蔣麗琴
樂創物聯LC
作為一名計算機研究僧，我想我有資格回答你這個問題。
先給你我的答案：【計算機研究生畢業並不是非要找算法崗才有前途】。
先講講我身邊同學的經歷
同學甲，華東師範大學，今年研三剛畢業，面試騰訊算法崗被拒，阿里算法崗被拒，簡歷都篩不過，最後因為曾在海康威視實習一年，算是有了一個留住的機會，最後談下來海康威視cv算法崗，打包37萬年薪。
同學乙，北京航空航天大學，拿了挑戰杯金獎，今年研三（非全）畢業，騰訊算法崗，據說38萬。
同學丙，手持頂會，騰訊算法崗被拒。
師兄丁，博士畢業，沒有頂會，5篇SCI，騰訊算法崗被拒。
大兄弟，看看吧，算法崗真的很慘。去投算法崗的同學多半覆沒了，算法崗簡直神仙打架，說去面試的，大多數都是人手一個頂會。
什麼叫有前途？
做算法崗就叫有前途嗎？那我這大數據研發方向豈不是不是個人了😭😭。
做算法有前途，做開發希望有前途，做大數據一樣有前途呀！崗位職責不同而已，各司其職，不也挺好。
經驗總結
不要再死磕算法崗了，沒有頂會，沒有ACM亞洲、全世界的金銀牌，你就多考慮下其他崗位吧，算法崗真的很難，神仙打架不是鬧著玩的。而且算法崗有很多種類，NLP，推薦算法，CV算法，機器學習，深度學習，強化學習算法，人工智能等等，實在太多了。
開發崗工資也不低，頭條都能給到40萬年薪，拼多多能給42萬年薪了。雖然加班有點多……但是！互聯網公司做IT的就沒有加班不多的！
好好給你自己定個位，大數據分析崗，大數據開發崗，研發崗等等其他崗位，還是都不錯的，沒必要在算法上吊死哈。
希望能對你有所幫助，如果你也有什麼看法，可以評論留言，一起交流一下。
碼字不易，感謝支持！如果你覺得對你有幫助，請多多點贊和轉發，順便點個關注吧！我會持續地在計算機相關領域，分享我的經驗和知識的！
IT研究僧大師兄
我拿我認識的幾個研究生說下吧：
同學1:本科二本，後北京某211計算機專業研究生，聯想實習，畢業後進入某狐，做算法工作；三年後跳槽到某短視頻算法崗位；收入按年薪算在50多，算有前途嘛
甲方1:之前做項目中的甲方，計算機專業碩士研究生，畢業進入銀行科技部，現科技部某核心科室老大，年收入沒有同學1高，但應該還是比較不錯，畢竟不是在北京，而是在宜居城市，生活也相當不錯，工作壓力也相對於較小，加班情況不是特別多；
同學2:中科院碩士研究生，某銀行科技部職員；工作基本上重點在溝通，技術工作較少；薪資呢基本上一般；但是輕鬆啊：而且在一個可以買得起房子的城市；這應該也算是有前途吧！
所以有前途不一定要年入大幾十上百萬；我覺得還是老婆孩子熱炕頭，這樣子才算數有前途吧！
長街長煙花繁挑燈回看
作為一名計算機專業的研究生，很高興回答你的這個問題，我覺得不一定非要找算法崗位吧。
為什麼說不一定非要是算法崗才有前途呢，我們應該都瞭解算法這個崗位，他的要求是比較高的，有的公司可能要求你是博士畢業等，或者說是你的能力真的很強，所以真正適合算法崗的人並不多。
就拿我們實驗室的師兄師姐來說吧，他們一般都是去的開發崗位比較多點，去算法的不多，據我瞭解，我的師兄師姐去做開發的待遇之類的也都不錯。
而且，從去年的秋招來看，算法崗招的不多，或者說要求相對偏高，所以大部分學長學姐都是找的開發崗。
綜上所述，我個人感覺不一定找算法崗才有前途，開發崗做好了一樣有前途。希望我的個人看法和建議對你有所幫助。
研路有我
不是的，計算機專業研究生就業面很廣，可以做產品研發，可以做算法，可以搞測試。很多畢業生想做算法，算法工資高，工資起點和測試差距很大，但算法要求高，對數學和英語要求都高，很多人數學是瓶頸，做算法很難，不能只看工資高就一頭扎進去了。其實做產品研發挺不錯，比算法相對簡單些，有難有簡單，做的時間越長越簡單，工資也不低，我很多同學在做研發。最後說測試，測試相對來說最簡單，工資也最低，很多已婚有孩子的女研究生或者本科生的最佳選擇，一般剛畢業選擇做測試的較少。我是從我班同學畢業6年的就業情況回答的，希望對你有用。
