這裏有最簡單易懂適合HR的技術乾貨,咱們國家的科技水平已達到了一個前所未有的水平,區塊鏈微服務容器人工智能大數據雲計算,以後可能和程序員聊天都困難!
說聲抱歉,告訴你。我們迴歸啦!
自2018年6月之後,我去到了一家新公司負責區域的管理。因爲過於忙碌,實在是無法抽出身來爲各位TechHR的小夥伴們撰寫相關的內容。
在過去的4個月裏,我也備受煎熬。
最終決定離開原來的公司,開始重拾過去的獵頭工作。
目前,我的時間也逐漸迴歸。
感謝這4個月以來,在公衆號沒有更新任何信息的情況下,各位居然還沒有取關。
我弱弱地看了一下,粉絲數量一個沒少。
從這周開始,我們會逐漸恢復撰寫內容和組織活動。
今天這篇推文是迴歸的第一篇推文。
崗位怎麼招
這是技術乾貨的固定欄目
暫時只能不定時更新
我們會將TechHR粉絲崗位疑慮
整理成文
———— / BEGIN / ————
前段時間,有幾個HR朋友問我:
算法工程師的日常工作到底是在幹嘛?
平常看起來似乎還挺閒的,工資還那麼高。
有時候算法工程師好像又和大數據工程師是一樣的工作?
互聯網科技發展蓬勃興起,人工智能時代來臨,抓住下一個風口。爲幫助那些往想互聯網方向轉行想學習,卻因爲時間不夠,資源不足而放棄的人。我自己整理的一份最新的大數據進階資料和高級開發教程,大數據學習羣: 957205962就可以找到組織學習 歡迎進階中和進想深入大數據的小夥伴加入
這到底是怎麼回事呢?
大約整理出以下幾個疑問:
1、 軟件工程師、算法工程師、大數據工程師區別
2、 一個算法工程師的日常
3、 算法工程師有哪些類別、涉及的技術、作用領域
4、 算法工程師的段位怎麼分
5、 算法工程師常見的面試問題
這次我們先來看看第一個問題。
軟件工程師、算法工程師、大數據工程師有什麼區別?
一、軟件(開發)工程師
從事軟件開發相關工作的人員的統稱。
其工作內容會比較寬泛,從編程到算法,軟件整體架構到編碼的實現,都是需要涉及。
而事實上,我們常規所說的軟件工程師,其狹義的定義實際上軟件研發工程師、程序員等,他們是主要進行軟件架構和編碼實現,會使用我們常常聽到的JAVA、PHP等開發語言。
下附目前市場上常規的軟件工程師的類別:
二、大數據工程師
大數據工程師,其實上並不存在這樣的崗位。
它實際上是與大數據相關聯的一類崗位的總稱。
跟大數據有關的職位主要分成2大類:一類是應用類、一類是系統類。
應用類
偏向於數據分析、數據應用,比如我們經常講到的數據分析、數據挖掘,均屬於這個類別。這類職位主要的功能是提取數據、挖掘數據中隱含的業務信息,支撐企業決策。
這個類別中的大數據算法,其實我們基本上可以理解算法工程師。
這是唯一跟算法工程師有交叉的部分
系統類
偏向於系統開發,比如我們經常聽到的hadoop、雲計算,就是屬於這個類型。這裏其實主要是hadoop(一個分佈式系統,簡單理解爲另外一種和Windows或者是MacOS一樣的東西)偏多,開發語言一般是Java。而另外數據管理員(DBA)和大數據運維工程師,其實,還是原來的DBA,沒有變化。
三、算法工程師
他們的職責會更純粹,他們需要知道如何把現實問題轉化爲數學的模型,並且把模型調到極致,從而解決問題。
算法工程師工作內容更單一(其實有時候,他們只是在思考問題,而不是真的閒),但是更專,需要更好的數學功底。
不過,目前市面上大部分招聘算法工程師的崗位,特指機器學習、數據挖掘領域的非確定性算法或解決一些非確定性問題(見名詞通俗解釋)。
因此,有時候所謂的算法工程師,真的和大數據相關的工程師在工作上存在大量的看起來『重疊』。因爲,這個工種是想辦法從數據中獲得規律,通過規律優化目前業務、從而產生價值。
算法工程師大致分成以下2類,其中建模類的算法工程師,實際上的工作會和大數據相關的崗位相似:
四、小結
上述簡單從職位的定義上做拆解,其實這3個崗位,其工作職責分別處於不同的階段和層次。
更多時候,一個完整優秀的產品,可能需要上述幾個崗位協同進行配合工作。他們的工作流大約是這樣的。
這張圖大致描述了不同崗位之前是在什麼時候介入工作相互配合的。
其實算法工程師,也可能是數據挖掘工程師。
其實生活中有非常多跟算法有關的現象,只是我們沒有發現而已。
對於我們不是做技術類工作的人而言,我們只是不知道其細節,但我們應該要定位到其位置,這樣我們在進行人才招聘的時候,才更容易做到心中有底。
名詞通俗解釋
引入新概念
要解釋非確定性問題,需要會引入另外一些概念:確定性問題,多項式時間。
多項式時間
在計算複雜度理論中,指的是一個問題的計算時間m(n)不大於問題大小n的多項式倍數時,解決問題的時間。
舉例
