职业规划

版本日期备注 1.02022.11.14文章首发本文首发于泊浮目标掘金:https://juejin.cn/user/146860... 0. 前言17年刚退出ZStack时，ZStack正在经验从能用到好用的阶段。这个阶段会有更多的需要，对品质的要求也会更高。举个例子，toB的产品如果在一个行业里拓展开，个别都会想方法拿下龙头企业。大家都是这么想的，你会面临更多的竞争对手。抛去其余层面，单从技术层面来说，技术人员不仅须要提供相应的性能满足客户需要，还须要思考性能在不同的场景下还可能良好的运作。 1. 先兆周一日常周会，当研发们汇报完本人的工作后。PM开始盘点以后版本遗留的bug，这时张鑫发现bug比平常多了点，测试的负责人也开始说起了近期问题的增长。这让张鑫非常的苦恼，那时的我却没意识到什么。 直到过了几年我开始带团队了我才意识到这是一种先兆——零碎的复杂度正在失控，这种失控在后续的迭代中会带来越来越多的问题。 前面研发与测试独自拉了一个小会，探讨了一下目前的具体问题与细节。有人谈到了自动化测试——目前的自动化测试切实太难用了，java的代码，xml的数据配置：尽管数据和行为解耦，但写起来只感觉啰嗦，并没有感觉多不便，大家都不太乐意去写。这个会开完不久后，张鑫神速的撸出了一个测试框架。 这个框架具体的实现以及一些实用tips在本文中不会再介绍，这个在ZStack的Github Repo wiki里有介绍，我之前的文章也做过相干剖析，有趣味的读者能够自行翻阅。 2. Bug大整治测试框架入世之后，所有开发又被拉到了一个会议室。张鑫介绍了一下本人的测试框架以及应用办法，并开始调配之后的工作： 进行所有的开发工作，即日起整体开发投到测试库中工作。将之前的java写的测试用例全副迁到这个测试框架，如果测出bug顺便修复掉。安顿一个测试同学做Gitlab CI机器人，所有patch合入都要依赖这个机器人，判断所有case跑过了才能够合入。后续版本迭代中，每一个ZStack治理平台引起的bug，合入时必须有对应的测试笼罩。安顿一些测试同学来设计一些用例，并编写成测试代码。那时笔者也参加了其中，刚开始写用例的时候，其实是非常厌恶groovy的——动静类型的语言对开发者的要求相对来说高了一点，作为groovy老手是有点麻烦的——很多问题直到runtime才会报错。但groovy又是强类型的，因而在runtime时不会跑出很奇怪的后果（JS就会），只会报错。提供了肯定方便性的同时，也没减少多少debug老本。 强弱类型：强类型意味着确认了类型当前，如果强转一个谬误类型时，将会报错（编译期or runtime）；而弱类型则容许强转，这种状况下则可能产生一些令人意想不到的事。 动静VS动态类型：动态类型须要在编译器就确定字段的类型；而动静类型则会在runtime时依据高低问推导类型——因而咱们能够在不晓得办法具体细节的状况下编写对象上的调用语句。在运行期间，对象会动静地响应办法或音讯。 在起初浏览测试框架实现时，笔者逐步发现了动静类型的魅力——尤其是在测试场景，能够轻松的mock相干办法的返回值，来造成针对性的case。 这部分次要体现在groovy对于元编程的反对上。 同时，groovy还有一些语法糖并反对操作符重载——这意味着能够轻松的创立DSL。这让测试代码写起来十分的难受，齐全没有了之前写java时的verbose。 3. 小结当测试框架齐全落地后，咱们开始了新一轮的迭代。这次迭代过程中，经QA统计，bug趋于收敛，这意味着测试框架产生了价值： bug通过case one by one笼罩，节俭了测试在回归上的人力耗费。从全局来看，防止了测试环节报bug的重复沟通与测试，优化了业务的吞吐量。回头看，这个测试框架做的事用Junit+Mockito也能够做到。但一个好的测试框架，还会带来更低的边际老本——每个开发可能疾速的编写测试代码，而因为测试框架自身提供的DSL与groovy的个性，让代码量相比原版java的test case无效缩小，从而有了更强的可维护性。 无关好的测试框架，在之后文章还会探讨——比方Spock通过语义标签以及DSL来加强测试用例的可读性和可维护性。

