首先，算法工程师和研发工程师都分三六九等。三六九等，包括专业能力，交际圈子，眼界生活。
所以，这也应该是我们的目标，这些提升上去了，money自然不是问题。因此不要为了挣钱而放弃成长的机会，也不要图了安逸不再努力，踏实学习。
博士
博士不管是做算法还是做研发都是一等人，如果有事业心，还是推荐做研发，如果做了算法，就是一个科研人了，很难在公司负责一块儿业务，做到管理层。只能说在哪里都会被供着，但是需要的是人脉。
博士有一些人是跟数学打交道，有一些人是跟底层打交道。也分算法、研发。每一门专业课大概都有对应方向的博士，《操作系统》：优化调度算法、内存机制，《组成原理》：CPU设计、总线设计、numa，《计算机网络》：新的网络协议、网络工具，《数据库》分布式数据库等等。算法方面，主要是数据相关，有数学建模算法。人工智能领域的商用主要是推荐系统，NLP，CV等，当然，机器人运动解算这些也是，主要是用到数学。但是算法在大厂中算是最出世而高贵的组织，达摩院，2012实验室。但是难做管理层。毕竟算法团队没有那么多人给你来管理。
硕士和本科生
硕士和本科生没有什么本质的差别，尤其是本科生做完毕业设计的时候，所有经历的事情，只是程度不同。研究生对于很多东西的认知，山头，牛导，国家级项目。知识的深度，对论文的接受度。学习习惯的固化。读论文写代码的能力。这些是有更多的优势，同时对于就业信息，对于人脉上的接触是有一些优势的。
对于硕士来讲，其实是有一些难选择的，因为做研发，其实挺亏，因为本科也可以做，如果是算法，本质上还是在做开发，用的都是较为成熟的解决方案，进行一些参数调整和模型优化。不是在做创造的事情。博士和海龟的存在，让研究生在算法方向的职业发展道路很艰难。
算法工程师
算法工程师更像是应用数学家，只不过这个应用领域是计算机，可以给互联网带来收益。
算法工程师相对而言，六等人更多一些，因为其本身的高门槛：学历，论文要求，数学功底，问题的抽象建模、解决能力。学历代表着努力，人脉，眼界等一系列优秀的证明，论文代表着一流的学习能力，广阔和深度的行业视野。但是这比较吃学历，清华北大中科大，上交浙大可以。其他学校一些很厉害的实验室也可以，南大的lambda，北邮的未来网络等等。
研发工程师
研发工程师的九等人多一些，或者叫码农，不是看不起谁，是自己的选择，只谈自身，不谈别人。因为行业门槛很低，同时需求较大，工资相比同年龄的人高出很多。只要能用现在的工具实现了功能。不需要了解底层实现，可以手把手的教会，不用怎么思考，不用很多学习。但是这不是研发工程师的全部，整体软件的架构，底层的了解，实现，优化，这才是核心。
研发工程师也是可以有底层研发的，比如Unix的开发，数据库优化等等。研发工程师也会做出创新性的成果，也会发论文。Unix也有着诸多大学实验室的联合贡献。基础架构跟算法其实类似，都是需要读论文，做实现。同样，这个也是由学历，能力，眼界决定的。
替代性和竞争力
两者做到核心都不可替代，不过有的人在学校里做到深处，有的人在公司里做到深处。但是在公司里要知道需要学习什么，这个是需要自己去悟的。
这里就不谈可替代性了，九等人的可替代性都很高，数据开发和软件开发主旋律都是在重复。相对来讲，数据相关的要稍微好一点点。
策略产品经理在工作中如何和算法工程师有效沟通，需要掌握哪些有用的沟通技巧和技能？
我估计很多朋友都会有类似的疑问：
策略产品经理是不是就是搞算法模型的？
如果是这样，那么他们和算法工程师有什么区别？
如果不是，那么他们怎么和算法工程师合作？
这些其实都是对策略产品经理这个岗位不了解的原因导致的，所以今天我们就来聊一下，策略产品经理到底在实际工作中如何与算法进行协作，他们各自的工作侧重点又在哪。
首先，我们先来看一下算法工程师。
