上期题目答案
Q：特征工程和特征筛选，和HR领域的什么工作最相似？
A：
算法工程师通过特征工程和特征筛选，最终得出有利于业务的算法模型，从而获得更好的业务提升。
HR通过胜任力模型的构建和优化，从而得出更适合企业的人选选拔标准，从而引进更适合公司业务发展的人才。
本期主题：算法工程师的主要类别、技能树、应用领域。
算法工程师的类别
还记得算法工程师岗位第一期时，简单的列举了算法职位的分类。
在查询了非常多资料之后，重新做了梳理。
不同算法工程师涉及的技术
基础岗位
技术岗位
不同算法应用领域
基础岗位（机器学习、数据科学、异构并行）
属于技术岗位和应用岗位的基础部分。
推荐系统、广告系统、搜索系统、风控系统，是几个比较典型的应用领域。
它跟统计学习、数据挖掘、视觉识别、语音识别、自然语言处理领域都有非常深的关系。
甚至有时候，我们可以将机器学习等同与数据挖掘。
它会跟其他的一些处理技术结合，从而形成交叉学科。
基本上只要涉及到人工智能版块的应用，都离不开这些基础岗位的工作。
单独描述一个异构并行这个岗位。
其中是在异构计算系统上进行并行计算，这个岗位主要是优化一组任务由不同硬件共同完成的时间及资源使用。
举个例子：
现在有一次考试，这个考试涉及语文、数学、英语，3门学科的知识。
现有A、B、C，三个人，他们分别擅长文字记忆、逻辑推理、语音记忆。
语文、数学、英语，分别考验的是文字记忆、逻辑推理、语音记忆。
哪种组合方式，完成这次考试的时间是最短的？
A、B、C，三个人各自负责各自的专长，是最节约时间的。
整个过程中，A 可能是CPU，B可能是网络，C可能是摄像头。
这就是所谓的异构。
并行，则是启动任务后大家各司其职。
当然，你不见得能够每时每刻都能够找到最擅长相关任务的人来做擅长的事情。
这时，你可能需要找到第二擅长的人来完成对应的小任务，从而在一定条件下完成任务。
这种情况，就类似于我们明明知道某些算法是非常棒的，但是因为科技水平的原因，我们的计算机的计算能力达不到。
寻找第二种好方法来是是有必要的，等技术条件适合就可以用更好的方法。
当然像当年12306火车的购票网站，用了那么贵的计算机设备，却仍然挂掉服务器的情况。
大约就是用最不擅长的异构计算能力，去做对应的计算处理了。
技术岗位（计算机视觉）
图像
以图搜图，百度就有
商品识别，淘宝、京东都有拍图片购物的功能。
鉴别黄色、暴力，（还记得那个快播是怎样被下架的吗？）
其实图像识别还有一类离我们生活非常近的应用，就是医疗影像诊断。
像腾讯跟中山大学附属肿瘤医院、广东省第二人民医院、深圳市南山区人民医院，都有相关的影像诊断合作，这种应用可以将原先医生看看的十来分钟，缩短至几秒钟，大约提高效率。
视频
这几类主要应用在安防、工业、交通、自动驾驶等领域。
技术岗位（知识图谱）
简称KG（不是NBA球星KG）
将所有不同种类的信息作为实体连接在一起而得到的一个关系网络，以关系的角度去分析数据和信息。
KG主要应用在搜索引擎、聊天机器人、金融科技领域等商业应用中。
搜索引擎
搜索黄晓明，则会出现黄晓明的百度百科。
以黄晓明这个名字作为信息的实体节点，与之有关系的人有，Anglababy（新节点），小海绵（新节点），秦岚（新节点）。
点击Anglababy，还有有新的节点，陈伟霆。
他们他们娱乐圈图谱大约是这样的。
然后，当你搜索Ab的前男友时，直接就跳出陈伟霆。
聊天机器人
苹果的Siri，微软的小冰，是主要应用点。
手头上只有小米手机，做了下简单的测试。
同样的问题，3种回答。这里的知识图谱大约是这样的。
只能说，小米的聊天机器人，略有点傻。
等哪天他家的机器人，接收到聊天对话越来越多之后，你可能会发现聊天机器人的回答，会越来越靠近你的答案。
比如在金融领域，可以用来研究洗黑钱的特征，来锚定哪些账号存在异常的犯罪活动；对顾客信用进行分类，可以得出不同顾客风险相对可控的可贷款金额，然后让银行的销售人员有针对性地向有需求的顾客进行呼出。
比如在医疗领域，则最常见的就是提高诊断的准确率和治疗的有效性。
零集和电商，则可以帮助商家有效识别顾客的购买行为，从而掌握顾客的购买趋势，帮助商家做更好的用户运营。