对于从事技术小伙伴，技术能带来什么，置信每个人都有本人的答案，药能治病，但有没有副作用呢？是药三分毒。阴阳共生，技术还给你光鲜亮丽的背地，除了鼠标手、颈椎病、近视眼，咱们上面聊聊那些不太直观的副作用。 技术能够为你带来信念，但技术在整个商业体系中，占比重有多少，还要动静的对待，一项技术的胜利，须要匹配的营销、销售、财务、经营等撑持，能力施展技术最大的价值。技术自信没有错，错在自觉自信。hao123有何浅近技术，缘何胜利？Unix有很浅近的科技，缘何不能走向公众市场？这不单单是有了技术，其它所有就主动就绪了。 唯技术高下对待世界，也会陷入一个畸形视角，技术圈是个小圈子，外围才是大千世界。古有文人相轻，今有技术歧视，按孔乙己的格调：不会几个茴字的写法，都不好意思跟人聊天。高看技术人没错，毕竟懂的人比拟少，物以稀为贵；低看技术人的也不少，脏活累活都是技术人在干，听话能干活最让人青睐。在整个商业链条上，技术的地位要摆分明，摆错了就会出错。再没技术含量，能解决问题就是好技术。技术再炫，落不了地仍旧是海市蜃楼。世界不是只看技术，还要看人、看老本、看环境、看趋势，技术的高下之分并不是惟一因素。 《能力陷阱》提到：咱们赖以生存的技术，往往还会造成解放自我的茧房。技术圈里接触更多的还是技术、技术人，相比商务谈判、营销流动等，提起技术心里也更容易接受，不至于排挤，对组织散会、端茶倒水、业务培训这些不利于技术晋升的事感觉都是在浪费时间。在技术圈子里呆久了，一个人的语言体系、思维习惯、行事门路都会带有技术的印迹，咱们笑称之为“职业习惯”“职业病”，即使有一天转换到其它畛域，往往还是会带着这些印迹，好坏只有自有评判。 一技在手，吃喝不愁，按古时的说法，也算个手艺人。但因技术而身陷囹圄的不在少数，熊猫烧香、网络爬虫、虚构货币、个人信息交易等，看似技术中立，然而应用技术的人应该有立场，有些自在只在法律容许的框架下能够，不过也很容易走到灰色地带。敬畏危险、敬畏技术是根弦，不绷在心里，很容易脱缰失控。 你们技术这么牛皮，无形中也会给外界造成毁天灭地的影响。 他人会认为，这个零碎做成了，公司业务就会有突发猛进的提高。他人会认为，你们坐在电脑跟前，敲敲键盘个把星期就能够做一个零碎进去。他人会认为，做这么个“简略的”零碎，找俩人就够了，怎么要花这么多钱。他人会认为，万事俱备，就差一个程序员了。这就是技术带给不懂技术的人的副作用，短期内他们会对技术有很高的冀望，长期看，他们往往也会漠视技术带来的作用。然而如何把这个事，跟技术外围的人说分明呢？

这是IC男奋斗史的第10篇原创 关注公众号「IC男奋斗史」，让咱们一起撸起袖子加油干！ 本文2735字，预计浏览7分钟。 明天字节跳动出了个大新闻，一名年仅28岁的工程师猝死。杰哥示意很心痛！同为咫尺沦落人，杰哥在我的项目回片最忙的时候，也时常须要加班到深夜。于我心有戚戚焉。 杰哥在之前的文章中，始终都在反复强调目前国内半导体行业是风口，呐喊大家及时抓住时代时机。 杰哥明天意识到本人疏忽了一点，抓住时代时机在现阶段也意味着“加班”，然而并不是所有人都想要加班。尤其是女同志们，在结婚生子之后个别是女方更多地承当家庭责任。事实上，杰哥的外企女同事们也的确基本上还留在外企。 明天杰哥就来综合剖析一下现阶段外企的优缺点。 芯片外企的长处 1外企在技术积攒与技术能力上劣势显著 咱们不得不抵赖，不管在数字逻辑芯片还是在模仿芯片畛域，最先进的技术还是把握在外企手中。尽管最近几年国内企业追赶的脚步在放慢，然而差距仍然非常明显。 尽管外企通常不会把最外围的研发我的项目放在中国，然而有些外企的中国研发团队的技术水平还是很高的。 2外企在流程建设方面仍然存在劣势 好的企业肯定要有欠缺的流程，那怎么才算欠缺的流程呢？打个比方，明天某个工程师到职了，他手上的工作换一个新员工，对着流程也能够把这个事做好。 杰哥之前在外企的时候感触就特地显著，我的项目的每一个环节每一个分支都有具体的流程文档管控，只有依照这些流程文档执行，某个环节或者某个岗位换了人，对我的项目执行的影响微不足道。 据杰哥理解，目前国内的芯片企业规模大了之后也都会着手建设本人的流程。就拿新产品研发来说，国内芯片设计公司中流程最欠缺的就是华为海思，国内公司基本上也都以海思作为标杆。 对于流程建设国内企业与外企的差距曾经在缓缓放大。置信不久的未来，国内还会有更多像华为海思一样优良的芯片企业崛起。 3外企在人才培养方面仍然有较大的劣势 这方面杰哥之前在本人的职业经验中有过具体介绍（《我的奋斗：我在外企那些年（一）》《我的奋斗：我在外企那些年（二）》）。目前国内大部分芯片企业还属于横蛮成长阶段，对人才的需要是拿来就用，没有工夫也没有资源造就应届生。 就杰哥本人的经验来说，应届生入职的时候公司安顿了残缺的轮岗学习流程，轮岗完结后公司每年还会要求员工加入两次以上职业相干的培训，而且都是公司花钱请业余的培训师来做。 到国内企业之后，杰哥只有在作为交付组长开始带我的项目后，才加入过一次公司安顿的专业培训。