程序员越来越不被公司待见的“三大罪”(文末附赠七夕攻略)

有人在 Quora 上提了这样一个问题:Why does it seem that so many companies treat programmers so poorly? 为什么看起来许多公司对程序员都不太好?许多具有多年软件研发经验、团队管理经验的程序员、技术经理给出了各自的回答。

这“三大罪”让程序员越来越没有地位

第一大罪:“高薪低产”,不是业务部门无法量化价值

程序员的薪资很高!企业主通常只关心公司的业务发展,在企业主看来, IT 是他们最不喜欢的烧钱“无底洞”,而程序员的薪资就占据了大部分。因为 IT 预算会一直增加,每次新的项目产生,IT总是最烧钱的。他们往往没有看到通过扩展 IT 才能带来业务的持续增长这个事实,他们只知道花在 IT 上的钱一天比一天多。

而且目前人口红利消失,公司很多业务开始不能满足发展需求,但是现有的业务又必须有开发不断的去维护,所以这个业务连同部门的所有人都变得不被待见了。

第二大罪:有恃无恐,老板不喜欢掌控不了的员工

企业主们最不喜欢或者说最提防程序员的一点是:假如老板让程序员过得不开心了,他们分分钟走人都算好的了,甚至可以把企业的业务给搅黄了(删库跑路警告),任何一家公司的老板,都讨厌自己掌控不了的员工,仗着自己有技术支撑有恃无恐。

第三大罪:“中年危机”,精力不足被无情淘汰

程序员其实也分三六九等,同样的软件研发工作也是有等级之分的,当你作为外包、合同工、正式员工和顾问的时候,遇到的是截然不同的对待,而且他们相互之间还存在鄙视链。这还仅仅是次要的,根本原因是技术沉淀和年龄不对等,面临“中年危机”。年龄是到了,但是技术或者职位跟不上,被比自己年轻的人淘汰掉。

程序员应付“中年危机”遇到的坑

程序员到了30岁这个尴尬年纪无非就是往三个方向走:

  1. 转管理或者成为自己以前厌恶的“狗产”,夹在甲方和程序员之间两头受气。
  2. 走架构方向成为公司技术核心,不但技术要过硬,沟通协调能力也要过硬。
  3. 往算法开发工程师方向发展,进行职业晋升,做一个不平凡的“码农”。

毫无疑问,相对于产品经理和架构师这种老牌的职位来说,目前市场最缺的就是算法工程师,其实很多有想法的程序员已经意识到了这点,所以有相当一部分的程序员把目光瞄向了人工智能这个新兴技术方向。但是作为一个最近才热门起来的行业核心,因为有价值学习资源的稀缺,所以大部分技术只能自学来摸索,然而自学带来弊端也是数不胜数。

下面我们来聊聊那些入门算法工程师遇到的坑。

懂行的人都知道,人工智能中主要分CV算法工程师、NLP算法工程师、深度学习算法工程师、强化学习算法工程师、推荐算法工程师等等几个主要方向,但是他们统一的入门基础都是数学和编程,所以很多人就从这两个方向开始了基础学习。

我们学习的第一个坑就是知识体系,因为没有业内人士带着学,没有一个系统的学习体系,很有可能学到最后发现学歪了。比如编程方向,算法的主流语言是Python,但是它只要你懂基础语法和面向对象编程,但是有的人学着学着就成为了一名光荣的Python开发工程师。

第二个坑就是数学,它不存在学歪,它的作用是劝退,很多人以为大学学过数学就可以满足算法开发对数学的要求,其实大学的数学偏向于计算,而算法开发它对数学的要求更加偏向于应用,至于计算的事情完全可以交给计算机来处理,我们只需要懂计算的公式和原理。但是不懂的人就一直死磕计算,然后就被劝退了

第三个坑就是项目实战,虽说目前 上的项目实战少,但是还是有一点的,但是那些完全只是用来练手的小demo,而且很多项目缺少数据或者代码残缺,所以根本达不到商业要求。

你需要一个清晰的学习体系!

技能没有办法速成,但是一个完整的学习路线能避免你走弯路,一条别人已经成功过的路,对你来说就是捷径。这也是为什么大家喜欢听前辈分享自己的工作经验。

如果想获取一个学习切入点,首先你得清楚人工智能行业的主流招聘需求是什么?

很多人都不清楚目前人工智能市场的主要岗位需求是什么,然后盲目的从图像、语言处理、智能搜索中随便选择一个方向就去学了,或者直接三管齐下,直接把自己拖垮。

这样的学习方法是错误的,首先你得清楚市场的需求。目前人工智能的岗位80%以上来自图像处理方向,因为图像相对于语言处理和推荐搜索来说,它的应用市场要广泛很多,能结合的商业应用更加的成熟,比如人脸识别、智能监控、多物体追踪、图像补全、实时换脸等等。

下图是来自拉钩 的招聘薪资,目前在北上广深等一线城市,图像方向的算法工程师起薪在20-30K之间。所以,只有选好方向先进入这个行业,拿到高薪工作,你才有精力拓宽到其他领域。

图像处理,目前的两个主要模型之一是MLP,它通过理解和搭建感知机模型来对图像进行处理。其次深度学习三大神经 络模型中的CNN模型,它也可以处理所有的空间问题。比如,图像和视频等数据。

最后

声明:本站部分文章及图片源自用户投稿,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢!

上一篇 2019年7月3日
下一篇 2019年7月3日

相关推荐