算法领域职位这两年大热，鱼目混珠的筒子不少，一直很困惑于如何甄别的问题。
1. 在回答时，尽量不要用一些似是而非的诸如「项目经验丰富」、「工作年头长」、「在大平台工作」、「背景好」、「聪明」、「学习能力强」等看似有理，其实在操作中全无用处的维度来回答；
2. 尽量使用定量，或者至少是定性的要素来界定，比如「主导过什么性质什么级别的项目」，「在算法建模或算法优化中的具体表现和指标」，「处理的数据量级和复杂非标程度」，「为实际的业务带来怎样的增长和价值提升」等等；
3. 从我接触的为数不算多的算法领域人才的经验，能够解决什么样的问题可能是一个甄别的要点，这里最好能够详细阐述能够解决的问题的性质、范围、落地模式、复杂程度等等维度；
4. 个人运气和机缘确实会在一定时间区间内对一个算法工程师的收入产生较大的影响，但从长期来看，这样的因素又会趋于弱化，所以不要用运气的成分来概括一个算法工程师的市场价值表现，那是没有诚意的；
5. 算法团队的 Leader 也可以谈谈你们在给算法候选人定薪的时候都会参照什么样的标准和因素，但如果是「他之前 30 万，所以我给他 40 万」之类的回答就算了；
6. 如果能够顺便说说一个算法工程师如何可以从 20 万进阶到 50 万乃至 100 万的高度，那就更加完美了。
在此敬谢。
作者：Cat Chen
20 万：别人派活自己基本上能独立完成，偶尔需要 50 万的人给予一点帮助。没有人派活的话，可能就不知道接下来做什么能给团队产生最大的价值。
50 万：就算没人派活，也知道接下来自己的项目该如何做，以及做完这个项目下一个项目做什么能够对团队产生最大的价值。需要在不影响自己项目的前提下，花时间给一个到几个 20 万的人提供指导和帮助。
100 万：对下，能够给 20 万和 50 万的人派活，让他们觉得自己接到的活难度恰到好处，既不会简单到无聊，也不会难到做不出来，而且还能学到新东西。（实际上，明知道 20 万和 50 万的人解决不了的问题，都要自己解决了。）对上，能让各级老板觉得花在这个团队上几百万一年的人力资源成本实在是物超所值。
以上模型对各种类型的软件工程师都有效。
简单来说，对于级别为 i 的工程师而言，他对级别为 [0..i-1] 的工程师产生的价值越高越好，他需要从级别为 [i+1..] 的工程师（或老板）获得的帮助越少越好。一个工程师之所以被定级为 i，是因为他能够对 i-1 提供价值，但还做不到 i+1 能做到的事情。
最后，我知道题主很想要一个清晰的模型来说明如何定级和定薪酬，但很可惜这跟你工作上训练的任何模型一样，都有模糊说不清楚的部分。只是这个模型不是存在于你的机器上，而是存在于各位老板的脑子里。这个模型的训练数据是现有工程师的级别和薪酬，而且模型可能存在 overfitting 的问题，例如说「我们唯一一位 100 万的工程师能做这个，所以我们认为其他人都要能做成这个才有资格拿 100 万」。很遗憾，这些问题现阶段都是无解的……
作者：AngSnow
对于应届生来说：
1.拿的出手的项目经验(kaggle牌子，天池top等，或者自己实验室项目)；
2.coding能力强(leetcode至少秒medium)；
3.大厂对口岗实习经验(注意是对口)；
4.教育背景。
今年秋招，算法几乎是30w起步，听说的最高的是同校cs专业一个70w的，据说是有文章。
在一个回答中看到，人与人的能力差别，真的是数量级的差别，在算法岗，体会的非常明显。比如，同样打kaggle，有的人可以短短一周之内打到金牌，而且是利用空闲时间在做。同样一篇论文，有的人很快复现，有的人要复现很久。这种大脑效率上的差异，在宏观世界反应出来的，就是薪资的差距吧！