对于人才培养的投入，国内企业与外企的差距还是十分大的。 然而横蛮成长的阶段迟早会过来。当企业进入稳固增长期之后，天然会把重心往人才梯队建设转移。心愿国内企业尽早器重人才培养、尽快着手建设人才培养机制，这对于整个行业来说火烧眉毛。从长远看，这样做会让国内半导体行业受益匪浅。 4外企恪守劳动法 这一点，大家懂得都懂。欧美企业通常很少加班，工作节奏比拟舒服，共事和领导个别也不会很激进，能够很好地实现work-life balance。 不像国内的企业，动辄996，我的项目周期压缩得特地缓和。杰哥打听到的小道消息，平头哥在我的项目特地忙的时候，员工时常要加班到凌晨2点，早上11点就要接着下班。这是在拿命换钱啊！尽管国家曾经严格禁止996，然而大家都懂，除了加班费缩小了，工作还是要做的，无非就是加班审批不通过，改成回家加班罢了。 正好这两天还有个新闻，去哪儿网要求员工加班，居然只被罚3250元。这惩办力度，真的让人有力吐槽。不仅毫无威慑之力，我还放心国内企业的加班风尚反而会更猖狂呢！ 如果有小伙伴厌恶加班，外企也是个不错的抉择。不过，杰哥听还留在外企的小伙伴说，因为员工散失重大，即便不停招聘依然面临人力不足的场面，所以有时候也不得不加班。当然，这种加班强度跟国内企业还是不能比的。 5有外部转岗的机会，如果想润的话能够多个路径 对于润不润的抉择，每个人都有本人的考量，杰哥尊重大家的抉择。如果有小伙伴有这样的打算，能够通过外企的外部转岗机会，技术移民到欧美国家，这是一种移民路径。杰哥就有小伙伴通过外部转岗，从国内到德国定居了。目前欧美国家还是很缺工程师的。 芯片外企的毛病 1外企对于芯片人才的吸引力曾经大不如前，国内半导体畛域最优良的人才曾经很少把外企作为第一抉择 最优良的应届生校招时抉择外企的越来越少。这里杰哥须要解释一下，企业的研发技术水平与员工集体的薪资并不正相干。这就意味着，即便像英伟达这种代表业内顶尖技术水平的外企，给出的薪资也比不过平头哥、oppo之类的国内公司，即便国内公司目前的研发程度落后不少。 杰哥分明的记得2013年应届生招聘到外企面试时，一起加入面试的小伙伴们都是清一色国内名校研究生。过后总共经验了两轮面试加一轮口试，最初留下来退出这家外企的还不到十分之一。 2020年秋招，过后在外企曾经当上manager的小伙伴埋怨说，想招一个优良的应届生居然十分困难。他说从HR那里拿到的应届生简历很少有国内名校研究生，而且简历总数也不多。 比照杰哥所在的国内某AI芯片公司，杰哥在筛选应届生简历时，过后只有一个招聘名额，居然收到了200多份简历，而且根本全是国内名校研究生。 不光是应届生，外企内经验丰富的研发工程师散失也十分重大。杰哥之前所在的外企团队，巅峰期间咱们一个残缺的芯片研发产品线大概60人左右，5年以上工作教训的工程师比例在90% 以上。从2018年初开始呈现到职潮到当初，我所意识的有教训的工程师走了90%以上，两个大老板也相继到职。只管起初补招了一部分新人进来，然而整个团队的实力曾经大打折扣。 受贸易战影响，芯片的国产代替曾经成为了国内半导体行业最重要的风口之一。不光是存储芯片，其余各种类型的半导体器件，例如数字逻辑芯片、模仿芯片与传感器等，目前都有国内企业在做代替产品。这些国内企业在横蛮倒退初期，疯狂烧钱挖人，外企的研发人员散失是不可避免的。 目前外企的薪资程度曾经被国内芯片企业全面超过。从2021年应届生秋招市场来看，很多国内芯片公司给应届生开出的总包超过了外企。而资深芯片研发工程师从外企跳槽到国内公司，总包涨幅根本都在50%以上甚至翻倍。 2外企对于华人的降职空间曾经越来越窄 这其实是一个陈词滥调的问题。以前杰哥在外企的时候，总共有5位大佬降职去了美国。然而其实这个比例在逐年升高。 越来越多的印度裔员工进入外企高层，他们凭借语言与文化劣势在科技类外企混的风生水起。而且印度人还特地喜爱抱团提拔印度人，这样留给华人的机会就越来越少。早些年台湾华人在外企打下的天下曾经快被印度人鲸吞光了。 3核心技术个别不会放在中国研发核心 受美国的《进口管制条例》束缚，出于知识产权爱护思考，外企的高精尖核心技术通常不会放在中国的研发核心，中国工程师们也接触不到那些核心技术。不像国内那些成熟芯片公司，比方华为海思，最外围的技术还是咱中国本人的工程师研发的。 上述杰哥所说的芯片外企优缺点，小伙伴们能够本人做个优先级排序，抓住对本人最重要的那一点。汝之蜜糖，彼之砒霜，杰哥的倡议不重要，重要的是你本人想过什么样的生存。 全文完。 相干文章： 润还是不润？这是个问题 文末扫码加杰哥微信，收费提供各种半导体行业研报： END 关注公众号「IC男奋斗史」，让咱们一起撸起袖子加油干！ ●第三次“世界大战”——芯片保卫战，无烟的战场！ ●系列文(下)：这是咱们的黄金时代 ●系列文(上)：芯荒荒，汽车芯片路在何方 ●芯片工程师太贵，贵你妹啊！

