【导读】人工智能火热的 2017 年，算法相关岗位无论在薪资还是受欢迎程度上，均在市场中名列前茅。但在 17 年整体算法岗求职市场排摸中，我们却发现到几位高薪入职新岗位的算法候选人，纷纷在入职新公司不久后因水土不服而火速离职。这不禁使我们疑惑：2017 年，算法工程师的求职之路，真的一帆风顺吗法工程师高薪、热门的背后，又有哪些不为人知的故事于2018年，算法工程师的求职之路将会是怎样一种状况呢/span>
「算法岗位薪资高，刚毕业的本科生都能拿 XX 万年薪」，算法岗位不断传出的高年薪多少让在 2017 年看机会的互联 人有些红眼。一时间「Java工程师如何转岗算法」、「前端工程师如何向人工智能岗位靠拢」、「零基础如何入门算法」等类似的求教帖在各个技术平台、讨论 区被反复热议。
诚然，一个处于上升趋势的领域总是更能够给大家带来「希望」。在整体互联 行业趋于平稳发展的 2017 年，算法岗位无论是在需求还是供应上的显著增长都使它成为相对「保守」的 2017 年招聘市场上一个亮眼的岗位。那么 2017 年，算法岗位的整体表现如何/span>
通过 100offer 对 2017 年算法岗位的整体分析上看，2017 年的算法岗位在供需增长上的表现的确十分亮眼，但是也出现了平均面邀数明显下降的情况：
-
算法岗的求职者显著增长：算法求职者增长 87%；
-
招聘算法岗的公司数量增长约 1.2 倍；
-
虽然招聘公司增长显著，但求职者的平均面邀数却出现显著下降。
那么，为什么会出现平均面邀数显著下降的情况及作为求职者应该如何应对呢/span>
说明：
3. 数据截取对象：求职方向为算法、数据科学家的候选人，他们经筛选在 100offer 进行匿名展示，他们收到的面试邀请和薪资普遍高于市场平均水平。
4. 100offer 平台统计的面邀薪资、跳槽后薪资数据方式：月薪*发放月份。不包含奖金、期权等。
▌算法岗位供需增长显著，但求职者所获人均面邀大幅下降
1. 算法岗位求职者增加87%
2017 年，期望求职方向为算法的求职者增加了 87%，一跃成为去年求职数量最多的技术岗位第三名。
我们通过细分数据后发现，这部分增长人群主要来自：
（1）高学历群体
算法是高学历人群的聚集地。近年来，算法岗位的硕博占比逐渐升高。从 15 年的 35.4% 上升到 17 年的 53.2%。
（2）资深求职者
除了学历越来越高外，市场上看机会的资深候选人变多。3 年以下的算法方向候选人占比较 16 年下降 4.2%，工作 6 年以上的算法工程师上升 6.9%。
2. 招聘算法岗公司数量增加 1.2 倍，但发出面邀仅增长 6%
2017 年进行算法岗位招聘的公司较 16 年增长约 1.2 倍，一跃成为需求量最大岗位第三名。
和需求公司一起增长的还有公司发出的面邀数。2017 年，需求方总共发出 2 万+ 面试邀请，虽然发出的总面邀数增长了，但这一增长率较 2016 年仅为 6%，远低于求职者（增长 87%）的增长量。
3. 求职者所获平均面邀数显著下降
相较于 2016 年算法求职者平均收获的 13.9 封面邀，算法工程师的面邀数在 2017 年下降至 7.8 封。通过上一点的分析，我们发现算法岗的求职者涨幅远超于发出的面邀数涨幅，这也就不难解释为何 2017 年算法求职者收到的面邀数量显著下降了。
那么，2017 年市场上的算法求职者究竟经历了什么/span>
▌匹配率低带来的算法岗求职之苦
通过对 2017 年算法岗位的总体观察来看，求职匹配率低是导致在供需都增长的情况下，平均面邀数显著下降的主要原因。
从公司角度上看，很多没有进行数据积累或者没有大数据分析基础的公司盲目的想要跟上 AI 的热潮，以为贴上 AI 的牌，就算站上了人工智能的风口。这些公司盲目地设置算法岗位的 HC，更有甚者花高薪聘请 1-2 名学术背景优秀的博士生，寄希望于 1-2 个算法工程师解决整个数据问题。
通常这种情况带来的结果都十分悲剧。公司一方面忽略了自己现阶段没有适合进行大数据分析的土壤，另一方面又过于「神化」一个高薪博士能够带来的工作成果：希望他能够快速、完美地完成既定目标。在被高薪聘请的算法工程师还停留在数据清洗、与原有的技术部门进行所需数据的结构改造时，这些公司就已没有耐心（或者没有足够的经济成本）继续培养这个高薪工程师，最后只好公司自己咽下盲目招人的苦果。
除了公司角度外，求职者的盲目、无规划跳槽则是影响求职匹配率的另外一个主要影响因素。
