2019 年秋季校園招聘已進入尾聲。近年來，校招成為了企業爭奪人才的主要陣地，尤其是互聯網行業，很多企業都會用高薪來吸引優秀的人才。最近，網上曝光了一份科技行業高薪清單：

先來看看博士的：

可以看到：

華為、大疆給算法工程師開出的薪資已經達到90萬人民幣。其中阿里還提供160萬人民幣的人才獎金。

統計數據中，薪酬最高的當屬 DeepMind，年薪34.5萬美元（約240萬）。

騰訊在基礎應用研究上開出的薪資在45萬-65萬人民幣左右，包括簽字費和股票。

今日頭條比美團整整高10萬人民幣左右，另外還提供簽字費和房補。

不得不說，在對人才的招募上，那些錢對企業來說，都是小事。

看完了博士的薪水，接下來輪到碩士啦。

以上數據來源于校招薪水公眾號

可以看到：

阿里達摩院提供給算法工程師的年薪在45萬-60萬人民幣，其中包括部分股票和10萬人民幣的補助，同樣包括阿里星160萬人民幣人才獎金；大疆的嵌入式開發高達50萬人民幣；拼多多的算法崗比大疆還高出10萬人民幣，達到了60萬。

外企薪資普遍在年薪40萬人民幣以上，其中 Facebook 最高，為年薪16萬美元。

互聯網金融方面，銀聯、浙商銀行等普遍是年薪30萬人民幣。

19 屆校招互聯網技術崗高薪（算法，sp，ssp等）都是30w 起步的。同時在這些高薪崗位中，大多數是都有關機器學習的崗位。那么這些公司校招的招聘要求是什么呢？讓我們來阿里巴巴和騰訊的算法崗和今日頭條的后臺開發崗的招聘要求：

阿里巴巴機器學習和數據挖掘工程師：

1）本科及以上學歷，碩士博士優先，計算機、數學、電子工程、通信等相關專業；

2）熟悉常用機器學習算法，對模式識別、深度學習、增強學習等相關領域，極佳的工程實現能力，精通 C/C++、Java、Python 等至少一門編程語言；

3）候選人有數理分析方面良好的素養以及數理統計基礎；

4）良好的數據敏感能力、較強的邏輯分析能力；

5）良好的團隊合作精神，能夠做到嚴謹、皮實、樂觀；

6）有實際成果并發表在國際頂級會議、期刊者優先，有在 ImageNet、MSCOCO、ICDAR 等權威數據庫上提交過結果并取得優異成績者優先；

7）有 deeplearning 的經驗，有 linux 下開發經驗的，大規模數據處理經驗優先。

騰訊計算機視覺工程師：

1）計算機、應用數學、模式識別、人工智能、自控、統計學、應用數學、生物信息、物理學、量子計算、神經科學、心理學等專業、模式識別、圖像處理、機器學習相關研究方向，本科及以上，博士優先；2）熟練掌握計算機視覺和圖像處理相關的基本算法和應用；3）較強的算法實現能力，熟練掌握 C/C++ 編程，熟悉 Python/Shell/Matlab 至少一門編程語言；4）在計算機視覺、模式識別等學術會議或期刊上發表論文、相關國際比賽獲獎、及有相關專利者優先。

今日頭條后臺開發崗：

1）本科及以上學歷，計算機相關專業；

2）熱愛計算機科學和互聯網技術，精通至少一門編程語言，包括但不僅限于：Java、C、C++、PHP、 Python、Go；

3）掌握扎實的計算機基礎知識，深入理解數據結構、算法和操作系統知識；

4）有優秀的邏輯分析能力，能夠對業務邏輯進行合理的抽象和拆分；

5）有強烈的求知欲，優秀的學習和溝通能力。

可以看到，要拿到這些高薪offer，不僅需要有扎實的計算機基礎和很強的工程能力，還需要有很強的學習能力。其中算法崗對數學的要求較高，對學歷的要求也比一般的開發崗高，有實際研究成果、發表了頂級論文的博士最受歡迎。

那么如何拿到這些offer呢？看看知乎上的網友怎么說的：

@王非池，在2018 年秋招拿到了網易、百度、三星、聯想、拼多多、獵聘、新浪等知名互聯網公司算法崗的offer，他的觀點是：

項目經歷、簡歷、競賽：數學知識一定要扎實，不能有漏洞；一定要參加競賽，不論名次。

編程基礎、機器學習：編程方面，刷leetcode和劍指offer；機器學習方面，主要是刷小藍書《統計學習方法（李航）》和西瓜書《機器學習（周志華）》，經典的算法建議都手推一遍。重點關注損失函數，為什么這樣定義，有哪些優缺點，多思考方法間的比較。

@柏昊，拿了蘑菇街、招商銀行和京東等offer，他的觀點是：

在線OJ刷題：leetcode為主，Python為主，少量Java。

算法基礎知識的準備：《統計學習方法》，周志華老師的西瓜書等等。要對經典算法有推倒的能力，對部分算法有自己手寫實現的能力，可以參考《機器學習實戰》。并且了解機器學習包和各種框架的使用。

@趙普：

數據結構算法：刷LeetCode。刷題時一定要按自己的理解做歸納總結。注意：外企更喜歡bug free的代碼、提交前要特別慎重。

模型原理：常用模型都推導一遍、記住。

項目經驗：之前用了什么模型（如果有）、為什么效果不好、你用了什么模型、為什么用這個模型、效果提升了多少、為什么有提升。著重準備：模型的對比、模型的調參、特征工程、類別不平衡、等實際問題。

數學，一般算法崗都會面一些數學題，主要是：各種概率分布、貝葉斯相關，大多都是算概率的。