这是IC男奋斗史的第6篇原创关注公众号【IC男奋斗史】，让咱们一起撸起袖子加油干！ 本文1733字，预计浏览5分钟。美光科技这家公司在过年前后这段时间出圈了，如果只是遣散上海研发核心100人以上的DRAM设计团队，应该还不至于这么出圈，更重要的起因应该是美光给40多位外围研发人员提供技术移民美国的资格，这戳中了不少吃瓜大众的嗨点。有业内人士认为美光是为了避免技术外流。随着国内半导体行业疾速崛起，国内存储芯片厂商发展势头强劲，比方长江存储、合肥长鑫、嘉合劲威等，他们破费高薪挖各种人才，美光这种国内存储芯片巨头的人才流失不少。美光可能放心其核心技术随人才一起外流至国内企业，索性间接遣散团队。中美贸易战继续发酵，美国国内也开始大力支持半导体产业。拜登政府正踊跃推动美国国会批准通过520亿美元的芯片法案，以促成芯片生产、反对美国外乡的半导体研发。据最新消息，该法案已取得美国众议院通过。这势必会吸引美国企业迁回一部分研发团队。随着中国经济的快速增长，国内劳动力老本大幅减少，尤其是在北上广深等一线城市，芯片从业人员的薪资待遇曾经靠近发达国家程度。将来这些外企可能为了升高劳动力老本，把研发团队迁往印度、东南亚等国。作为芯片行业从业者，咱们该如何面对这样的趋势？未命名公众号记录大时代浪潮下，一名IC工程师和他的贤妻军师在魔都的奋斗历程。公众号对于美光DRAM设计团队的40多位外围研发人员，在中美关系如此缓和的大时代背景下，在爱国情怀空前低落的社会环境中，吃瓜大众次要探讨焦点就在于他们到底该不该润。不论润不润，以后的待业环境下，国内芯片企业必定求贤若渴，十分须要这方面的人才，给出的待遇肯定超乎设想，基本不愁找工作。他们到底是留下来退出国内芯片企业，还是技术移民去美国工作生存？润还是不润，杰哥不想用爱国情怀来道德绑架，是人都会趋利避害，置信他们都会做出最有利于本人的抉择。但杰哥也想给一些剖析和倡议，仅供参考。近几年，中美关系日益缓和对抗，尤其是疫情之后，华人在美国的生存环境大不如前，越来越多的留学生抉择回国工作生存。这个时间段抉择技术移民美国，可能不是一个好时机。另外，半导体行业在美国曾经是成熟产业，倒退曾经进入稳定期。英特尔、高通、美光、德州仪器、英伟达、AMD等芯片巨头占据了各自畛域的次要市场份额。这也意味着在这些企业中，一个萝卜一个坑，降职空间小，华人技术移民过来大概率一辈子最多只能做个技术专家。同时，美国就这么多家芯片设计公司，意味着跳槽的机会相对而言会比拟少。不过最近几年，互联网企业造芯曾经成为了一股新潮流，包含谷歌、微软、亚马逊、Facebook等互联网巨头纷纷投身芯片行业，这也给美国的半导体行业带来了新的挑战和时机。对于美国的芯片从业者来说，互联网企业起到了鲶鱼效应，跳槽抉择变多意味着支出也会猛涨。而国内半导体行业却迎来了高速发展期，不管企业数量还是薪资待遇，都在快速增长。2021年国内新增芯片设计企业2810家，比2020年减少26.7%。从2018到2021年，新增芯片设计企业间断4年超过1500家，而且增速还在持续放慢[1]。国内互联网企业也纷纷投身芯片行业，包含阿里、腾讯、字节跳动、百度等互联网巨头，要么本人成立芯片公司，要么投资芯片初创公司。除了互联网公司，手机厂商如小米、oppo、vivo，汽车厂商如比亚迪、吉利、蔚来也都退出了造芯大军。目前外企的薪资程度曾经被国内芯片企业全面超过。从2021年应届生秋招市场来看，很多国内芯片公司给应届生开出的总包超过了外企。而资深芯片研发工程师从外企跳槽到国内公司，总包涨幅根本都在50%以上甚至翻倍。比照国内与美国的半导体行业倒退状况，国内还处于行业倒退初期，初创企业占次要局部。国内半导体畛域对人才的需要更加紧急更加迫切，提供的薪资待遇与降职机会也更多更好一些。作为从业者，咱们的机会与抉择也更多。杰哥晓得，目前国内的集成电路研发程度跟美国比，差得切实太多太多。然而杰哥置信，假以时日，咱们国家肯定能够赶上美国最先进的技术水平。咱们每一个芯片研发人员，都是这历史潮流中的参与者、见证者、引领者，杰哥置信，中国的芯片史会铭刻咱们。对于现阶段所有留在外企的小伙伴们，杰哥倡议大家趁着芯片行业的风口早点选一家有后劲的国内公司，占一个好坑位。不要等到你所在的外企要裁员了，才进去找工作。因为环境时刻在变动，如果不提前做好布局，到时候你就只能被动抉择。当然，每个人面对的状况都不一样，杰哥只是想从大环境的角度给大家提供一些剖析的思路与角度。最终如何抉择，还是得联合本身因素实现利益最大化。全文完。关注公众号【IC男奋斗史】，让咱们一起撸起袖子加油干！参考文献：[1]【更新】ICCAD 2021 魏少军报告官网公布：https://mp.weixin.qq.com/s/yi...； END