我们首先需要明确一个前提：与其他技术岗位相比，算法岗有明确的门槛。
相对于其他的技术岗位，比如十分热门的 Java、前端工程师，算法工程师对于求职者背景的要求显然高出许多。100offer 在「如何快速成长为一名出色的算法工程师一文中抓取了平台上标记为算法岗位的 JD，其中让人注明的关键词包括：数学、硕士、论文。这些关键词侧面反映出算法岗位相对于其他的技术岗位而言，对于求职者提出了更高的学术背景要求。
除了学术背景的要求之外，算法工程师的第二道门槛就是理论联系实际：应用的门槛。如果你很会推导公式，在训练模型上很有经验，但是求职者如果缺少将理论与实际业务相结合的能力，那么市场能够给你的机会也不多。
在市场上，与算法岗位的招聘需求不匹配的求职者主要有三种：
1. 缺乏相关经验的求职者
这里的背景包括两类：工作背景和学术背景。
在 100offer 上想要转型为算法工程师的人数不少，某知名 985 学校计算机专业科班出身的余周就是其中一名 Java 工程师。在余周的工作背景中，大部分都是面向对象编程的工作经验，即使有一个和预测数据类相关的小项目，但这个项目显然无法替他敲开算法岗位的门。
在 100offer 平台上，余周在以算法工程师为求职目标时，没有收到任何面邀。
（余周在 100offer 上的具体求职情况）
和余周一样，自以为有相关经验的转岗求职者在平台上并不少见，市场给予他们的反馈也十分直白：不适合。
2. 即使有经验，但是过于理论的求职者
和余周不同的是，拥有扎实模型推理基础和相关工作经验的张楠，踩了理论无法与实际相结合的坑。
知名理工科院校计算数学背景出生的张楠，从某一硬件公司研究院的算法岗位出来后，在 100offer 平台上收到了 7 个面邀。他成功通过某一知名互联 公司的面试。面试时，公司对他出色的数学推导能力表示认可，并开出了涨幅超过 50% 的年薪。入职 1 个月后张楠就被 HR 约谈，公司决定解雇他。给出的理由就是过于理论，短期（半年）内无法落地。
（张楠在 100offer 上的具体求职情况）
面对这样一个情况，拥有搭建算法团队经验的面试官许至一说出了中间出现不匹配情况的原因：「很多公司研究院做的东西，比如仿真这种，可能一个模型训练下来，（理论上）的确能够实现，在他们的 KPI 评价体系中也是达标的。但是这种实现都是对实现环境有非常严格要求的，这种理论上的实现和工业体系（实际业务）中差别还是非常巨大的。有些在工业体系中就是实现不了，并不是说他们错了，而是他们难以落地。」
即使有良好的数理背景，但没有迈过业务落地的槛，最终导致求职失败。张楠 2017 年的求职路给了想要从事算法工程师工作的候选人另一个警钟。
除了余周和张楠这样的求职者，100offer 上还有更加令人惋惜的另外一种「算法求职失败」，即细分领域内的不匹配。
3. 算法岗细分领域内转岗的求职者
某知名 985 学校毕业的博士生谢霖，在图像算法领域有很深的研究。11 月来 100offer 平台上进行求职，拿到了某知名互联 公司广告算法 offer。看重公司的平台，并且公司表示他可以单独负责一个新的方向，谢霖决定转岗广告算法。
但入职之后，谢霖发现他了解的算法技能并不能很好地被应用到现有的岗位上，经过深思熟虑之后，他还是放弃了这个机会，重新到市场上进行求职。
（谢霖在 100offer 上的具体求职情况）
「虽然说底层的算法内核是一样的，但是他们在实际应用中，包括业务领域、处理的问题、需要的技巧方面的差异还是特别大」许至一如此解释这种求职不匹配。算法内部转岗可能意味着前期技术积累直接的浪费，这样一种不匹配求职十分可惜。
上面三种情况就是 2017 年算法岗位求职现状的一种折射，不适合、不匹配成为算法岗位 会招聘中最高频出现的两个词。
前些年被「培训班速成」就能取得高薪岗位「冲昏头脑」的求职者，在算法岗上吃了个闭门羹。公司进行 会招聘的目的就是寻找合适岗位的人才，以前会出的现不那么匹配的人也能求职成功的「特例」，在算法岗上并不能直接复制。
为什么不能复制，想要转岗算法的求职者要怎样才能满足市场的要求呢/span>
▌提升岗位匹配率，需要 match 这些能力
在弄清楚如何满足市场对算法工程师提出的要求之前，我们需要先明白，算法工程师究竟需要做什么。
1. 算法工程师究竟要做什么/span>
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！