一本信息与计算科学-算法工程师
你有没有想过，你刷到的那些”猜你喜欢”、小爱同学、Siri，是怎么变”聪明”的？
这些背后，是像我这样的算法工程师在调参、炼丹、写代码。
我叫张磊，信息与计算科学专业毕业，现在在一家AI公司当算法工程师。年薪从刚毕业的15万涨到了现在的40万。干了四年，我从一个”数学学不下去”的迷茫学生，变成了一个”能跑模型调参”的工程师。这条路，走得挺曲折的。
高中数学竞赛一等奖的代价
我选信息与计算科学，是因为高考数学考得不错。
高三那年，我的数学成绩一直是年级前几名。高考数学我考了148分，差点上150。那是我人生中的高光时刻。
填志愿的时候，我想报数学专业。我爸说：“数学好，以后可以当老师，也可以转金融、计算机，就业面广。”
后来我查了查，发现有一个专业叫”信息与计算科学”，据说是”数学与计算机的交叉学科”，听起来很厉害。
我就报了这个专业。
结果到了大学我才发现，这个专业是”数学专业”——开的课跟数学与应用数学差不多，《数学分析》《高等代数》《实变函数》《泛函分析》……全是纯数学的东西。
而”计算机”只是点缀——大一学了一门C语言，大二学了一门数据结构，然后就再也没有了。
我整个人都傻了。
大一：被数学分析”暴击”
开学的第一堂专业课是《数学分析》，老师是个头发花白的老教授，姓陈，据说是学院里的”数学泰斗”。
他第一节课就说：“数学分析是数学系的基础课，也是最难的一门课。你们要做好准备，这门课会刷掉很多人。”
我当时不服气——我高考数学都148了，还怕什么数学分析？
结果，第一学期就给了我当头一棒。
《数学分析》的难度跟高中数学完全不是一个量级。极限、连续、导数、微分、积分……每一个概念都抽象得要命。高中数学是”算”，大学数学是”证”——要证明一个结论为什么成立，而不是会算就行。
期中考试，我只考了58分。
那是我人生中第二次考试不及格（第一次是高等代数）。我开始怀疑人生——我真的是”数学好吗”？
后来我去请教了一个学长。学长说：“数学分析这东西，光看教材不够。你得去看一些课外书，比如菲赫金哥尔茨的《微积分学教程》，或者陶哲轩的《实分析》——那些书写得更详细、更容易理解。”
我照做了。
接下来的一个月，我把图书馆里能借到的数学分析参考书都翻了一遍。每本书的写法不一样，角度不一样，看多了之后，我对那些抽象概念的理解慢慢清晰起来。
期末考试，我考了72分。虽然不算高，但总算过了。
这次经历让我明白了一个道理：数学这东西，不能只靠聪明，还得靠积累和理解。
大二：找到了方向——编程
大二开始，专业课越来越难。《实变函数》《泛函分析》《拓扑学》……每一门课都让我怀疑人生。
但也是这一年，我接触到了编程。
大二下学期，有一门课叫《数据结构与算法》。这门课讲的是计算机科学的核心内容——数组、链表、树、图、排序、查找……
我突然发现，我对编程比对数学更感兴趣。
上课的时候，老师讲算法的逻辑和思路，我觉得特别有意思。尤其是”递归”和”分治”这两个概念，让我眼前一亮——原来解决问题可以这么优雅！
期末考试，数据结构我考了90分，是专业课里最高的。
从那以后，我开始把更多的精力放在编程上。
大三：发现机器学习
大三上学期，一门选修课改变了我的人生轨迹。
那门课叫《人工智能导论》，是计算机学院开设的一门选修课。我出于好奇选了这门课，没想到它彻底改变了我的方向。
这门课的老师姓李，是个年轻的海归博士，据说以前在Google Brain干过。他的课特别有意思——不讲那些过时的专家系统、知识表示，而是直接讲当时最火的”深度学习”。
他给我们展示了AlphaGo的案例、语音识别的demo、图像分类的应用……每一个都让我震撼。
下课后，我去找李老师，问他：“老师，我想学机器学习，应该怎么入门？”
李老师笑了笑，说：“数学基础你有，编程基础你也有。接下来就是找一个方向，深入进去。可以从吴恩达的机器学习课程开始，然后慢慢做项目。”
我照做了。
大三下学期，我花了整整三个月，把吴恩达的《机器学习》课程从头到尾学了一遍。配套的编程作业我也全部完成了——线性回归、逻辑回归、神经网络、SVM、聚类……每一个算法我都亲手实现了一遍。
学完之后，我发现自己对”机器学习”这个方向特别感兴趣。
大四：决定转行
大四上学期，我开始面临选择。
我们专业的对口方向，要么是继续读数学的研究生，要么是去当数学老师。但这两条路我都不太想走——我对纯数学研究没有太大兴趣，当老师也不是我的梦想。
转行做算法工程师，成了我的目标。
但现实很残酷。
算法工程师的门槛很高——好的岗位基本都要求计算机专业出身，或者至少有相关的项目经验。我一个数学系的本科生，想直接找到算法岗位的工作，难度很大。
我试着投了一些简历，但大部分都石沉大海。偶尔有几个面试机会，也因为”专业不对口”被拒了。
最后，我拿到了一家小公司的offer——Java开发，月薪8000。
虽然不是算法岗，但这家公司至少是技术方向。而且离我的目标更近一步——先入行，再慢慢转型。
第一次面试算法岗，被问到怀疑人生
2019年7月，我入职了。
试用期三个月，月薪8000，扣完五险一金到手大概6500左右。租了一个合租的单间，月租1800，每个月能攒下两三千块钱。