我們打開高德導航,從廣州東站自駕開車前往祈福新村
一般會出現3條路線,1、廣州大道路線;2、新光快速路線;3、華南快速路線。
每一條路線,均會有一個預估時間。
這個時間,大約就是多項式時間的意思。
確定性問題
確定性問題(polynomialproblem簡稱P問題):所有可以在多項式時間內求解的判定問題稱爲P問題。
假設我們在導航的路徑上必經之路上添加中信廣場、體育中心。
問題1=廣州東站-中信廣場
問題2=中信廣場-體育中心
問題3=體育中心-祈福新村
問題1、問題2、問題3,則爲前面多項式時間的多項式。
駕駛員是否經過中信廣場或體育中心?則稱爲P問題
非確定性問題
非確定性問題(non-deterministic polynomial problem簡稱NP問題):
可以在多項式時間內驗證答案是否正確的問題,爲NP問題。
作爲駕駛員,當出現3 條導航規劃的路徑時,我想選擇一條時間上最快的路徑規劃,這時顯示華南快速路線比其他2條路線節約10分鐘(這是NP問題,是不是真的可以節約10分鐘)。
我到達祈福新村,這時我問走新光快速的鄰居A,其到達祈福新村的時間。
這時他告訴說,他跟我同時到達祈福新村。
這時,我才驗證:華南快速路徑規劃(答案)不是正確答案。
可能P問題和NP問題,你們會覺得跟我們的生活關聯度不大。
在算法工程師眼中,則是完成不一樣的。
以導航的例子來說,若出現絕大部分人驗證華南快速這條路都和新光快速這條路的通行時間是一樣的,那麼說明該路路徑並不是最節約時間的路徑。
高德導航的路徑算法工程師,可能需要重新調整其路徑規劃的算法公式。
這樣,才能夠更好的爲高德用戶服務了。
也許他在數據庫中抽取的數據還應該添加上
1、車型的不同會導致駕駛速度不同,造成對通行時間的影響
2、不同品牌的汽車,其加速減速對通行時間造成的影響
3、男女駕駛員的駕駛技術不同,對通行時間造成的影響
其實,這個過程就是他們在修改算法公式的參數,所以有時候算法工程師,還有一個外號,叫調參狗。
但即使是這樣,其最終的通行預估時間,也不見得一定準確。
算法工程師想要獲取相關的數據,也不見是全網數據。畢竟並不是所有人都使用的導航是高德。
算法工程師通過不斷的優化算法公式,讓這個時間儘可能與真實的通行時間一致,相似度越高,大家對高德地圖的信賴度就越高,用戶就越多,高德才能夠進一步割用戶價值的韭菜。
跟HR相關的例子:
2018Q4季度要完成10個人的招聘(問題),12就是這個n,Q4,則時間是m。
1、現在公司只有你一個人負責招聘,你個人的招聘能力是平均每個月完成4個人的招聘。那麼完成這10個人員的招聘,則是3個月。m(12)=3個月。
2、如果現在公司除你之外,另外一名同事也負責招聘,他的招聘能力是2個人/月,那麼第一個月完成招聘人數爲6人,第二個月爲6人,整體的m(12)=2個月,提前完成任務。
那麼,是不是對招聘人員數量的增加,就會提高整個招聘的進度呢?
答案是不一定。
假如你是這個算法工程師,你覺得最終完成招聘任務的時間,會跟哪些因素有關係?
答案在下期的《誰說HR不能瞭解算法工程師的日常?》公佈。
公佈一個新消息
去年答應好友Judy爲其小圈子的HR朋友提供一次excel的分享交流,然後到2018年快結束了,這個活動至今未能成行。
鑑於EXCEL對我們的HR日常工作的幫助巨大,我們計劃11月開啓第一波《HR的EXCEL實戰訓練營》,而在開啓這波訓練營之前,我們想找5位HR小夥伴加入我們,成爲我們公益教練組成員。
我們對這5位小夥伴有如下要求
1、 有一定的EXCEL基礎
2、 從事過薪酬績效或招聘相關工作
3、 和我們一起有公益心願意分享自己的技能,幫助同行更好的成長。
4、 有一定的空閒時間,可以幫助點評作業。
5、 廣州或深圳區域的小夥伴優先
我在此爲你們準備了一點點小小的心意。下圖這本書,我會贈送給通過的5名小夥伴。
這本書是一本幫助我們拿到微軟辦公軟件國際認證的好書。
國際認證的證書大約是這樣的。
看完這本書後,可以考慮去MOS報名參加OFFICE MASTER考試。
雖然很多人說 OFFICE MASTER的證書沒啥用,但至少有幾個好處:
互聯網科技發展蓬勃興起,人工智能時代來臨,抓住下一個風口。爲幫助那些往想互聯網方向轉行想學習,卻因爲時間不夠,資源不足而放棄的人。我自己整理的一份最新的大數據進階資料和高級開發教程,大數據學習羣: 957205962就可以找到組織學習 歡迎進階中和進想深入大數據的小夥伴加入
1、簡歷上再也不用寫精通OFFICE這種沒有意義的描述,直接改成OFFICE MASTER
2、留學申請有加分,美國ACE下屬1800所大學可抵免學分