决策规划算法工程师怎么样, 有没有在在职的答疑

[panxnan]

22 届的毕业生, 去年年底被毕业了, 之前做过 CV,推荐系统. 最近在找工作, 在互联网找工作有点心灰意冷了.

最近比较关注汽车行业, 了解到决策规划算法工程师这个岗位. 在网上搜了一下需求量还挺大的, 门槛感觉也算低(很多入门岗位对工作年限没有硬性要求), 也比较看好自动驾驶领域. 而且我在广州, 广深两地在汽车领域的积累挺深厚的.

主要想请教几个问题:

1. 转岗难度高吗?
2. 前景怎么样? 我还年轻可以卷一下
3. 工作稳定吗? 会不会裁员?

想请教有经验的大大们, 答疑一下.

[panxnan]

大佬,请教啊啊~~~

[crackhopper]

没做过。看了一下技能要求，我感觉门槛不低呀。
算法要求比较杂：
- 图搜索 A*之类的，这种在游戏里面用的多一些，地图上寻路之类的。A*算法本身不太难，但这个方向还是有很多 heuristic 和 meta-heuristic 的优化，因此深入也可以很难。
- 强化学习 RL ，这个方向挺火，比如 chatGPT 训练的 RLHF 。理论较多，稍微难一些，整体来说我觉得学科还是比较新，很多时候难点还在于能不能优化出来。RL 和 CV 里的 GAN 类似。
- 滤波器，Kalman Filter, Particle Filter 。应该是控制里的一些算法，我记得 CV 里也有用，数学比较多，稍微难一些，tracking 方向。
- 控制方法：我会的也不多，我只用过 PID 。PID 比较简单，更高级的控制方法可能会难一些。
- 规划类算法： 基本即使运筹学上的，线性规划、整数规划等等的 。这块数学较多，较难。但用的时候就调包就完了。
- 曲线拟合: Bezier 之类的，这种比较简单，一般属于图形学几何的入门内容。入门级别比较简单，但深入很难。几何从来就没简单过。
- 轨迹采样 Lattice 。我不会，刚简单看了一下，基于 Frenet 坐标系的轨迹计算和采样，看起来涉及一些简单的微分几何知识，可能还涉及微分方程求解，我觉得应该会较难。
- 路径规划。难道是 TSP 和 VRP 这类么？求解基本就是一些 meta-heuristic 的方法：遗传算法、模拟退火等等的。
- 概率图 /Bayesian Network： 这块个人觉得数学挺多，较难。如果机器学习出身学过 PRML 的应该会比较熟悉了。求解方面 EM ，VI 等等技术。有的还会用 reparameterization trick 。做过 CV 如果深入研究过 VAE 这块可能也会，做过推荐如果用过 GNN 之类的相比概率图也有所涉猎。
- 优化： 入门简单，SGD 和一阶方法都不难，牛顿法也不难。但坑还是挺深的，数学较多，我评价也是较难。
- 机器学习： 这个你应该比较熟，不多说了。对新手学这方面，我觉得也是较难的。
- 状态机： 这个我不太懂，深入也有很多内容，编译器基本就是状态机，写一些分布式算法基本也是状态机。我觉得理解容易，实现挺难。

从上面要求来看，我觉得可能需要对某几个方面比较深入了解可能就够了。全会的人太少了吧。

从你的背景，我觉得机器学习、概率图、优化，这几个方向可能会的多一些。强化学习可能也会点。

会的方向强化一下，不会的其他方向可以入个门我觉得差不多能过面试了。毕竟看起来很多岗位也没给多少钱。

至于职业发展什么的，应该还好吧。看起来如果上面都掌握的人，应该还是哪儿都吃香的。

坐等行业里的大佬来回帖。我也学习学习。

[panxnan]

@crackhopper 天啊, 你没有做过都能分析得这么仔细.