工作内容是Java后端开发——写接口、做数据库、优化性能……跟我想象的”用代码改变世界”完全不一样。
一开始我挺失落的。但后来我想明白了：Java开发也是编程，也能锻炼我的代码能力。而且后端开发涉及到很多数据处理的工作，这对我以后转型算法也有帮助。
于是我开始”骑驴找马”——白天写Java代码，晚上学算法。
每天晚上回家，我会花两三个小时学习机器学习和深度学习。看论文、读代码、跑实验……
那段时间我瘦了十斤，但收获很大。
我开始尝试在公司内部转型。
有一次，公司的产品部门需要一个推荐算法的模块，我主动请缨，参与了这个项目。虽然最后的效果一般，但这次经历让我积累了实战经验。
第二年：跳槽成功，转型算法工程师
工作两年之后，我决定跳槽。
这时候的我，已经有了扎实的算法基础——机器学习、深度学习、NLP、CV都有涉猎；也有了一些实战经验——推荐算法项目、数据挖掘项目；还刷了大量的LeetCode题目，算法能力也有了提升。
我开始投算法岗位的简历。
面试了七八家公司，大部分都挂在了”手撕算法”这一关——虽然我刷了很多题，但现场Coding的时候还是会紧张出错。
后来我去了一家做NLP的创业公司面试。这家公司规模不大，但技术氛围很好。面试官问了很多机器学习的基础问题，我都答上来了。最后一轮面试是现场coding——一道hard难度的题目，我思考了五分钟，然后写出了完整的代码。
面试官看了之后，说：“不错，你的基础很扎实。”
一周之后，我收到了offer。
月薪18000，年薪大概30万。
虽然比Java开发的时候涨了不少，但跟那些大厂的算法岗比起来，还是差了一截。不过对我来说，这个offer已经是一个巨大的进步——我终于成为了一名”算法工程师”。
跳槽后的成长
入职新公司之后，我被分配到了NLP团队，做对话系统的开发。
工作内容包括：意图识别、槽位抽取、对话管理、知识图谱……每一个模块都涉及大量的机器学习算法。
一开始我挺吃力的——虽然理论基础有，但实际工作中遇到的问题比课程作业复杂得多。数据质量差、模型效果不稳定、上线之后各种bug……
但我没有放弃。
我开始系统地学习NLP的技术——Word2Vec、BERT、Transformer、GPT……每学一个新技术，我都会想办法应用到工作中去。
我还开始学习一些工程化的东西——模型部署、在线服务、性能优化……以前我只管训练模型，现在要管整个系统的运行，要求更高了。
慢慢地，我开始能独当一面了。
第四年：加入大厂
2023年，我工作第四年的时候，又一次决定跳槽。
这一次的目标是”大厂”。经过两年的积累，我觉得自己已经有足够的能力去竞争大厂的算法岗位了。
我投了字节跳动、阿里巴巴、腾讯、美团等公司的算法岗位。
面试的过程很艰难。每一轮都要考察：数学基础、机器学习算法、深度学习架构、系统设计、代码能力……每一项都不能有短板。
字节跳动的面试最让我印象深刻。
四面都是技术面，每一面都有一道算法题。题目都不简单，但我都做出来了。面试官问的问题也很深入——从模型原理到工程实践，从业务场景到技术选型，每一个问题都在考验我的综合能力。
等offer的那两周，我每天都紧张得睡不着。
最后，我拿到了字节跳动的offer——高级算法工程师，月薪28000，年薪大概40万。
那一刻，我激动得差点跳起来。
算法岗第三年：又开始刷题了
2026年了，我在字节跳动工作快三年了。
现在的我，是电商业务线的一名算法工程师，负责商品推荐和搜索排序相关的工作。年薪40万，虽然比不上那些年薪百万的大佬，但跟我刚毕业时的15万比，已经翻了两倍多。
工作内容很有挑战性——每天都在跟数据、模型、算法打交道。
我们的推荐系统每天服务几亿用户，每一个用户的点击、购买、收藏行为，都会被记录下来，用来训练和优化推荐模型。
有时候一个模型的优化，能带来0.1%的点击率提升。别小看这0.1%，乘以几亿用户，就是巨大的业务价值。
当然，这个岗位的压力也很大。
互联网行业变化快，不学习就会被淘汰。新的模型、新的算法、新的技术，每年都在涌现。要想保持竞争力，必须持续学习。
算法岗寒冬：2026年还值得入坑吗
干了四年算法工程师，我最大的感受是：数学是基础，但编程才是关键。
很多人觉得算法工程师需要很深的数学功底，这话没错——概率论、线性代数、最优化理论，这些是理解机器学习算法的基础。
但真正在工作中，你大部分时间是在写代码、调参数、跑实验。数学好只是让你理解得更快，但写代码的能力才是落地的关键。
还有一点：转行是可能的，但需要提前准备。
算法工程师的门槛确实不低，但如果你是理工科背景，数学和编程有一定基础，转行的可能性是存在的。关键是：提前学、早准备、多积累项目经验。
转行的那几年是最难的——白天上班，晚上学习，周末刷题。但只要熬过去，前途是光明的。
最后说一句：算法工程师是一个”青春饭”的职业吗？
我觉得不是。虽然35岁危机的话题经常被提起，但真正有能力的人，永远不会被淘汰。关键是你要持续学习、持续进步，让自己的价值跟上市场的变化。
这条路我走了四年，还在继续。希望我的经历能给你一些参考。
共勉。
关联阅读
- 大厂/AI就业参考 4.【直接就业】高价值信息差
- 案例索引 0000_1001案例总索引
- 知识库总索引 0000浪尖大学四年知识库_总索引