量化系统开发跟互联网有什么不一样吗？
互联网算法跟量化选股有啥差别吗？
......
面对人选的各种问题，干脆一次全都说清楚!方便大家在考虑转行的时候，先进行一下自我评估，为自己的“钱”途做做规划！
一、成功转型量化的一个共同点！
量化投资，虽然也是应用计算机技术（包括研究和交易），但和互联网对计算机的应用还有一些差别。
举个简单的例子——盖房子
房地产开发商可以造楼房，也可以造别墅。
施工的工程队中，有的专门负责基建（用混凝土）、有的负责搭主体架构（用钢筋）、有的负责外装（用型材）、还有负责内装（用管件）......
如果我们把量化投资的“研发——收益”看成是建造别墅的过程，把互联网的“开发——产品”看成是建造高层楼房的过程。那么，量化要从互联网挖人，究竟想要什么样的人才呢？
答：通用型的基建类人才——底层开发！
无论什么类型的房子，共同点是都需要打地基，那么基建队伍的适应性是最强的。同理，互联网的底层开发人员，尤其C++开发，在量化行业更受欢迎！
而如果之前在互联网行业从事的是偏APP应用开发与维护，或者召回算法、推荐算法等等——相当于是做楼房架构或者房屋内装——那在量化应用的空间会很有限！
毕竟，量化要盖的别墅和普通楼房不是一个样子，需要的技术队伍也不一样。
二、量化喜欢什么样的底层开发？
1、C++
量化，尤其高频量化，特别喜欢精通C++的开发人员。
2、性能调参方向
如果之前在互联网的工作是负责 IO 性能分析、优化推进，那么恭喜你，技术匹配成功！
量化交易系统和互联网执行系统都一样，都需要不断的优化性能，使系统运行更加的平滑，减少卡顿。
所以如果曾经在提升 IO 路径性能方面有丰富的经验积累，那么一定会被量化公司选中。
3、计算资源调度
这本质上也是系统性能优化的方向，负责互联网功能平台计算资源调度，提升数据表的高性能抽样效率。
计算资源通常在不同算力平台的分配是动态的，这类人才通常可以通过调优，把不同平台，如K8S、Modelarts等，通过共享信息技术提升效率，进行计算资源调度。
三、转行量化可选的岗位方向
量化机构希望从互联网行业选人的时候，一般重点看几个方向：
- 交易系统开发工程师；
- 机器学习系统工程师；
- 运维工程师
1、交易系统开发工程师
这个是比较好理解的，无论多优秀的策略，都需要在计算机交易系统中实现可能的收益结果。
通用岗位职责：
- 负责量化交易系统架构的设计和搭建；
- 负责在不同编译器、操作系统和网络环境下的性能优化；
通用岗位要求：
- 对低延迟系统开发有一定经验；
- 精通数据结构和算法，具备扎实的C++/C编程能力；
- 掌握高级的Linux内核知识；
总而言之，对交易系统开发人员的要求，一定是更偏向底层的！
2、机器学习系统工程师
这就属于技术通用型了，按上文举的例子，你会画楼房的设计图纸，那么一样可以设计出别墅的建造图纸！
通用岗位职责：
- 基于自有计算集群，搭建和优化机器学习、深度学习训练、推理自研框架，以支持高效精确的模型训练、部署和推理。
通用岗位要求：
- 出色的编程能力，精通C++或Python，熟悉Pytorch/Tensorflow的底层实现；
- 熟悉CUDA、TensorRT、OpenVINO；
- 有过AutoML如NAS,HPO等经验；
另外，MLE方向的岗位，非常喜欢有Google Brain, FAIR, MSR, DeepMind, OpenAI等经验的人选，这代表了业内技术高端！
3、运维工程师
运维工程师，即DevOps，相对前面两个方向，对人选的要求更宽泛些，重点要求有多年的工作经验，尤其是跟科技公司相关的。
当然，还可以细分为一般性的DevOps和MLOps等等，主要看运维服务的方向了。这里，我们就举个MLOps的例子。
通用岗位职责：
- 负责量化计算平台的架构设计及核心代码的开发，如一站式机器学习、MLOPS、类DolphinScheduler 工作流等；
- 内部生产力工具的开发，优化交付项目的研发的工作流程，探索和定义云原生时代的工作模式；
通用岗位要求：
- 熟练运用JavaScript语言与HTML5、CSS3等技术；
- 了解 MVC/MVVM 模式，熟悉 React/Vue 等热门框架；
- 熟悉前端、后端构建工具的使用和配置；
如果是普通的DevOps，大家可以自行脑补一下，对各位技术大咖来说，就很简单了！
本期就先聊到这里了，希望对互联网转量化的小伙伴有所帮助！