數據團隊與演算法團隊怎麼合作

① 大數據工程師都需要什麼能力

大數據工程師、大數據維護工程師、數據挖掘師、大數據演算法師。

大數據開發方向：涉及的崗位諸如大數據工程師、大數據維護工程師、大數據研發工程師、大數據架構師等。

數據挖掘、數據分析和機器學習方向：涉及的崗位諸如大數據分析師、大數據高級工程師、大數據分析師專家、大數據挖掘師、大數據演算法師等。

需要的能力：

1、提升程序設計能力。動手實踐能力對於本科生的就業有非常直接的影響，尤其在當前大數據落地應用的初期，很多應用級崗位還沒有得到釋放，不少技術團隊比較注重學生程序設計能力，所以具備扎實的程序設計基礎還是比較重要的。

2、掌握一定的雲計算知識。大數據本身與雲計算的關系非常緊密，未來不論是從事大數據開發崗位還是大數據分析崗位，掌握一定的雲計算知識都是很有必要的。掌握雲計算知識不僅能夠提升自身的工作效率，同時也會拓展自身的技術邊界。

② ACM 比賽中三個人怎麼合作比較好

我認為在這個問題上，是沒有絕對的「更好」的方法。

• 這樣做有幾個好處:

1.每個問題中至少有兩個人知道演算法，有兩個人可以檢查錯誤，這可以大大提高演算法正確和最終採用的概率。2.當玩家在機器上寫問題時，另一個玩家可以在紙上做准備，並提高機器的使用時間。3.有可能充分發揮新玩家的角色，他們不能解決問題，因為編碼速度可以在短時間內訓練，但這不是一天兩天的工作。

③ 游戲開發轉演算法,演算法崗是如何轉開發崗

演算法設計與演算法實現通常涉及到演算法的崗位有兩個，分別是演算法設計和演算法實現，現在有不少團隊把這兩個崗位進行合並，做演算法設計的同時也要負責實現。音/視頻演算法工程師圖像處理演算法工程師信號演算法工程師自然語言演算法工程師數據挖掘演算法工程師搜索演算法工程師例如有的招聘要求。

1、演算法崗是如何轉開發崗？

經常跟演算法打交道技術人員和開發崗的技術人員在大公司崗位的差別做的工作可能大一些，在中小企業做的工作不見的差別很大，我本人是開發崗的工作平時工作也見不到專門搞算的人員，更多是從架構和解決實際問題出發，但在整個項目上開發崗的人員可能相比演算法崗的人員想的更多一些，這是由開發崗不僅要會一兩門語言就可以，像前後端的所有相關的包括產品UI上，比如js、css、h5、mysql、redis、linux、php、nginx及客戶端的iosandroid相關開發語言都有涉及到的，單獨做演算法工作可能就相對窄一些，這是由工作崗位和本職工作內容決定的，但有一點既然能搞演算法了，像上面說的相關語言、資料庫等等的技術學起來應該很快，經驗多了自然就掌握，看著要學的東西技術挺多真正實際用到的沒多少，但轉崗過程工作中一定要做與各協調部門的協作掌握精通前面技術人員協調好，對快速轉崗很好幫助。
2、java程序員轉演算法難嗎？擁有哪些資格才稱得上演算法工程師？

