一、问题：目前AI领域有哪些主要的岗位类型？
回答：主要有三大类岗位。第一类是搜索增强和大模型应用部署方向，这类岗位门槛相对较低，不需要深入理解算法底层原理，更多是关注业务层面的工作。第二类是AI产品岗，随着大模型发展，市场对这类人才需求很大，要求与应用开发岗位类似，需要了解基本原理并具备产品思维。第三类是算法研究和创新岗位，这类更偏向技术研发。此外还有一些边缘岗位如财务线，但不是主流方向。
二、问题：AI领域还有哪些相关岗位？
回答：最多的是数据标注岗位，这个岗位基本没有门槛，高中学历就可以做。但某些专业领域如医疗方向，可能需要专家级标注人员。其他如审核员岗位实际上非常少，主要存在于直播等特定场景，普通TOC业务中并不多见。另外还有一些与运营相关的岗位，但整体来说这些都不是主流方向。
三、问题：算法研究岗位的学历要求是什么？
回答：如果是想做算法研究，第一学历至少需要双一流学校，保守来说最好是211及以上。最高学历的话，博士是最理想的。基础研究工作对学历要求确实很高，这也是行业的普遍现状。
四、问题：算法工程师岗位的学历门槛如何？
回答：应用型算法岗位要求可以适当放宽，但基本上还是建议硕士学历。一般来说，算法工程师会要求985硕士或海外QS前100的本科，至少也需要211学历。如果想进入头部企业的核心算法组，还会有额外要求，比如论文质量、实习深度和师门背景等。
五、问题：校招算法岗位的薪资水平如何？
回答：今年校招薪资水平确实特别高。我招聘的校招同学最差的也有50万以上。如果是手里有多个offer的优秀硕士，年薪达到70-80万也是可能的。博士的话最低也要80万起步，100多万也很常见。薪资水平每年波动很大，但今年整体确实处于高位。
六、问题：本科能否从事算法工作？
回答：本科确实不太容易做算法工作，这不是能力问题，而是市场竞争导致的。作为面试官，经常看到一个岗位收到几百份简历，其中主要以硕士为主。很多时候在筛选本科生前，offer就已经发完了。所以虽然专业要求不严格，数学、统计、计算机、电子信息等专业都可以做，但还是建议读个硕士。
七、问题：科研和实习经历在算法求职中哪个更重要？
回答：主要看个人有没有足够的亮点。如果是优秀的同学，都会放宽要求。如果你的科研很强，比如发表多篇顶会论文，那肯定没问题；如果实习经历很丰富，参与过知名项目，也很优秀；竞赛成绩突出同样很有竞争力。学校特别好的话，即使项目经历或科研成果相对弱一些，也是可以培养的。关键是要有一到两个比较强的方面。
八、问题：除了大厂，还有哪些值得关注的算法岗位机会？
回答：可以划分几个等级。第一等级是知名大厂，大概三五个左右。第二等级是中等规模的公司，这些公司业务通常比较垂直。比如滴滴专注于交通领域，贝壳做房产相关，还有金融方向的度小满、五八同城，以及爱奇艺、B站这样做视频方向的公司。这些企业都在特定领域有深入的算法应用。
九、问题：金融科技岗位的工作情况和待遇如何？
回答：总体来看，加班强度比互联网大厂要低，但收入也相应较低。具体到银行科技岗，各家情况不同，有些相对更忙但给得也多。工作强度与项目相关，上线或测试期间会比较忙，老系统维护就相对轻松。银行科技主要分两个方向：计算机背景做系统开发，数理统计背景做数据分析和AI应用。现在大数据部和数据治理部对统计背景同学需求很大。
十、问题：金融科技岗位的薪酬水平怎样？
回答：国有行总行科技岗总包一般在20-25万，突破30万比较难。但一些股份行和头部城商行给得较高，比如招商银行、江苏银行等，总包能到30万左右。绝大多数在20-25万区间，小银行的情况我不太了解。
十一、问题：金融科技岗位的稳定性如何？
回答：相比于业务类管培，科技类管培保真概率更高。科技岗一般不需要面对揽储、开信用卡等业务压力。但也要注意区分：总行部门编制相对稳定，而科技子公司可能出现裁员和人员流动。另外，银行科技作为中后台部门，不同条线间转换相对容易，这与其他金融机构不同。
十二、问题：如何判断金融科技岗位的真假？
回答：首先要和HR确认能否回本部定岗，其次要了解公司过往招聘情况。中后台部门招聘人数一般比较固定，不会特别多。如果一家省分行一年招大几十人，就需要特别谨慎。还可以看岗位JD的详细程度和专业性，工行等银行的科技岗就比较真实。招聘人数和对学历的要求也是重要参考指标。
十三、问题：银行科技岗有哪些优势？
回答：待遇并不低，刚入职时甚至比业务管培高。在二线城市性价比很高，收入与生活成本匹配得很好。工作强度比大厂低，同样工作时间压力小很多。入职两三年后通常不需要直接做开发，更多担任项目经理或产品经理角色。但如果你追求技术深度和跳槽空间，可能互联网大厂更合适。
十四、问题：金融科技岗的涨薪情况如何？
请在微信客户端打开
