算法工程师的工作要分为观察数据、找特征、设计算法、算法验证、工程化、上线看效果等几步。

第一步：观察数据，从数据里找问题。

比如说你开了一家淘宝店，店里有几十款商品，有些商品卖得好，有些商品的评价挺好，价格也有优势，质量也不错，搜索排名也挺好，但就是卖的不好，于是你要把这些卖的不好的但是评价又好的商品找出来分析问题。

在实际工作中，算法工程师通过观察数据、看数据报表、分析数据曲线等步骤，对比关键数据的变化，从中发现有问题的部分。这一阶段需要数据敏感性，要具备全面观察的能力。还要具备编写脚本代码的能力，遇到需要处理的数据需要随手编写代码，需要熟悉Python，会用Shell。

第二步：从问题数据里找特征。

你整理了淘宝店里销量不高的商品，开始分析找共性问题，从定价到商品包装，从排名优化到评论星级，都没有发现问题，一拍脑门发现这些商品的展示图片做的不好，没有突出商品特点。

这就是算法工程师找特征阶段的工作了，在问题数据里找到共性特征，需要的能力往往来源于经验。

你发现图片的问题后开始找美工重新做图，拍摄商品图片，美化，然后加上商品的卖点，重新包装。

面对几十个商品时可以一个一个更改，如果面对几万几十万条数据时就不能一个一个更改了，需要设计算法来解决。最浅显的就像做Excel表格里，十几行数据时可以手动更改，几千条数据时就要使用公式。

算法工程师需要把任何问题都转化为数学上的向量，也就是将特征向量化，才能通过算法解决。比如更改图片这件事来说，质量差的图片往往颜色变化少，首先将图像数据进行傅里叶变换，变成频域数据，根据傅里叶变换的性质高频部分幅度高，图像的颜色变化明显，一张图片的好坏就可以用向量化表示，然后加到排序模型。

在第三步里，需要根据场景建立一个数学模型，需要具有数学建模和抽象能力以及编程能力。

当美工设计完图片后需要由老板审核，来验证这个图片是否符合大众需求，有条件的时候可以通过一些推广渠道进行测试，同时上线两张图片验证哪个效果更好，这是常见的A/B测试。

做算法工程师也是一样，要设计一个算法的离线验证方式来检验效果，以及设计一个上线以后的A/B测试方案来测试算法是否真的有效。这一步需要具备综合能力，也就是强大的语言表达能力。

当我们设计完算法并整理好数据之后，需要把算法嵌入到原有的系统中，保证算法的效率以及性能。

经过前面一系列的准备工作，终于上线了，上线之后需要根据效果再次进行调整。算法工程师的工作是通过程序处理亿万量级的数据，除了要有丰富的工作技能，还要具备一定的经验。

另外，算法工程师要学会洗数据。洗数据是算法工程师的必修课，需要把现有的数据变成需要的格式。需要脚本语言处理能力，还要会使用一些数据处理工具。