其实算法工程师也是开发工程师的一种，所以他们的工作很聚焦，就是coding，为产品方案提供实现手段和方法。
因为算法的特殊性，每一个算法模型背后都会对应一个收敛目标，而通常实际工作当中，这个目标又是业务目标，所以相比一般的前后端开发工程师来讲，他们除了保证不出现BUG，按照产品方案去coding，更需要去理解业务目标，及目标的组成。
什么意思？
举个例子，比如在排序当中经常用到的CTR预估的算法模型，他的目标很简单，就是预估每个推荐或者排序结果的CTR，所以作为算法工程应该了解当前场景下CTR的计算口径、统计方式，以及内容有哪些维度信息可以给到参考，这些信息在业务维度的含义是什么等等。
这可能是前后端工程师不会去做的。
其次，我们再看一下策略产品经理。
关于什么是策略以及什么是策略产品经理，其实之前都有提到过。
关于策略产品经理，大家首先要有这样一个认知：策略产品经理首先他是个产品经理，所以，策略产品经理不是搞算法，搞模型的，发现业务、用户面临的问题，基于问题产出正确的方案，这种方案通常是通过数据的应用的方式，进而提升业务的核心指标。
最后，我们再看看策略产品经理如何与算法工程师进行协作？
我会把这两个角色的协作分为两个环节：输入和输出。
输入上，主要是业务维度的一些前置信息的输入上，主要包括以下几个方面
1. 目标同步
策略产品经理要及时同步当前场景阶段性目标的指标及其定义，尤其是在以算法模型为主的策略产品当中，这很重要。
比如拿短视频来举例，你当前的目标是追求播放时长，还是短视频点击率，这个对于算法同学训练模型至关重要。
2. 数据同步
首先，我要跟大家讲一点的就是：我们大多数人对于算法的爱是神秘的，认为算法是无所不能的，但其实并不是所有的策略都是通过算法模型来落地的，有时候规则的效果反而要优于算法。
这个大家可以慢慢体会，往后我也会写一篇文章聊一下这个事情。那么在不用算法模型落地的策略当作，策略产品经理需要给到算法哪些输入呢？
主要是在数据上。
参与规则计算的数据处理：数据量、数据时间窗的选择，脏数据的处理，数据加工以及数据时效的定义。
举个例子。你要使用用户的浏览数据来猜测用户的偏好，那么所有的浏览数据都需要用到么？明显不是，比如用户浏览1S很可能就不是一个正常的浏览，那么你参考它就不能得到准确的用户偏好。所以，这里其实有一个有效浏览的概念，那么如何定义有效浏览就是策略产品经理需要做的事情。
在输出上，算法与策略产品经理的主要协作点在于模型的效果评估上。
算法工程师可能更关注算法本身的好坏：比如准确率，召回率，AUC曲线等等；
策略产品经理则更关注算法模型在业务指标上的收益，所以基本上所有策略都会进行AB测试，观测核心指标的收益是正向，还是负向。
所以这里还是要说那句话：无论是规则还是算法，不管是白猫还是黑猫，能抓住老鼠的就是好猫。
补充两件事情：
第一件事情，做公司的高管，一定需要业务，管理，专业技能。做算法的始终是业务的一部分，所以其管理岗位少之又少，虽然工资比同水平的人要高一些。但是做算法基本上很大程度跟管理就绝缘了。除非能做到算法部门的leader，但是这又有多少需求呢。做研发在升值管理层这方面会有一些优势。
第二个事情，所有人都会有琐碎的事情，会浪费时间做不喜欢的事情，会走弯路，不可能所有的事情都喜欢，毕竟是在为雇主做事情。只是我们有很多时间用来学习，做深层次的优化和创新。这个需要知识积累，需要在看不进去的时候坚持，需要多年学习的习惯。哪怕别人在玩，我们可能依旧需要学习，虽然娱乐一定是更轻松的选择。但是大多数时候不会压榨多少时间，摸鱼和放松的时间都很多的，利用好上班的时间，最大效率的学习，认真的做事。下班了做自己真正喜欢的事情，社交也好，娱乐也罢。算法工程师和研发工程师也都是人，都走在同样的路上，坐着同样的地铁，过着普通人的生活。
（Zhang放放、夏唬人 综合整理）
