成为算法工程师需要学习的编程技能主要包括以下几个方面：

Python：Python是算法工程师最常使用的编程语言之一。它拥有简洁易读的语法和丰富的库，如NumPy、Pandas、SciPy、Matplotlib等，这些库为数据处理、科学计算和可视化提供了强大的支持。Python在机器学习、深度学习等领域也有广泛的应用，许多流行的机器学习库如TensorFlow、PyTorch、Scikit-learn等都是基于Python的。

C/C++：C/C++是系统级编程的常用语言，它们提供了对底层硬件的直接访问，因此在进行高性能计算、优化算法执行效率等方面具有显著优势。许多机器学习算法和深度学习框架也有C/C++的实现版本，因此掌握C/C++可以帮助算法工程师更好地理解算法的执行过程，并进行性能优化。

Java：Java是一种广泛使用的编程语言，它在大数据处理、分布式计算等领域有着广泛的应用。对于处理大规模数据集和构建分布式系统的算法工程师来说，掌握Java是非常有帮助的。此外，Java也拥有一些机器学习库，如DL4J（Deep Learning for Java），可以帮助算法工程师在Java环境中实现机器学习算法。

数据结构和算法：算法工程师需要熟练掌握各种数据结构和算法，如数组、链表、栈、队列、树、图等，以及排序、搜索、动态规划等经典算法。这些数据结构和算法是算法工程师进行问题建模、算法设计和优化的基础。
版本控制和自动化工具：算法工程师需要掌握版本控制工具（如Git）和自动化工具（如Make、CMake、Docker等），以便更好地管理代码、构建项目和部署应用。

Linux操作系统：Linux是算法工程师常用的操作系统之一，它提供了稳定的开发环境和丰富的工具链。算法工程师需要熟悉Linux的基本操作和常用命令，以便在Linux环境下进行高效的开发工作。

除了以上编程技能外，算法工程师还需要了解并熟悉常用的开发框架和工具，如Django、Flask等Web开发框架，以及用于构建机器学习系统的TensorFlow、PyTorch等深度学习框架。同时，算法工程师还需要具备良好的沟通能力和团队合作精神，以便与其他开发人员、产品经理、数据科学家等密切合作，共同推进项目的进展。