大家好，我是chris，入行前5年在一家上市游戏公司做算法，从数据挖掘算法在业务线落地开始，涉及机器学习、深度学习，后来逐步负责整个算法团队建设。

现在在阿里，也是负责算法方面的工作，涉及到的领域涵盖CV、NLP、架构等，业务线也扩展到广告、运营、客服、风控等各个方面。

在外行人眼中，算法工程师可能拿到最近某大神新发的Paper，或者自己钻研理论推公式产出理论成果，通过并行编程实现其支持大规模数据训练，然后打败现有模型，ctr提升200%，收入提高200%。然而实际情况是：

作为算法部门负责人，我曾经面试过很多候选人，一般我通常从逻辑思维、基础算法与数据结构、数学、深度学习、表达能力和工程经验等几个方面考察。

我发现其实很多人只是自认为懂得算法，刷了一遍西瓜书就敢出来面试了，另外有数理基础的应届生，算法掌握得也不错，但实际3年可能写了不到1000行代码，实操能力极差。

在面试了好几个简历优秀的年轻人后，我惊讶得发现原来很多初学者对数据挖掘/算法工程师实际上的工作流都不是很了解，导致职业技能偏差。这就是为什么，企业收到的简历越来越多，但公司实际可用的就那么一两个，而且开价不菲，忍痛签下还可能被同行挖走了。

那么算法岗位具体的工作流程是怎样的？我们先来用一个小型NLP项目流程来举例，让大家了解机器学习项目有哪些大的环节:

以上流程从业务流程来看，机器学习项目基本就是了解业务需求 ->调研业界方案 -> 查看是否适用 -> 上线效果。不难发现，在对待具体业务上，算法工程师如何通过“实践”提升自己的机器学习水平，以及如何通过机器学习/深度学习实际应用来改善企业的业务等级和营收能力至关重要。

我经常说算法只是工具，重要的是在正确的行业和产品认知上，实现业务目标。

所以有人恐慌算法工程师会被自己的算法替代，这是极其可笑的。机器可以做的虽然很多，但是无法代替人对数据的理解，这是算法工程师存在的价值。而Deep Learning虽然在某种程度上代替人提取特征，但是它最多只能解决特征变换问题，仍然处理不了数据清洗和预处理中需要用到领域知识的情况。

在我的经历里，我倾向于算法工程师是技术+产品经理为一体的综合型人才。

而对于跨专业的学生/从业者来说，跨界反而是优势，不是障碍。特别是如果你作为本身是一个其他行业（物理，工程，化学，医学，农业，卫星地图识别，网络安全领域，社会科学）的普通程序员，在本行业有比较深的理论和实验背景，能接触到海量数据，那么你完全可以做一些创新性和交叉性的工作，这就是人工智能+的人才。

现在有很多的机器学习课程和教科书，它们大都是关于如何从零开始制造烤箱，而不是如何烹饪和创新配方。但对大多数企业而言，其实他们需要的只是烹饪方法——即解决他们业务问题的方法。

为了能让更多初学者了解机器学习/数据分析/数据挖掘等岗位的工作流程，找到入门的切入点，我特地邀请了两位人工智能不同领域的专家，**一位BAT的数据挖掘工程师@熊猫酱，一位计算机视觉方向的专家@Angela，**还有我阿里高级算法工程师@Chris，以自身具体的工作流为核心，举办连续四场人工智能入门分享会。

我们将分别从各自擅长的领域：python数据分析、机器学习理论、机器学习数学、算法工作流，以我们在大厂具体工作流逆向指导理论学习，规划学习路线，是不可多得的入门级课程，旨在为广大的AI爱好者和跨行学习者提供坚实的基础。

福利一： 《人工智能入门分享会》 适合人群：入门、初中级学员

本次分享会将为你解答以下疑问： 我适不适合学习人工智能？我是医学生，现在AI医疗就业情况怎么样？数据分析/数据挖掘/算法工程师的区别是什么？算法工程师对算法需要理解到何种程度？模型选择和参数调优技术，是否是通用的？深度学习算法的应用场景……（~你的所有疑惑，在这里将全部解决！）

千万不要在本该快速成长的时候错过机会。参加本期训练营，一线导师将尽心为你在线解答疑问，更有同伴一起相互监督鼓励！本期更是免费帮你分析具体职业进阶方向！

第一期300名试学学员获得一致好评！

福利二：学习资料 机器学习从入门到实战视频课程

另外同学们，都可以获得由这份由上海北大、清华、交大等名校导师以及大厂一线工程师联合组写价值1388元的《机器学习从入门到实战视频课程》，包含python基础、数据分析、大数据、机器学习、实战等五大类目的精华干货视频，课件和源码都能下载，以下是目录。

当然任何资料都只是辅助，分享会最重要的是能跟着老师们一起动手实操，学习一线开发的人工智能思维，了解大厂具体工作流，迈出人工智能的最坚实的一步!

福利领取： 扫码添加助教小姐姐微信 回复“人工智能”即可领取 福利1：人工智能入门训练营资格 福利2：人工智能入门与进阶视频资源