这是IC男奋斗史的第5篇原创 关注公众号【IC男奋斗史】，让咱们一起撸起袖子加油干！ 本文1396字，预计浏览4分钟。 本文来自私信征询问答。杰哥已征得对方批准把内容展现在公众平台。 感激对杰哥的信赖，杰哥会全力以赴帮忙大家。 问： 您好，我是一名数学业余的应届博士，收到了来自国微团体的offer，工作内容是研发EDA软件的物理验证模块。然而我对半导体行业意识十分肤浅，对EDA和芯片产业理解限于网上搜到的抽象信息。我有以下几个问题： 国产EDA软件的前景如何？目前研发EDA公司很多，投资也不少，这种情景将来5-10年可继续吗？您对国微团体有理解吗？我在网上能搜到的无效信息很少。如果今后想从EDA行业转行，有哪些方向？我目前有另外一份小鹏机器人公司--鹏行智能的offer，初创公司，专营畛域是四足机器人。请问假如薪资差不多的状况下，这种初创VS上市公司的offer如何取舍？答： 受贸易战影响，芯片国产化代替的趋势不可逆转，政府对半导体行业的政策反对曾经回升到国家策略层面。EDA软件作为芯片研发与生产的根底软件，其重要性显而易见。EDA软件畛域90%以上的市场被国外三大企业占据，国内EDA企业倒退较晚且与国外三巨头存在十分大的差距。毫不夸大的说，美国如果间接对咱们禁用EDA软件，国内大部分芯片设计公司都得歇菜。 我认为EDA软件的发展前景是十分不错的，最近几年国家也在加大EDA畛域的投入。国内也涌现出像概论电子、华大九天和芯愿景等EDA企业。 将来五到十年国家还会在EDA畛域继续投入，而且还会减少力度。起因很简略，EDA软件属于卡脖子的关键技术，咱们不可能让命运始终把握在他人手上。EDA畛域咱们跟国外的差距还十分大，必须减速实现国产代替。 国微团体进入EDA畛域工夫较晚，尽管最近几年倒退不错，然而技术积攒不如华大九天和概论电子。应届生入职可能得不到零碎的培训，不利于你当前的职业倒退。另外从我理解的信息看，国微的几位领导没有EDA相干背景，技术能力与国外企业差距过大。从你提供信息看，你工作的内容是EDA软件物理验证模块的研发，属于EDA软件自身的研发，是核心内容。然而内容绝对比拟专比拟精，方向也比拟窄。当前换工作抉择的范畴也会受限，跳槽能去的次要也是EDA企业。尽管目前跳槽涨薪幅度大，然而EDA企业数量绝对较少，也就是说，尽管人才稀缺，然而从业人员腾挪空间小，待业面窄也就意味着薪资涨幅前面很容易被限度。如果你想当前转行，我倡议你工作理论要多从EDA软件应用端动手，积攒这方面的技术常识。这样，你当前能够往芯片设计公司跳，前端设计、芯片验证、后端设计以及DFT等岗位都是不错的抉择。从数量上看，目前芯片设计公司提供的岗位与机会也是最多的。 对于小鹏机器人的offer，我感觉你能够思考下。这几年以及将来几年，硬科技都是风口，人工智能曾经到了落地商用的暴发期，这是一个增量市场。机器人作为人工智能落地利用的一种，这几年也很火。另外，人工智能的利用行业十分广，即便当前不做机器人，跳槽做其余行业抉择也多，比方我认为智能电动汽车将来几年会进入暴发期。假如薪资待遇差不多的状况下，如果初创企业领有外围竞争力，发展前景也不错，我还是倡议你初创。因为上市公司组织架构绝对欠缺稳固，岗位职责划分十分分明，你在里边工作就像螺丝钉一样，随时可能被替换，同时也意味着一个萝卜一个坑。然而初创企业不一样，基本上是能者多劳，如果你足够优良的话，技术积攒很快，能力晋升也很快，降职天然也很快。 当然，初创企业也有缺点，比方对应届生的零碎培训不欠缺，比方流程治理绝对凌乱、职责划分不清。但我集体认为，与疾速降职和薪资待遇相比，这些倒显得主要了。 全文完！ END 往期回顾 #芯片工程师太贵？贵你妹啊！ #IC应届生40万白菜价！从业多年的资深专家手把手领导你如何抉择offer！ #我的奋斗：我在外企那些年（一） #我的奋斗：我在外企那些年（二） 关注公众号【IC男奋斗史】，让咱们一起撸起袖子加油干！

