编
这个岗位的薪资区间是按企业规模拆的，和只给一个总区间相比更好对照。欢迎补充你所在城市的实际范围。
POSITION 06 · 数据智能 · Algorithm Engineer
算法工程师
把规律训练成模型，再让模型稳定地上线
算法工程师用数据与模型解决可规模化的预测、推荐、识别与生成问题。工作远不止调参：样本构造、特征工程、评估方案、推理成本与线上退化监控，往往比模型结构更决定成败。
核心职责 01 / DUTY
必备技能树 02 / SKILL
常用工具 03 / TOOLS
PythonPyTorchNumPy / PandasDockerGit
成长路径 04 / PATH
0–1 年 · 复现
能复现论文与基线，跑通训练到评估的完整链路。
1–3 年 · 落地
独立负责一个场景，从样本到上线闭环。
3–6 年 · 主导
设计方案与评估体系，权衡模型复杂度与业务收益。
6 年+ · 专家
向算法专家或研究方向发展，定义团队技术路线。
面试高频题 05 / INTERVIEW
- 如何处理正负样本极度不均衡
- 离线 AUC 涨了线上却没涨，怎么排查
- 解释过拟合与正则化的关系
- 模型推理时延过高有哪些优化手段
适合什么样的人 06 / FIT
常见疑问 07 / FAQ
关联行业与相关岗位 08 / LINK
这个岗位常出现在这些行业，也常与这些角色协作：
入行必知 · 岗位小知识
E
企业规模 × 参考薪资
示意区间 · 非官方统计 · 可由社区修订同一岗位在不同规模的企业里，做的事和拿的钱都不一样。以下为编辑整理的参考区间，欢迎提交修订。
| 企业规模 | 参考月薪 | 工作重心 |
|---|---|---|
| 初创 / <50 人 | 20–35K | 快速验证场景与基线 |
| 成长型 / 50–500 人 | 28–48K | 样本、特征与上线闭环 |
| 大型 / 500–5000 人 | 35–60K | 评测体系与推理成本优化 |
| 平台型 / >5000 人 | 45–80K | 平台化能力与前沿研究 |
需要的能力
五维能力模型，等级 1–5
数学基础
5/5
工程实现
4/5
实验设计
5/5
业务理解
4/5
评估严谨
5/5
G
在岗体验
体验用几个真实会遇到的情景，体验一遍这个岗位 / 行业每天在权衡什么。
算法工程师 · 离线涨了线上没涨
模型之外的东西，往往决定模型有没有用。
D
讨论区
讨论遇到不准确的地方？把你的经验留在这里，其他人也能看到。
匿
面试高频题这一块很实用，建议加上「现场写代码时怎么解释思路」，这块常被忽略。
W
提交修订提案
修订像维基百科一样，任何内容都能被补充：指出字段、写下建议与理由，被采纳后计入贡献值。
→
相关岗位
→