笑笑數學課堂
作為一名計算機專業的教育工作者，我來回答一下這個問題。
首先，從近兩年計算機專業研究生的就業情況來看，更多的畢業生會選擇開發崗位，一方面原因是算法崗位的人才需求有所收緊，另一方面原因是開發崗位的薪資待遇與算法崗位已經基本持平，而且開發崗位的選擇空間更大。
雖然人工智能當前受到了廣泛的關注，但是目前由於人工智能技術尚存在一定的落地應用問題，所以算法崗位在整體的人才需求量上並沒有延續前些年的上升態勢，近兩年算法崗位的招聘量有了較為明顯的下降，不少原本計劃從事算法崗位的畢業生，也都選擇了開發崗位。從具體的人才需求方向來看，當前大數據領域的開發人才需求量相對比較大。
相對於算法崗位來說，從事開發崗位往往是更好的選擇，一方面開發崗位的從業者完全可以向算法崗位發展，另一方面開發崗位本身的發展空間就比較大，可以說當前選擇開發崗位是更為理想的選擇，也可以看成是一種“進可攻退可守”的選擇。實際上，當前很多算法崗位也要求從業者具備一定的開發能力，純粹的算法崗位已經非常少了。
從算法崗位的分佈情況來看，早期一部分算法崗位的從業者會從事數據分析崗位，隨著人工智能技術的快速發展，不少算法工程師轉向了人工智能領域，但是在人工智能領域從事算法設計也存在比較大的從業壓力。目前隨著人工智能平臺的陸續推出，算法工程師也在面臨越來越大的從業壓力。實際上，當前已經有一部分算法工程師正處在職業發展的困難期。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智能領域，我會陸續寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。
如果有互聯網、大數據、人工智能等方面的問題，或者是考研方面的問題，都可以在評論區留言，或者私信我！
IT人劉俊明
但我認為題主應該向內心尋找答案:自己想要的前途是什麼樣的；自己的性格適合怎麼的工作生活環境；將眼光放長遠些不要太迷信目前身邊人的看法，因為環境是一直在變化的。
選擇一條適合自己的道路更容易成功，這就是所謂的選擇大於努力。
當然做算法比做開發門檻高，但往往門檻越高，接觸面也就越窄，也越難出成果，越難有其他的可能性。這種領域適合該領域的傑出人才和不缺錢的愛好者長期堅持。
做開發但從薪資上是不比算法少太多的，甚至薪資平均值開發還要高一些，還可以自己做項目兼職副業，也有不錯的收益。
希望題主可以分析自身情況做出適合自己的選擇，如果目前還沒到做最終選擇的時候，還可以再多嘗試一下各種可能性，誰知道驚喜和明天哪一個會先來，祝好運！
二進制橙子
作為一名碩士畢業生，同樣作為一名算法工程師，來回答一下你的問題。
首先表明我的態度：計算機專業研究生並非找到算法崗才有前途。
算法崗是一個偽命題
我想，對於理工科畢業生，尤其是計算機這個當下熱門專業的畢業生在畢業之後都會對工作充滿著憧憬，
希望能夠在技術方面有很深入的研究
希望能夠專注於某一塊技術成為大牛
但是，當你走入到工作崗位你會發現一個顯示，
不是你選擇崗位，而是崗位在選擇你。
確切的說，在很多公司很多部門，雖然名義上會有算法組，但是，真正在工作過程中發現界限並沒有想象的那麼明確。因為，每個人都在圍繞業務在戰況，都在衝著“如何創造更多營收？滿足客戶需求”這個目標在前進。
怎麼創造營收？如何滿足客戶需求？
並不是你的項目中使用了GNN或者強化學習，而是你在滿足客戶目標的前提下最小化成本。
而往往你會發現，滿足客戶需求往往很low的技術都可以實現。真正在算法研究和定製化上花費的時間只有不到5%的時間。大多數時間都是在編碼、代碼規範化、部署、測試。