近年來，演算法行業非常火爆，越來越多的人在學習演算法，計算機的終極是人工智慧，而人工智慧的核心是演算法，演算法已滲透到互聯網、商業、金融業、航空、軍事等各個領域，改變著這個世界。演算法工程師非常火爆，急缺大量人才，年薪也越來越高，剛畢業30-40萬很常見。很多人想入手學習演算法，那麼多演算法，究竟該如何下手呢？很多人看到招聘要求，演算法工程師有很多具體分支：音/視頻演算法工程師圖像處理演算法工程師信號演算法工程師自然語言演算法工程師數據挖掘演算法工程師搜索演算法工程師例如有的招聘要求：1．至少熟悉一門編程語言C/C /java/python/R2．熟練掌握數據結構，具有良好的演算法基礎和編程功底；/熟練運用各種常用演算法和數據結構，有獨立的實現能力；3．熟悉數據挖掘演算法4．熟悉機器學習相關知識理論加分項：具有較為豐富的項目實踐經驗那麼是不是要直接學習這些演算法呢？其實不然，萬丈高樓平地起，任何高深的演算法都要從基礎演算法學起，不可能一口吃個胖子，所以入門演算法還是要從基礎開始，
在IT領域，數據結構與演算法的應用無處不在。數據結構與演算法是計算機開發人員的基本功，很多大廠面試都要考查數據結構與演算法，數據結構與演算法不僅可以培養我們的演算法思維，提高分析問題、解決問題的能力，還可以讓我們快速學習新技術，以更高的角度思考問題。想進大廠，還是先練好內功，首先學習一門語言，例如C/C /Java/python，初學者學C 比較普遍。
3、演算法和開發崗相比，哪個前景更好呢？
這兩個崗位的工作內容我都接觸過，目前我帶的大數據團隊中既有演算法工程師也有開發工程師，所以我說一說這兩個崗位的區別，以及未來的發展方向，演算法設計與演算法實現通常涉及到演算法的崗位有兩個，分別是演算法設計和演算法實現，現在有不少團隊把這兩個崗位進行合並，做演算法設計的同時也要負責實現。但是也有一些團隊是分開的，做演算法設計的不管實現過程，
目前我帶的團隊中演算法設計和演算法實現是一個崗位，也就是說負責演算法設計的同時要負責實現，大部分演算法實現目前使用Python語言來完成。目前團隊中做演算法崗位的工程師都是研究生畢業，有數學專業、物理專業、計算機專業畢業的，從工作的復雜性上來說，演算法工程師的工作強度還是比較大的，但是演算法工程師的職業周期也比較長。
很多演算法工程師最終成長為企業的首席科學家，或者是首席技術官等崗位，可以說演算法工程師的發展前景還是非常不錯的，開發崗位軟體團隊的大部分崗位都是開發崗位，有前端開發、後端開發、移動端開發等，可以說大部分程序員做的都是開發崗的工作。與演算法崗位不同的是，開發崗位人數多，佔比大，而且大部分開發崗位的職業周期都比較短，一般開發崗位在做到一定年齡（比如35歲）之後都會轉型。

④ 什麼是數據科學與大數據技術

「數據科學與大數據技術」專業是近兩年才設立的新專業。「數據科學與大數據技術」專業有著很好的就業前景並且就業的寬度廣，就業薪資待遇水平高，缺點可能在於專業設立較新，教學課程設置上可能無法跟上大數據人才培養的技能需求。
「數據科學與大數據技術」專業的人才培養方向
分析類崗位
分析類工程師。使用統計模型、數據挖掘、機器學習及其他方法，進行數據清洗、數據分析、構建行業爛槐中數據分析模型，為客戶提供有價值的信息，滿足客戶需求。
演算法工程師。大數據方向，和專業工程師一起從系統應用的角度,利用數據挖掘/統計學習的理論和方法解決實際問題；人工智慧方向，根據人工智慧產品需求完成技術方案設計及演算法設計和核心模塊開發，組織解決項目開發過程中的重大技術問題。
研發類崗位
架構工程師。負責Hadoop集群架構設計開發、搭建、管理、運維、調優，從數據採集到數據加工，從數據清洗到數據抽取，從數據統計到數據分析，實現大數據全產業線上的應用分析設計。
開發工程師。基於hadoop、spark等構建數據分析平台，進行設計、開發分布式計算業務，負責機器學習、深度學習領域的開發工作。
運維工程師。負責大數據基礎平台的運維,保障平台的穩定可用，參與設計大數據自動化運維、監控、故障處理工具。
管理類崗位
產品經理。負責大數據平台產品的設計工作，主導數據產品的功能規劃、體驗設計飢山，與研發、數據分析、演算法團隊緊密合作，挖掘數據價值，形成數據產品，包括部分數據可視化的產品設計等。
運營經理。根據業務特點，結合業務發展需求，設立數據監控模型,搭建數據分析架構，理解業務方向和戰略，為業務戰略決策、業務方向提供決策支持，競爭分析及建議。

「數據科學與大數據技術」專業的就業前景
人才需求方面，騰訊研究院於2017年12月發布了《2017年全球人工智慧人才白皮書》，數據顯示，中國592家公司中約有4萬位員工，而中國對於人工智慧人才的需求數量已經突破百萬，人才嚴重短缺，迫使企業不斷降低工作經驗門檻，甚至不惜從零培養人才。人工智慧人才掌握的技能寬度和深度均在逐漸提高。2017年求職的人工智慧人才中，有68%的人掌握至少3種技能，簡歷中最常出現的技能包括spark、深度學習、演算法研究、Hadoop，Python等。而人工智慧工程師的招聘主要集中在演算法與開發兩個大類, 本科學歷及明枝以上人才目前是人工智慧領域的主力軍，同時，就業人群在快速年輕化。

在薪資待遇方面，可參考IT行業類的專業，2016屆本科應屆畢業生就業薪資最高的10個專業中軟體工程、計算機科學與技術、電子信息工程穩進前十，薪資待遇分布在7K到9K之間，IT行業的薪資待遇非常高。人工智慧以及大數據技術的崗位人才需求逐步上升，未來可能會發展為就業前景最好的專業之一。