一、前述
2020是不平凡的一年。展望2021，希望大家都能有所收获。在此谈下算法方面的工作。
二、工作类别
目前算法工作的话，第一类是数据挖掘，它包含的知识，跟机器学习相关度会更大，包含常规的数据挖掘以及推荐算法。在数据挖掘里面，要单独的会机器学习的特征工程，和其它的领域的知识，比方金融公司，可能要知道一些金融公司业务方面的知识。
数据挖掘，可能有几个附加的知识也需要知道，有的数据挖掘岗，它需要一些机器学习和大数据的组合，还有一种是机器学习的知识，加上自然语言处理的这方面。 新浪微博的数据挖掘岗，可能也需要你会一些自然语言处理方面的东西。
两种组合，一种是传统的数据挖掘和自然语言处理组合打包，是比较抢手的，因为相当于是两个方面的。另外一个就是数据挖掘和大数据方面的组合的叫大数据挖掘。还有一些数据挖掘方面的，推荐系统，它也是属于这个种类的。
第二类就是图像视觉方面，目前最热的是人脸识别，还有就是目标检测、目标追踪。
刚才说的这些，流行的做法是用深度学习来做。如果是做图像视觉的话，一定要看图像视觉方面的书，你比方说 数字图像处理，模式识别，这两本书得看一下，额外具备的知识。
第三类是自然语言处理，第一个是用深度学习做自然语言处理，目前最难的就是聊天机器人，还有用深度学习做实体识别的，语意相似度计算。
如果想在自然语言处理这方面很多工作都得心应手的话，你要加强自己的附加东西，比方说要会实体识别，会算法分析。
自然语言处理的岗位，第一个要求你会意图识别，第二个是语义分析，第三个是智能智能问答，第四个是智能客服。
上面是工作涉及比较多的。还有机器翻译，相对少一些，这些是工作的方向。
三、总结
一个是图像视觉，一个是自然语言处理，一个是数据挖掘，你要尽快的想好去哪个领域，跟你的兴趣爱好是有很大帮助的。
还有几个比较偏一点的，语音识别是2017年的薪资最高的，应届生的话，硕士以上的学历，出来就是27K到30K，这个是boss直聘上统计出来的。2017年它是最火的，2018年它也不会少多少，有一个领域知识，肯定比泛泛的只会机器学习、会深度学习，没有领域强项的要有竞争力。
所以要尽快的不断地要把机器学习、深度学习要学好，尽快的把你的领域方向定下来，然后把这个领域上面欠缺的东西，用业余时间把它加强，把它做完整。
语音识别、语音合成，可能需要掌握的知识就是数字信号处理，还有信号与系统这两个东西。
当然还有一个领域考研招的人更少，那就是智能机器人以及无人驾驶，无人驾驶汽车、无人驾驶飞机，它涉及到的算法是强化学习，后两个不建议去找，一开始就找后面两个的话，难度会很大，并不是说它的知识比别人难，最主要是这个岗位要少一些，意味着机会就少。
我建议是前面三个，数据挖掘岗，自然语言处理岗，图像视觉岗。
四、具体入门工具
数据挖掘岗在我们的学习体系里面，主要涉及机器学习方面东西要多一些，尤其是特征工程， 80%的时间在公司里面，在做特征工程的一些东西。
图像视觉需要的知识，主要是深度学习，现在基本上就不太会用传统的机器学习或其它别的算法。
自然语言处理，一半对一半，深度学习来处理自然语言处理占了一部分，它是最先进也最难的。还有一部分是基于传统的规则的基于语法分析，然后做自然语言处理方面的东西，占了很大一部分。
若做图像视觉用到的工具是OpenCV可能要比较掌握的熟练，其次就是tensorflow，在tensorflow掌握得很好的情况下，可以再考虑用caffe，如果tensorflow还掌握的不熟练，建议使用tensorflow，它有这种趋势，把其它别的深度学习框架全部覆盖掉，以及目前应用较多的pytorch
自然语言处理领域，jieba主要是用来做分词的，第二是nltk能做分词，还能做词性标注，还能做实体识别以及语义分析，句子结构分析。
目前跟传统的自然语言处理以及深度学习半结合的叫做gensim。这个是过渡阶段的，既有传统的又有深度学习的。还有一个就是tensorflow最难的，倾向于机器学习叫做spark mlib，最大的不同是它用集群做的。
这些掌握了，基本上工具方面就全部包含了。
五、算法入门系列课程
https://edu.csdn.net/lecturer/3959
可以帮助你快速入门基础算法。15节大白话算法 ，后续会持续更新。以通俗生动的方式讲解人工智能前沿算法。愿景是打造全网AI最通俗教学，赠人玫瑰，手有余香，在人工智能前行的路上一起前行，以通俗简洁详细的方式，让每一位热爱着深入其中。空间有形、梦想无限！加油！