邊緣崗位被裁員，又擔心小公司培養路徑亂七八糟，又擔心去大公司邊緣業務線被 pua 啥的，影響成長。反倒像我這種沒任何論文的學渣，心態好，去哪裡都不介意，工資給的別租不起房就成，唯一祈福是別碰到壞人就成。

所以說，年輕人擔心內卷，有時候的癥結在於想的太多，真正面對的失敗還是太少，真的失敗以後，你是不會怕選擇不好的，你只怕連選擇的機會都沒有，所謂灰飛煙滅，只是人比人得死罷了，每個人找自己的私域流量發展自己，躺平思考，何必在同一條賽道比賽撒灰？

說點實在的，就我們這邊NLP的演算法工程師來說，有以下技能需要實實在在得掌握：

1、正規表示式。對，你沒看錯，就是正規表示式。除了簡單的文字匹配場景外，各種文件結構化、資訊抽取的冷啟動，基本都是靠這個。因為在實際業務下，你不可能一上來就能獲取高質量的標註資料，更別說上各種sota模型訓練了，所以你可能要掌握各種正則騷操作，比如XX前面不存在XX字元且後面存在XX字元，或者XX字元出現幾次且後面必須出現XX字元的場景。其實我一直想做一個根據人類語言自動提供正規表示式推薦的模型，調研了一陣子發現難度很大，從另一個角度也說明要寫好正規表示式也非常難的。

2、常用句法分析工具。這個一般主要會在關鍵短語抽取、資訊抽取裡使用。由於缺少標註資料，不能使用sota模型，又因為單獨使用正則畢竟不能cover各種case，因此有時候需要與句法分析工具結合，配合對簡單語法的使用，例如主謂結構，動賓結構，補語結構等等，找出我們所需的資訊單元。不過從頭訓練一個句法工具通常來不及滿足業務方的上線期限，因此通常會使用一些已有工具如哈工大的LTP，雖然有些問題，但是大多數情況下夠用。

3、效能最佳化的意識。這裡並不特指某個效能最佳化的方法，而是在日常寫程式碼的時候，要有這個意識，例如如何最佳化迴圈的效率、能夠並行化操作的地方儘量並行化，模型讀取資料的時候如何最佳化讀取的效率，模型部署上線inference的時候是否滿足業務的效能要求，如果不滿足，能夠找到效能最佳化的位置，例如模型設計的時候是否設計了冗餘的層數、是否使用了過於複雜的模型，部署的時候是否使用一些高效的部署方式（例如tensorflow-serving）、是否可以使用tensorRT最佳化部分op，是否可以針對部署平臺上的硬體環境重新編譯tensorflow等等。這些都需要在實際的工程中自己一個個趟坑趟出來。

4、linux。這個技能也是剛需的，但是並不需要你對linux的操作精通到什麼程度，但至少你得懂常用的操作命令吧，例如監控伺服器的狀態、防火牆策略的配置、docker的簡單操作、常用資料庫的操作（mysql、postgresql等）、壓縮解壓包命令、ftp/sftp命令、chmod命令、vi、cat、ps等等，具體就不詳細說了。

除了上述技能外，我預設大家對NLP領域的技術都是符合條件的，所以就沒額外說明。如果你對基礎的統計機器學習、RNN、transformer、bert等不太瞭解的話，那實在是說不過去了。

上述技能針對的是需要落地需求的演算法工程，但如果你是專門做演算法研究，對落地沒有要求的，那就可以忽略上面的東西，此時你需要的就是拼論文、拼比賽、拼研究組、拼導師、拼學長學姐。。。

最後說一下這個內卷問題，其實我在知乎上說非技術的事情很少，一方面是我在這塊向來思考不多，怕說多了被人噴，另一方面我這個人也比較佛系，不太會去跟別人爭來爭去。這次也只是想陳述一下自己的觀點，如果覺得有道理，可以試用試用，如果覺得沒道理，大可以無視之。

首先，內卷這個問題是客觀存在的。作為一個17年計算機專業但是非科班半路轉行的人，我承認自己佔了一定的早期紅利，如果把我放到現在，估計我也是那批被捲成人乾的人。即使是剛入行的幾個月，我也會經常焦慮，焦慮自己會不會被其他有頂會、有比賽的大佬淘汰掉，看到其他北上廣大廠的大佬的薪資，焦慮自己會被困在南京這個行業環境不太好的地方，甚至還會焦慮自己35歲是不是就下崗了。後來我慢慢跟自己和解了，接受了自己的能力所限，畢竟有人第一的話，總有人是最後一名吧，但是這個最後一名並不代表你是不好的，只是人家比你更好而已。