所以，算法只是一個偽命題，如果你想在一個競爭激烈的互聯網行業立足下來，你只想把目光集中在算法方面是不可能的。你會發現，所謂的算法崗大多數時間都在幹工程化的工作。
當然，不排除那些拿著投資者整天發文章，沒有任何產出的小公司。
360行，行行出狀元
這是一句老生常談的話，但是，卻很適合互聯網行業。
就如同前面所講，一個項目的上線，包含很多環境，
- 數據處理
- 算法
- 部署
- 測試
- 前端
- 後端
你會發現算法雖然處於核心地位，但是在裡面所佔比重卻很小。你的算法再怎麼高大上，沒有後端前端的支撐、不滿足客戶需求，就如同一個花瓶一樣，沒有任何價值。
所以，後端、前端、測試這些同樣很重要，是保證產品上線不可或缺的一環。
因此，計算機系畢業生，有很多選擇，不僅限於算法崗。
但是，無論是哪個崗位，技術不紮實、模稜兩可的都是很缺乏競爭力的。
Jackpop
算法研究的基礎是數學。按照當前的技術發展，本科數學是不夠用的。因此，在招聘市場，算法崗的最低學歷也得是碩士。
但是，在當前的深度學習領域，就公開框架的學習，理論結果（各種出版物、論文等）的研究。對一個受過系統數學教育，智力正常的研究生，完全沒有障礙。
而且，隨著這兩年AI的大火，相關的技術和理論已成為了一門“顯學”，公開的技術和資料越來越多，可謂“太陽底下無秘密”，先入者的紅利早已不存在了。
也就是說，在早前，在人工智能（主要是機器學習）還相對神秘的時候。一個研究生，掌握了基本理論，能理解及搭建開源框架，就能找一份好工作。但現在水漲船高了，靠通過機械學習而掌握的這些知識是遠遠不夠的。
因為門檻低，所以掌握的人就多，在加上算法團隊更傾向於規模不大，但高度精英化的團隊。所以就導致了“僧多粥少”的局面。
而現在在各大公司，基本的深度學習框架已經搭建完成，往前走，就只有兩個方向。
一個是繼續收集數據，餵給搭建好的深度學習框架，從而讓當前的算法不斷進化。
例如，對人臉識別來說，各家基本的準確率已差別不大。大家的競爭已經朝向了一些邊緣問題（例如活體檢測等）。
當然，這方面還是需要不少人力去做的。但是，這些工作的技術含量卻顯然不高。在業界，有很多公司已經不願再投入太多研發在上面，要麼從第三方買數據，要麼是把這些工作外包出去。
也就是說，喂數據，調參數這種工作，正逐漸從高端就業市場剔除出去。
另一方向是，在深度學習領域，各大公司的發力重點是把技術往更前沿推，研究新的理論，實現新的框架。
例如當前的主流學習框架還是基於數據，有人守護的學習模式。但未來的趨勢應是自學習，無人守護的模式。
而做到這一點，後來者想要入行，就不能單靠機械的學習了。而是要基於天賦、靈感，甚至是運氣。這也註定了能站在這個層次的人必然是少數。
基於上面的分析，我們可以得出的結論，未來，創造性的，高收入的算法職位，隨著時間發展，一定會越來越少。後來者想要入行，也會越來越難。
未來，隨著深度學習框架的下沉，高價值應用領域（例如人臉識別、自動駕駛）被逐漸瓜分，整個AI行業，必然會越來越呈現出精英化的趨勢。
說來也諷刺，今天，我們對未來的一個預測是，隨著對人工智能的普及，越來越多的勞動崗位被機器替換。未來，還需要勞動的只是少部分天賦異常的精英。
但沒想到的是，人工智能時代雖然還沒有來到，但在人工智能的研究領域，這個預言卻首先實現：
平庸的AI從業者正逐漸失去工作。
森記文檔
首先如果你本科學校很差的，你也做不了算法崗，可能碼農你也很難合格，因為即使碼農也需要工作經驗，算法需要很強的數學基礎，所以你這個問題比較扯淡，要看你能力水平就規劃職業，職業規劃要建立在能力範圍內，我還告訴你一個事，每個小作坊的老闆都打算公司上市，但是現實是大多數小作坊不僅不能上市而且基本幾年內都會倒閉，你覺得是什麼原因呢？