作者：王礼Leon
本人从事数据相关行业10来年，经历过各种岗位的磨练与挑战，薪资这几个阶段都经历过，现在每天也在帮助企业招聘大数据人才，对20万、50万、100万，甚至更高级别的人才要求有一定的见解，下面我就从几个角度解构下这几类人的能力素质模型，这些也是我在日常招聘过程中对人才的基本要求！
技术能力：
20万级别的算法工程师，0年-3年，需要在无导师指导情况下，独立完成一个算法模型，算法种类有很多，你只需要熟悉某一类算法模型，比如预测评分模型、分类模型、关联推荐模型、文本分析等，仅仅只需要懂一类，程度上能独立工作就好，哪怕做出的模型还不够老练。
50万级别的算法工程师，3年-5年，需要掌握起码三类以上的算法模型，熟悉每一类算法模型中有哪些典型的算法，并且对各典型算法适用的场景了然于胸，举个例子，做分类的算法有决策树、逻辑回归、SVM模型等，需要知道怎样的数据形态适用哪种算法，每种算法的优缺点在哪里，适用于什么业务场景，如何进行模型的演进与优化。同时，要掌握模型实施的整个环节，从样本定义、特征值分析、算法选型、模型评估、模型部署、模型监控等。
100万级别的算法工程师，5年-10年以上，需要完全具备50万级别的算法能力外，这个级别的工程师是公司中的灵魂人物，需要不仅仅掌握模型算法的能力，也需要熟悉相关周边技术，比如大数据生态圈相关的技术，还要求具备公司在技术领域战略方向的确定选择和实施落地步骤的把控，比如，在金融信贷风控领域，需要做出授信额度模型、风险定价模型、反欺诈识别模型、客户需求意向度模型等等，需要这位带头大哥非常清晰各个模型的内在联系，落地步骤怎样哪些该优先去做哪些往后，哪些做哪些不做，等等。
业务能力：
20万级别的算法工程师，对业务经验没有太多要求，更多要求是技术上的能力，但如果懂业务，具备公司所在的行业业务经验，则加分也非常明显，如果是多个人同时竞争一个岗位，那么，原来是这一行业的最容易胜出。
50万级别的算法工程师，需要具备至少1年以上的同行业的业务经验，技术是会有瓶颈的，到了这个级别的工程师，一定要注意选定行业作为自己的职业，跳槽要慎重选择，不能频繁换行业，需要积累行业业务经验，这是重中之重。
100万级别的算法工程师，他是公司的专家、科学家，要做技术专家的同时，也要是一个业务专家。所有的技术最终是为业务服务的，只懂技术、只会搭积木是远远不够的。技术如果没带来收益，所有的投入都是没有产出的。作为公司的灵魂人物，所有技术战略方向、业务战略方向都与你有关，你为公司的营收业绩负责，不会因为你只是负责管理技术而对业务营收没有要求。
团队协同：
20万级别的算法工程师，要求不高，在团队成员中能够进行良好的沟通，到达一定技术水平时候，可以帮忙带领实习生工作。这个级别人员，我个人要求具备一个分享精神，分享才能让自己技术学习更快更牢固，分享帮助自己的同时更重要的是帮助自己。团队的学习氛围怎样，就是看这个级别的员工，团队成员有进步，团队才会更加牢固。
50万级别的算法工程师，leader级别，需要具备一定的管理能力，跨团队沟通协同能力，项目驱动能力。作为骨干人员，需要带领好自己的团队成员，对团队的高效产出负责。要会培养成员，能够做他们的导师。
100万级别的算法工程师，管理上，应该都是部门经理、总监以上的了，管理能力的要求比较高，要能够确定业务方向、公司战略方向等，决策失误，会浪费大量的资源，甚至会给公司带来灾难性后果。举个例子，重大算法模型的研究是一个充满风险的事情，需要投入大量的资源，但结果往往难以预料，这时候，就非常需要这位带头大哥对业务、行业、市场、对手等等有充分的了解，才能做出正确的抉择。