今年疫情原因加上行業內崗位日趨飽和，好工作確實難找，但這並不是我們的錯，我們也沒辦法改變當前這個狀況，我們能做的是好的崗位該爭取就爭取，但是面試過不了或者連面試機會都拿不到的時候也別過分在意，找工作的時候雖然要注意一些坑，但是最好不要考慮太多因素，遇到合適的就去吧。工作的時候，努力在自己力所能及的範圍內將事情做到極致，該爭取時候的爭取，爭取不到也無需過度在意，玩把遊戲，彈彈琴就過去了。

畢竟生活大於工作。

最近公司來了一位實習生，可能剛出來實習，看見他的大三同學們好多去了大廠，就自己來了一家創業公司，其實換誰都覺得有點不平衡(換做你只是一位大三學生看見同學刷頂會去大廠不羨慕是假的)。再之前帶過的一位研一妹子，經常問我是不是要刷題才能進大廠，我給他們的答案都是一樣的，進大廠會讓你的履歷更光鮮，“可能”讓你跳槽其它大廠會方便一點，但這跟你以後職業生涯能不能賺錢做得開不開心不是掛鉤的，如果你在裡面沒啥實際專案落地也沒啥用，如

有些師弟不跟著畢業師兄的東西(已經中頂會，程式碼全套，前人對比實驗全套)做下去。不聽勸，硬要自己折騰 去做自己感興趣的，師兄和他說過他感興趣的方向的sota已經卷得不行了，他還去，然後搞不出來又去打比賽，結果最後搞了快一年啥也沒，現在秋招才來找師兄內推。 真的是無語。 為什麼有些師弟就總覺得自己只要努力就能出論文呢？ 就不懂得論文不是靠個人努力就可以的，前人實驗程式碼的積累，實驗資料的積累，各種資料集坑的摸索，能幫忙剩下多少努力的時間。 真的是 不知道怎麼說他好。這種師弟還不是個例。

2020年07月16日更新。  有傳承的實驗室發paper真的難度低了好多，只要運氣不要太差，基本一年內能搞篇頂會沒啥問題( 寫個2, 3篇 總能中的 )，搞完就去實習。

師弟要做的事情清單:

1 將前面好幾代人的程式碼，更新下版本做個相容。

2 看看前面師兄在各個資料集上的badcase的分析。

3 找一下有沒有師兄論文發表後，新開放的資料集，用師兄們積累的程式碼跑一下。 然後再總結下badcase。

4 找一下有沒有最近相關的新模型，找找有沒有程式碼 跑一下，看看他們的 badcase.

5  然後這些做完後，如果沒有想法，拿這些case 去找師兄要個想法。或者自己和別人交流過程也會有些想法，也可以嘗試。

6 寫論文，同時拉個師弟讓他參與熟悉你的論文想法，還有收拾下實驗結果和總結 留給後面的人。

然後很多師弟的情況是，在師兄論文發表完後，給師弟們掛了個3作 4作(師兄掛師弟，是希望師弟能參與下，之後能獨立寫作，可是師弟往往啥也不參與，就摸魚，經常是論文發表後都不知道論文在做啥，之後師兄去實習了)。然後，讓師弟去做上面的 1和3,4 的時候 他們就覺得太難了。論文看不懂，程式碼看不下去。自己感覺做的東西不高大上，都是些枯燥或者重複的工作，然後就自己搞自己的去了。  他們覺得師兄能發頂會 自己也能發, 卻沒看到發表論文的師兄是吃的前面多少位師兄積累的老本。

2020年7月19號補: 過來人提示: 提前批一般是各路神仙打架，普通人可以先找家公司實習，擴充自己的人脈，完善自己的簡歷。等提前批之後 有一定機率會遇到 一些企業發生戰略調整(通常在季度末)，新成立一些部門或者擴大部門，這時候如果能透過自己的關係得到訊息的話，去投簡歷成功率會高一點(不會進備胎池，缺人缺得厲害，面完一般就要你趕緊來上班報導幹活了)。