最近2022屆校招火熱進(jìn)行中，而大疆給應(yīng)屆生開到42k的薪資也刷屏了整個朋友圈。
今天在知乎上看到一個有趣的話題，想和大家一起討論一下：
作為一名NLP算法工程師，這三個方向都搞過，按照自己的理解，分別來說一下NLP在這三個大方向分別能做啥：
搜索：Query理解（糾錯、改寫、分詞、重要性、緊密度）、Doc理解（賦權(quán)、文本摘要、關(guān)鍵詞抽取）、文本相關(guān)性（語義匹配模型）、倒流（搜索詞生成）、知識圖譜、精準(zhǔn)問答、摘要飄紅（閱讀理解）廣告：OCPX時代，廣告主能操作的就只有創(chuàng)意和定向了，定向（行為興趣定向，主要是通過理解內(nèi)容來做可解釋強(qiáng)的用戶定向【講內(nèi)容標(biāo)簽通過牛頓冷卻定理等打到用戶身上】，據(jù)傳大的廣告平臺，定向消耗一天能占1個億），創(chuàng)意（標(biāo)題生成、內(nèi)容理解、程序化創(chuàng)意），內(nèi)容審核（低俗廣告不準(zhǔn)投放），電銷商機(jī)識別推薦：內(nèi)容生態(tài)規(guī)整，通過NLP技術(shù)幫助對內(nèi)容生態(tài)做規(guī)整（黃反識別、低俗識別、文本消重、標(biāo)題黨識別等），針對內(nèi)容生態(tài)做治理，幫助建立更好的內(nèi)容壁壘。某國內(nèi)一線推薦大廠自詡能夠機(jī)器寫文章，可見文本生成在整個推薦領(lǐng)域也是有很強(qiáng)的應(yīng)用背景的。如果從NLP對于整個系統(tǒng)的重要程度來看，NLP在搜索中是雪中送炭，而NLP針對廣告和推薦叫做錦上添花。所以如果有NLP背景，從事推薦算法，那么就相當(dāng)于是眾望所歸的一個選擇。
目前CV和NLP崗的需求都已經(jīng)嚴(yán)重過剩，想要進(jìn)互聯(lián)網(wǎng)大廠從事這兩個崗位，更是難如登天！我認(rèn)識的很多同學(xué)都已經(jīng)放棄了算法崗從而轉(zhuǎn)向開發(fā)。而根據(jù)美團(tuán)2022屆校招情況，需求量最大的算法崗也是推薦算法工程師，但門檻要求也高，不僅前沿的推薦算法要精通，還要會模型壓縮，否則上線后不滿足QPS；以及大數(shù)據(jù)Hadoop、Spark也要做到精通才行。
總結(jié)一句話就是：算法工程師要是沒有工程能力，簡直沒法干活。
但是我想稍微明確一下，推薦算法相比于其他的算法崗，例如NLP，CV，對工程的涉及面更加廣和深，除了提到的shell，HiveSQL，Spark，Git這些每個算法工程師都需要掌握的基本工程框架/組件。我認(rèn)為推薦算法/系統(tǒng)工程師還需要掌握Online和Offline的數(shù)據(jù)流，召回，排序這幾個階段所涉及到的工程知識和代碼能力。
我給大家從職友集上查了一下推薦算法工程師的薪資，又與美團(tuán)做推薦的同事們聊了一下，這個薪資非常客觀，一般兩年內(nèi)都能達(dá)到這個薪資水平（普調(diào)+晉升）：
最近有很多小伙伴在后臺留言，希望我提供一些項目資料+Python。目前自學(xué)抓不到重點，又沒有大廠實操項目傍身，在校招和社招面試中屢屢受挫。自己一番折騰下來，毫無頭緒，學(xué)習(xí)效果自然是大打折扣。而網(wǎng)上很多教程也比較碎片。
而我一位朋友北大博士整理了一套資料。這是我目前見過最好的推薦項目產(chǎn)品。功能完整，代碼結(jié)構(gòu)清晰。值得推薦！！
通過對推薦系統(tǒng)架構(gòu)的整體規(guī)劃，深入了解推薦算法的整套原理，以項目實戰(zhàn)案例貫穿，實現(xiàn)基于Hadoop的協(xié)同過濾和聚類，充分展示大數(shù)據(jù)中模型和Hadoop的結(jié)合。同時，在原有基礎(chǔ)上橫向與縱向深度剖析分類問題、離散特征、權(quán)重動態(tài)分配、模型融合，模型的評價，以及多路召回融合的實施，循序漸進(jìn)的方式學(xué)習(xí)模型在實際工作中的使用優(yōu)化，打破進(jìn)階屏障！
（僅部分內(nèi)容，20G+學(xué)習(xí)視頻資料）
以及還整理幾套大廠面試真題（含答案）+推薦架構(gòu)論文，也分享給大家，供大家學(xué)習(xí)！！
由于工作需要，這份教程我本人也在學(xué)習(xí)中，雖然已經(jīng)從事開發(fā)這個行業(yè)多年，再學(xué)習(xí)這份資料的時候，仍可以查缺補(bǔ)漏，收獲滿滿。我相信不管你是Python入門、大數(shù)據(jù)入門，還是已工作多年。這份學(xué)習(xí)資料，都值得你去認(rèn)真學(xué)習(xí)研究。
