⑴ 各位前輩好：現在面臨就業，一個offer是光電行業的圖像演算法工程師；一個是機器視覺研發工程師；
光電行業的圖像演算法工程師和機器視覺研發工程師應該都是類似工作的，都是做圖像處理的。
目前視覺行業還是比較火的，現在的行業做，然後細分到具體行業做
⑵ 圖像演算法工程師，工作半年對未來很迷茫，該如何調節
一個人在面臨新的環境，原有狀態發生改變，需要做出選擇的時候，容易產生迷茫。比如高考結束後填報志願、新生入學、畢業進入社會就業選擇、工作幾年後不知道如何調整未來的方向出現職場迷茫等等，你說的職場迷茫正是後面這種情況。迷茫是暫時的，同時也是正常的。每個人在成長過程中都會或多或少感覺迷茫。要擺脫這種境況,建議你根據自己的能力、崗位的要求、技術的發展趨勢、市場未來的需求，為自己設置一個目標，也就是規劃.然後定一些階段目標,只要自己跳一跳就能實現的那種.等實現後,再定下一個努力就能實現的目標,這樣一步一步就達到最終目標了.目標切忌過大，要可望又可及,那樣不至於使自己迷茫和氣餒,如此你便可以能夠有成就感，不再迷茫。
⑶ 圖像演算法工程師（雙目orTOF）有前途嗎
應用工程師即是現場技術支持/服務工程師，銷售則是專門負責賣東西的，應用工程師做好了，在外資可以升級為高級應用工程師---高級應用經理
⑷ 演算法工程師未來的發展方向35歲以後呢
技術能力是技術人員的立身之本。站在演算法的角度，這里的技術能力主要是演算法應用能力，包括閱讀論文、演算法實現、工程化以及相關文檔的撰寫。
技術人員常見的一個認知誤區是技術大於一切，認為只要技術做好了，就應該得到認可或獎勵。事實上，技術在大多數情況下只是商業中的一環，技術做得好不能確保商業上的成功。
以自營電商為例，技術人員做一款功能強大的購物APP不難，但同時必須有商品研發、供應鏈和物流配送才能完成一個極小的商業閉環。此外，要想商品賣得好得有市場和運營團隊一起發力。在這樣的背景下，購物APP只是諸多商業環節中的一個節點，因此僅僅依賴軟體研發技術顯然不足以實現商業上的成功。好的技術團隊必須始終圍繞各商業環節，有能力定位問題，並研發工具有效地解決問題。
作為演算法工程師，在立項和需求評審時，需要有能力評估項目為業務帶來的價值以及演算法在整個項目中的價值，從而避免把精力浪費在「投入產出比」不高的事情上。如何做到這一步呢？除了有扎實的技術，還需要深入了解業務。
需要了解的業務知識包括（但不限於）商業模式、業務流程、業務限制以及與當前業務相關的技術等等。演算法工程師了解業務的另一個好處是洞察需求，解決問題的同時可以發現更多的技術問題，從而推動業務的進步。
技術人員最難跨越的是從技術能力到業務能力的提升。有兩方面原因：一是技術人員主觀上不太願意處理業務問題（扯皮的事情較多）；二是技術人員晉升和跳槽時主要被考察的還是技術，因此業務能力在有些技術人員看來短期的收益不高。
架構能力是一種解決復雜問題的能力，它需要考慮業務的現狀和未來，把復雜問題分解成簡單問題，然後給出解決方案。與軟體架構相比，演算法架構更偏向業務，不僅要對業務進行建模和抽象，還要考慮工程實現，以便技術方案在實際業務中落地。因此，良好的技術能力和業務能力是演算法架構能力的基礎。
演算法相關的技術項目可能涉及到與其它技術工種的配合，例如：產品經理、數據分析、數據開發、前端、後端、測試、運維等。因此，演算法工程師設計的技術方案應該考慮到演算法模塊與其它技術模塊的解耦與協同。
演算法工程師做解決方案時應該從全局出發：一是技術上不僅考慮演算法而且還要考慮工程實現和產品化（切忌手裡有錘子，看什麼都是釘子的想法）；二是從整體業務的角度考慮項目帶來的收益。例如，假設推薦系統的重構可以帶來推薦模塊的轉化率提升。那麼這件事情一定值得做嗎？我們還應該評估這個提升效果對大盤利潤的影響。如果對大盤利潤的提升有限，或許應該把精力投入在更有價值的項目中。
⑸ #圖像識別演算法工程師(ocr)#坐標上海，為什麼感覺招ocr公司太少。我做這個都快三年了，最近面試
招的還是有的，只是這個東西是一家公司的核心的東西，所以可遇不可求，通常也是公司內部知根知底的人，慢慢培養出來的
來自職Q用戶：劉先生
演算法工程師，還是挺多招的啊 來自職Q用戶：劉女士
⑹ 圖像演算法工程師待遇高嗎
的確算得上是一個入演算法坑的黃金時間，曾經的條條大路通 CS 變成了條條大路通 AI，不管你曾經讀的是物理還是生物，化學還是數學，只要你會 Python，會統計學基礎，那時的我都會推薦你們來試一試加入演算法這個坑，我也抱著體驗的心態開了幾次知乎 Live 都講了一些關於演算法入門相關的課，按那時候來講，只要你「思路正常，邏輯清晰，吃苦耐勞，肯學習」，在演算法這個坑裡摸滾帶爬四五年到現在，你要是在大廠，基本上都能拿到這個數，放一張最近的圖可供參考。
圖片引用至 @曾加 ，可以參考這位大佬的最新文章：
曾加：最新！互聯網大廠各職級薪資對應關系圖（2020年初）
zhuanlan.hu.com
圖標
以我熟悉的阿里為例，文中所說的二三十人團隊，那基本上就一個P8主管，下面再拆成2-3個小組，每個小組有一個P7/8帶隊，帶著一群P5-P7幹活。這就基本構成了阿里的一個最小組織單元，每年的績效和獎金大體上都是由這位P8主管決定的，所以我們一般尊稱為老闆……
扯遠了，其實我想表達一點，如果現在再有人來問我，學了 Python 之後怎麼樣加入演算法坑比較好，我的建議是不加入。
我們常說的演算法，本質上是統計，而統計是基於大數據的。目前能真正擁有大數據基建的企業其實並不多，能通過演算法產出新價值的就更少，所以看起來搞 AI 的風風火火，其實大部分都是投資人含淚投的錢，背後能賺錢的少之又少，即便是在大廠也不例外。
所以一個目前仍不賺錢的行業，沖著心中偉大的理想和抱負，會像招開發那樣花重金吸納大批人才嗎？答案明顯為否，其實只需要花重金留住頂尖的演算法人才即可，調包調參的 AI 選手無論何時都可以招得到，而目前大部分通過自學、培訓機構出來的 AI 人才，就是這樣的 tool boy。
巧的是，曾經我也是這樣的 AI 選手，但誰叫我運氣好，混得好不如混得早，現在轉去數據分析那可就是降維打擊了（手動狗頭
最後再概括一下，今年是 2020 年，如果想從事演算法和數據行業，建議先讀一個相關專業的碩士，比如數據挖掘、圖像識別等，且學校不能太非主流，不然可能簡歷面都過不了。
⑺ 做了半年圖像演算法工程師感覺很迷茫怎麼辦
已經不太適合了
這種工作比較累，而且做這種要經常參與加班和分工製作，大多都是那些20出頭的年輕人在做這些，一個團隊中，如果你因為特殊情況而不能經常來加班，也確實不怎麼好
還是建議一些文職，或者是自己能控制時間的崗位會比較好
個人意見，僅作參考