作者：匿名用户
不谈虚的能力，只谈现在国内的行情。
20W
ps：我觉得改为25W-35W较好，实际上现在20W招不到合格的算法工程师了！
相关方向的应届本科/硕士，能拿到BAT offer的那种。这个门槛其实很低，有不错的代码能力，对机器学习有一些很基本的掌握就行。
BAT算法工程师的面试，一方面是要能写代码，其实挺多也就是leetcode中等题的水平，ACM铜牌以上就无压力了，没搞过ACM的多刷刷leetcode这方面也不成问题；一方面是能跟面试官扯一些机器学习的东西。
理论基础其实面试官也好不到哪去，你随便问BAT那些在职的算法工程师一些偏理论的机器学习问题，也能把他们问懵逼。所以面试机器学习，理论基础你只要好好上过课就没问题了。项目经验，只要做过实验室的相关项目，或者有对应的实习经历，或者有相应的竞赛经历（kaggle，阿里天池等等）也没问题了。
50W
有名实验室的优秀硕士/勉强能毕业的博士。 和几个清华、港中文、港科大的同学聊过，普遍表示他们实验室能毕业的博士offer没有低于50W的。很简单的道理，大部分知名实验室对博士的毕业标准就是三篇一作顶级会议；现在AI的行情，有三篇一作顶会在手，50W的offer是不难拿到的。
在那些实验室没达到这个标准，是没法博士毕业的。当然也有部分硕士毕业的时候就有三篇一作顶会，这种属于很优秀的了，拿50W年薪也是可以的。至于那种本科毕业就有三篇一作顶会的，应该是大神了，基本会去美帝top学校读PhD，一般不会直接去工作的。
100W
100W及以上的算法工程师，基本属于科学家了，大多数在这个领域的知名公司担任leader的角色。
知乎这样的人其实挺多的，保护别人的隐私，我也不一个个艾特出来。
这些人大多是名校博士，导师在业界非常有名。博士期间发表了很多顶会论文，拿过Google PhD fellow/Microsoft Fellow，或者做出了非常有影响力的工作。
知乎上有一个问题，最高赞的回答列举了许多知乎上的算法大神。目测这个回答里面列的几乎所有算法方向在工业界工作的人，都属于100W及以上的级别。
当然他列的人也是存在档次差距的，有些已经在业界算是功成名就，远不止百万年薪了。另外他也列的不全，据我观察知乎上还有不少100W级的大神。
总而言之，什么样的人能成为一个算法团队的leader ？
要么读博士期间师从领域内大牛，并且有很好的论文，是这个领域的专家；要么在工业界做出了成果，有相当的资历；要么就是那种天赋异禀的大神，姚班的IOI金牌，这种本科直接年薪百万也不是问题，比如今年姚班的陈立杰和范浩强。
众所周知，学术是一个圈，而且还是一个挺小的圈；往往一个方向最好的几家实验室，还彼此认识，关系不错。工业界虽然是谁行谁上，但算法方向毕竟偏学术，特点非常接近学术界，带有圈子属性。现在算法人才不仅贵，而且难招。大公司跟名校建立合作关系，请学术大佬来当首席科学家，他的博士也全都打包过来；创业公司利用自身的人脉关系，比如face++能招到不少清华优秀学子（创始人清华姚班），商汤科技招了很多香港中文大学的博士（创始人香港中文大学教授）等等。
如果你能进入高端的学术圈，跟着一个大牛导师读PhD绝对是磨刀不误砍柴工的。这可以给你带来异常强大的业界人脉，和大佬们谈笑风生甚至一起合作的机会。你会发现业界那些牛逼闪闪，名气响亮的人，可能就是你的师父/师叔/师祖/师兄/师姐。找实习找工作都不按流程走，打个招呼就过去了。
当然了，火热的行情也让申请变得很难。机器学习方向，知名实验室知名导师的PhD申请，比以前竞争激烈了很多。
