2、语音信号处理，比如回路噪声抑制什么的，一般用在语音聊天，语音识别的前端检测，像现在做智能音箱的这些公司，多少都需要做一些。3、图像处理，尤其是基于OpenCV的图像处理算法，一般产品里有做美颜，滤镜什么的特别喜欢招这块的人，近一两年有被做深度学习取代的趋势。
语音识别的技术原理是什么？
看图编码：把语音变成向量频域信息：人类是通过振动频率来判断声音的，所以要用傅里叶变换来完成时域频域之间的转换；特征：如，MFCC是依照人耳的听声特点提出的filter。然后我们有了语音向量。训练：从数据中学习对语音的判断，而不是用人工的规则。声学模型（acoustic model）：用于识别语音向量；可用GMM或DNN等方法来识别向量，用DTW或HMM或CTC来对齐（alignment）识别结果的输出（单词从何时开始，何时结束）字典（dictionary）：多数模型并不是以单词，而是以音素为识别单位。
当识别出æ p l这三个音素时，利用字典，就可以判断出所说的词是apple。语言模型（language model）：我们在听老外说错误的中文时依然能够识别内容是因为我们有关于语法的知识，可以调整声学模型所识别出的不合逻辑的词语。这就是语言模型的作用解码：用训练好的模型组合起来就可以通过判断新的语音向量，来识别语音了。
年薪30万只是中游水平，算法工程师是一种怎样的存在？
算法工程师一直以高薪著称，一般应届毕业生薪资都在20k/月以上。据最新数据显示，2019届硕士应届生的最高年薪已经达到50万，一线城市平均薪资大概在30万左右，二三线城市稍微低一些，但也远超其他专业。那么到底什么是算法工程师呢？它具体又包含哪些岗位呢？作为一名算法工程师，除了必须掌握计算机编程相关知识，熟练使用仿真工具MATLAB等，还必须了解业务背景，像人工智能算法工程师、交通算法工程师、图像处理算法工程师等都需要熟悉公司的业务，有一定业务学习能力。
一般互联网公司的算法工程师，主要涉及这几个领域：推荐算法和协通过滤算法，音频处理，图像处理，深度学习及AI算法，SLAM，VR，AR领域，传统的算法等。1、推荐算法和协通过滤算法，这类工程师主要是解决电商或者与转化率相关问题的工程师。这类工程师需要掌握的就是特征工程、主成分分析、统计学、贝叶斯概率、决策树（GBDT/XGBOOST）、逻辑回归、协同过滤等等围绕着转化概率相关的知识体系。
2、语音信号处理，比如回路噪声抑制什么的，一般用在语音聊天，语音识别的前端检测，像现在做智能音箱的这些公司，多少都需要做一些。3、图像处理，尤其是基于OpenCV的图像处理算法，一般产品里有做美颜，滤镜什么的特别喜欢招这块的人，近一两年有被做深度学习取代的趋势。google出了arcore，所以让不少小公司也能出一些效果很好的换头类应用。
4、SLAM，集中在机器人定位导航上，比如无人车，扫地机器人，这个方向已经很专了，一般需要有好的导师才能带你入门，国内这个方向的团队实验室来来回回就那么几个。5、VR，AR领域，涉及到的包括视频跟踪，SLAM，raytracing，几何投影等等，实际上是一个综合的领域，目前主要是做计算机视觉的转行做这块。
6、深度学习/AI算法工程师，这类工程师说到底要做的事情就是利用深度学习中的卷积网络（CNN）、循环神经网络（LSTM），甚至是深度强化学习（DRL）等新的技术来解决工作中的实际问题。但是方向仍然是前面说的推荐、音视频、自然语言等等。只不过用了深度学习技术以后，很多传统方法解决不了的问题就比较容易解决了，或者有更高的准确率。