这是IC男奋斗史的第2篇原创 关注公众号【IC男奋斗史】，让咱们一起撸起袖子加油干！ 明天杰哥想给大家讲讲本人近十年的职业经验，做一个全面复盘。心愿我的总结与反思可能给正在看文章的你提供借鉴，可能帮你在求职或者工作过程中少走一些弯路。 外企轮岗期2013.04—2014.12 2012年下半年，我开始了研究生在校的最初一年时光，当年秋招期间我总共拿到了3个offer。 1 第1个offer是在一家央企的研究院做软件开发，面试的时候理解到这家研究院大部分的软件我的项目都是外包进来给供应商做的，所以次要的工作职责是做软件项目管理，须要把控好供应商的软件我的项目进度与交付品质； 2 第2个offer是在银联数据中心做软件开发，也就是大家常说的程序员； 3 第3个offer就是硕士毕业后我抉择入职的美资模仿芯片巨头公司，岗位是芯片测试。 这3个offer的区别还挺大，大家必定好奇杰哥是学什么业余的。这里就不卖关子了，我是学自动化的，也就是传说中的“万金油”业余，可软(件)可硬(件)，可强(电)可弱(电)，也能够软硬联合，强弱配合。 对于如何抉择offer，杰哥过后也是找过来人征询过。尽管从师兄师姐那里收集来了很多信息，但其实最吸引我的，还是这家外企对于应届生的造就机制。 杰哥过后面试的岗位是产品&测试工程师，好的产品&测试工程师须要对芯片从研发到生产的全副流程有十分清晰的理解，因而这家外企给入职该岗位的应届生安顿了从芯片设计、芯片验证、晶圆制作、芯片封装、芯片测试等岗位各为期3个月、共15个月的轮岗打算，其中局部岗位还会安顿去国外分公司工作学习。 这种对于应届生造就的资源投入与器重水平，让我深受感动。什么offer比照offer抉择，都是浮云，杰哥义无反顾的退出了这家美资模仿芯片公司。 这种感觉就好比进来相亲，你通知本人要看对方的家庭背景、学历、工作、身高、颜值等一系列条件。后果一见面你就被对方的气质深深吸引了，你们聊的很投机，跟她在一起让你感觉很难受。你就会感觉，去他的一系列条件吧，我就想跟她在一起。 说到轮岗打算，这里边还有个小故事。 我过后加入第一轮技术面试的时候，是跟同学一起去的。我俩面完试走到楼下，我同学想抽会儿烟，我就在楼下陪他聊天。旁边也有个大哥在抽烟，十分nice，一边抽一边找咱们聊天，他晓得我俩是来这里面试后，就通知咱们他也在这里下班，说咱们运气很好，这家公司对应届生的造就制度很欠缺，很多岗位还有出国轮岗的机会。 过后我就记住了，特意在第二轮面试时去找面试官理解了详细情况。这也是促成我退出这家外企的间接起因之一。更有意思的是，入职第一天我发现过后跟咱们一起抽烟聊天的大哥居然是我所在产品线的大老板。哈哈哈，真的是缘分呐！ 入职之后，所有都如杰哥期待的那么美妙。宽敞舒服的办公环境，激情敌对的共事，和颜悦色的领导。为期两周的入职培训也让我印象粗浅，从公司文化到商务礼仪，从信息安全到法律法规，从产品布局到技术计划，八面玲珑。最初还有一天户外素质拓展。 整个流程下来让咱们这些刚从象牙塔里走进去的学生迅速融入到了这家企业中。直到现在我还清晰地记得入职第一天公司前台最醒目的中央有个大大的指示牌，下面写着“Welcome on Board！”。 入职培训完结后我就开始了长达15个月的应届生轮岗打算。芯片设计、验证与测试团队都在上海，也就是我起初工作下班的张江研发核心。晶圆制作在成都，芯片封装在马来西亚。 轮岗的这段时间，尤其是在成都和马来西亚的半年，是我加入工作后过得最空虚的一段时间。工作日在工厂培训学习，到了周末咱们几个轮岗的小伙伴就一起结伴出行。马来西亚的马六甲、滨城、兰卡威，成都的青城山、九寨沟、大熊猫基地，既有青山绿水，也有阳光大海沙滩。学习常识的同时还能够游山玩水、品味当地美食，几乎是身材和精力的双重享受，当初回想起来还能让我开心一会儿。 轮岗期间产生了几件事，让我印象十分粗浅。 01 刚开始到马来西亚封装厂的时候，因为咱们是从中国大陆过来的，工厂那边很多权限对咱们不凋谢，尤其是一些外围产品的生产线，压根不让咱们参观学习。而且咱们每天出入工厂的工夫，还被那边的HR邮件发送给咱们每个小伙伴，甚至还抄送了中国区的HR。 这件事让咱们非常恼火，咱们就立马反馈到国内的大老板那里。大老板也很给力，通过中国区HR总监反馈到了HR寰球副总裁，而后HR寰球副总裁再给马来西亚工厂施压。最初失去的后果是，基本上解除了对咱们的所有限度，除了一条军工的产品线外，其余所有的区域都对咱们凋谢。 这件事对咱们鼓励很大，让我晓得有问题肯定要反馈，只有是正当的需要，总有方法解决，就算解决不了也得让他们晓得咱们中国人不是好欺侮的。 02 我在成都工厂轮岗期间中途忽然收到速回上海加入培训的邮件。这里大家必定好奇，不是曾经在成都培训了吗，怎么还要大费周章地回上海培训？