关于算法工程师职业发展的思考( 二 ) 近年来人工智能技术取得了巨

第一，某一项技术的专家。比如说我是强化学习方向的专家，我对强化学习演进的历史特别清楚，过往的技术点有哪些，未来可能的研究趋势有哪些，更重要的是我还为这项技术的发展做出过某些重要的贡献。那我就算是强化学习的专家了，这是一个很确定的。
第二，某一技术领域的专家。比如说CV是一个技术领域，这个领域里有很多特定的算法，虽然我不是某一特定算法的专家，但是我都了解，更关键的是我可以利用这些成熟的算法解决特定的业务问题，这也是一类专家；例如推荐系统也是一个领域，也可以成为这个领域的专家。
第三，某一商业领域的技术专家。比如说拿商业广告来说，它包含了一整套的技术，例如说怎么优化网上广告的配型，比如说怎么做广告的个性化推荐等，你不仅都知道还可以带领团队搞定整个系统的问题，所以你也可以成为这一商业领域的算法专家。
如果你想成为一个专家，那到底是你想成为上述三种的哪一种呢？有过思考吗？
文章插图
我们接下来说第二类，与专家相对应的是偏宽度，简称为“杂家”吧，也有三个维度：
第一，全能型算法工程师；这类工程师的学习能力特别强，给他任何一个问题，都能通过快速学习掌握相关知识点，然后把问题解决；再抛给他另一个完全不同的问题，依然可以快速解决。其实在某些类型的企业或者某些阶段的企业，给算法工程师营造的工作学习环境就是这样的，你没有办法决定精专一个方向，因为每天都要面对各种层出不穷的问题，且都需要你尽快解决。但是大家可以想象在这种环境长期发展下去的话，对算法工程师长期发展会造成什么影响；
第二，可能不完全包含算法工程师，在特定的领域内，你对数据全流程都了解，对数据怎么从头到尾应用到机器学习领域都了解，有点数据科学家的意思。
第三类，在大厂或者大平台有过丰富的经验，用同样的算法解决不同量级的问题；相较于其他没有相关经历的算法工程师，你知道怎么去处理更大的问题面对更大的挑战，这是很重要的优势。
总结来说，即使说你什么都能干，也要想一想是在一个什么样的框架下处理什么样的问题。
文章插图
再说第三类，还有些人在特定阶段要走向管理，转向管理需要具备的技能与前两类又不一样。
其实当你已经是一个领域的专家后，大家都会在继续走专家线还是走向管理线间有过思考和摇摆。但是不管你最终走向何方，一定要知道适合的才是最好的。怎么判断自己更适合哪个呢？那就需要把专家线和管理线对人才模型的要求搞清楚。专家线前面已经说过，我们在介绍下管理人才需要具备的技能。
第一点， “学而优则仕” 。怎么理解呢？只有那些已经成为技术专家的人，才有选择的机会。转管理是有门槛的，发展路径会一般是技术专家-技术leader-管理。；
第二点，需要学习相应的软技能。这个涵盖的范围还挺大，简单列举些：如何招人、如何用人、如何保人，领导力，沟通能力，项目管理能等等。
如果你未来想要走向管理岗，在技术上一定要有建树，还要提前学习和储备相应的软技能，而不是转过之后在补充。
03
值得思考的问题
文章插图
这次分享不是为了给大家具体的答案，而是希望能够引发大家对于算法工程师/研究员职业发展问题的思考。人无远虑必有近忧，想清楚后早做相应的规划和准备。接下来会给大家提出几个问题：
1. Deep and wide, which domain?
这个问题在之前讨论过，大家可以回顾下。希望你在平时对这个问题就有深入的思考，不要到三五年之后被问到的时候回答“我还没有想好” 。找不到方向时，往哪个方向走都是错误的。
2. How much do i want to work with people? And how good am i?
大部分人都有转管理的想法，但是你一定要清楚做研发与做管理是很不一样的。简单提醒几点：
第一，何时选择转管理？如何从技术专家过渡到管理岗位？这是需要面对的第一个问题；
第二，如何获取团队的信任？是不是只要你的技术足够强，就可以获取团队成员的认可和尊敬，就可以把老板交代的任务都干好。是不是真的是这样子的？