其实我过后也好奇，收到HR邮件的时候我也问了同样的问题。HR的回复是这个培训是咱们岗位的技术根底培训，反复强调十分重要、必须加入，公司会给大家报销所有费用。 起初我才晓得，这个培训是请美国方面的专家做的，培训的内容就是我所从事岗位的技术基础知识。这里进一步体现了老东家对于人才培养的器重水平。这也是这家模仿芯片巨头能在半导体行业辉煌几十年的重要起因之一。 03 我用本人第一年工作攒的十万块钱帮家里盖了房子。因为我在国外轮岗期间有额定的贴补，并且食宿公司解决，所以毕业第一年我存了点钱。 这个决定给我的人生带来了十分大的负面影响，最间接的结果就是让我错过在上海买房的最佳时机，具体复盘我会在后续的文章中再做详细描述。这也是我人生做的第一个谬误的重大决策，本源在于我本人的认知与眼界太狭窄。 2014年12月，整个轮岗打算全副实现后，我对芯片从设计到生产有了十分清晰的认知，这也给我起初的半导体从业之路打下了松软的根底。 最初，我还想重申一下，好的企业肯定要有好的人才培养打算，这是决定一个企业是否久远倒退的根基。 未完待续…… END 往期精选 #IC应届生40万白菜价！从业多年的资深专家手把手领导你如何抉择offer！关注公众号【IC男奋斗史】，让咱们一起撸起袖子加油干！

聊聊前端工程师如果做职业规划大家好，这里是潇晨，这篇文章不聊技术，聊一个比拟凋谢的问题，程序员如何做职业规划。 其实这个这个问题还是比拟宽泛的，因为每个程序员的业余能力、背景、经验都不一样，所以对每个人来说很难总结出一个普世的职业倒退倡议，然而如果具体到每个业余，比方前端工程师，具体到某一个年龄，比方35岁前，那还是能演绎出一个比较完善和通用的职业倒退倡议了。 1.业余能力方面 作为前端程序员，千万不要只会应用某个框架或者库，因为这些都是会随时变动或者更新的，人的精力是无限的，可能明天风行这个框架，今天就是另一个框架了，在说前端技术变动这么快，可能你当初用的技术过1年就不那么香了。 解决方案当然是拓展本人技能的深度，在一些外围能力上下功夫，比方源码、数据结构和算法，就像武侠小说里的招式和内力一样，这些框架和库，都是招式，而数据结构、设计模式、源码架构的思维才是你的内力，招式打的好不好，用进去的成果怎么样，都须要弱小的内里反对，招式在变动，外围的算法和优良的设计模式都是根底，这些才是不太变动的货色。 举个栗子，react源码中用到了大量的链表，比方hooks链表，update链表、fiber树等，调度的过程应用了小顶堆，优先级的计算应用了二进制位运算的交融，还有比照新老节点的diff算法，那大家有没有思考过react框架为什么会应用这么多的数据结构和算法，实质起因就是为了构建疾速响应的利用，既然优良的工程师设计的优良的库都用到了这么多数据结构和算法，咱们还有什么不学习的理由呢 在举个例子，比方你日常开发中要优化组件，那如果你没有什么源码的底层，不理解你所应用框架的运行机制，怎么能做好性能优化呢，比方你用的是react，你不理解异步可中断的更新，不理解concurrent模式是怎么优化cpu层面和io层面的设计，那你必定不能设计好一个高性能组件。 2.公司抉择方面 如果你能够抉择小公司和大公司，肯定要抉择大公司，也不是说说小公司不好，只是大公司的平台劣势和跳槽势能，还有技术的广度、根底建设上不是小公司能够比的，如果你在一家大公司感觉没什么回升通道了能够跳到另一家头部互联网公司，只有当你做好了短缺的筹备，不满足于下班拿工资，才能够退出你认为有后劲的小公司，并且肯定要拿到股权，这样才有可能翻盘。 在抉择公司方面，肯定要做好充沛的理解，比方公司的前景、团队气氛、技术栈等等，这些都是须要思考的中央，每个公司其实团队之间的差别也是十分大的，如果你有一个好的leader，那才是一件十分侥幸的事。 还有一点，不倡议去外包，也不倡议去国企或者传统行业做开发，一是个别这些公司技术比较落后，在外面呆上几年之后，你的技术会落后市场一大截，到头来跳槽就得失相当了。 3.职业抉择方面 如果你能静的下心来学习，那不倡议你转行，生存和技术都是围城，大家都在艳羡着他人，其实不晓得其他人也生灵涂炭，本人的技能和业余才是你的劣势，如果能在花些工夫精进本人的能力，学些日常应用的框架的原理、源码、学习数据结构和算法、设计模式等，你绝对于那些转行过去的人来说就是人造的能力劣势。 如果你刚入职场，能够抉择技术气氛强的公司，不要太在意加班和薪资，毕竟学习业余能力才是你的目标，入职场一年必须把罕用的框架和库可能纯熟应用，第二年开始就能够深刻源码或者本人增强本人的外围能力，比方算法，或者本人设计一个脚手架，组件库，参加开源我的项目等。 如果你正在处于筹备结婚生子的阶段，能够抉择一些加班较少的公司，外企也能够，毕竟着一阶段须要稳固，然而肯定也不要遗记了学习，技术都是突飞猛进，一直学习能力脱引而出 如果你是团队的leader，能够思考如何晋升团队的效力，做好技术积淀和输入，治理日常的工作，做好新人造就，然而不倡议你不写代码了，除非你认定你当前肯定是一个很好的治理人才，否则技术永远是你吃饭的硬家伙。

我时常想，如果我只能通知学生一个职场忠告，那么我通知他什么？ 我想我会通知他交换价值是他惟一留在公司的理由。 有人可能会说，我不认同啊，因为有的人人品不好那么即便他再能给公司发明价值，公司也可能不会抉择他，而会抉择一个能力绝对弱一些，人品更好的人。 这个问题很好，这个问题的产生在价值的定义上。 在我看来你的价值是你可能继续多久提供价值的总和。 小学时候咱们就懂： 总价 =  单价*数量所有你的价值源于两个因素，一个是单价，一个是数量，也就是工夫。其实人品说白了就是工夫这个因素不稳固。而有的人单价低，然而稳定性好，总价也是高的。 你的总价越高你在公司越稳，当然你要留神你肯定是正向增量价值。什么意思，有的人价值很高，然而他一意孤行，一个部门都听他的，他金口玉牙，那么他集体没问题，然而它造成的隐患是他能力再强，可能因为他这个因素整个团队整体价值变成了0那么这个价值也是有效的。 晓得了你被留在公司的惟一理由，那么就好办了。 那么做两件事就行了，第一让本人变得有价值，第二证实前一句话是真的。 咱们第一步先做好。 要想玩好职场这场替换游戏，你就要明确本人手里有什么牌能够打。一个普通员工能够打的牌不多（高层能够打的牌很多这里不赘述），最不言而喻的就两点： 1）工夫 2）能力 对于职场新人来说他能提供的第一种更多，简略的说，你在公司8K，而后呢你做一下午的工作，能够让你的主管或者25K的人一下午可能腾出手来干别的，甚至是劳动，这也是你的价值。尽管说的很事实和残暴，然而没什么好埋怨的，我的一些学生996，而后早晨10点多到家，就是这样一种工作状态。 对于一个曾经具备肯定能力的职场老鸟，他能提供的是实实在在的能力，然而能力不是价值。 比方我有可能化繁为简让学生能听懂我讲什么的能力，然而不是这个能力有价值，而是把这个能力继续的输入产生信用能力变成价值。 什么意思呢？ 我可能每个月带出一个班，间断曾经三个月都是如此而且学生好很多工作都很棒，这个时候不论是在公司还是学生之中都造成一种信用。什么信用？ 对上，我给你工资你必定能给我带来超过工资10倍的利润。 对下，我交学费，三个月后你就能让我一两个月可能把学费赚回来。 这个时候我才可能产生价值。 晓得本人有什么牌能够打了，就要想明确如何取得这两张牌。 第一张每个人都有我不说。 第二张牌，通过学习输出，通过继续的提供可交付后果输入。 好了，不开展说了。 如何证实你有价值？ 1.如果你不是有非凡目标，那么请你把衣服穿好。这个是对人的尊重。 没有人有任务通过你邋遢的表面发现你的内在美。以貌取人尽管不好，然而却简略粗犷无效。 如果你能力有余那么你就把衣服穿的很得体和规矩，衣服是你的简历，可能让人看出你的品尝和外在的能力。 能力即便很好良好的着装也能让你更平滑的沟通和很快的取得尊重。 没有人有任务通过你邋遢的表面发现你的内在美。这句话其实只说对了一半。还有后半句，如果有人有这个能力那么这个人至多是一个能够晦涩单干的搭档，请珍惜。 一个人如果可能不在乎你的表面，尝试着去理解你，至多这个人是善意和有急躁的人，即便只是做样子那么这个人也是一个双商很高的人。 已经我衣着还很随便，因为我想通过技术取得他人的尊重，同时能够看清更多的人。很有意思，我见过有的人很不屑和不屑一顾，有的人当场讥笑，而有的人会善意揭示，而有的人会尝试关注技术自身，而有的人会尝试帮我解决。 不屑一顾和当场讥笑的，我也只是一笑而过善意揭示的人我也会善意的看待，关注技术自身的人能够单干在技术畛域是一起工作的人。尝试帮我解决的，能够长期单干。 要明确，问题谁都会提，可能带着解决方案提的人难能可贵。 当然说远了，个别出入职场的人没有过滤人的必要，所以还是好好穿衣服吧。 2.做事件有很多准则和技巧，比方有人会通知你职场潜规则哪有什么对事不对人啊，事儿是由人干的。这些都对，然而我喜爱通知你景象和技巧之后的实质。 一件事该不该做你只有想一件事就行了，这件事做了他人会不会难受。简略的说，如果你给下级写一个报告，而后名字叫新建文件.doc你感觉领导会难受吗？ 3.做一个有信奉的人 记住一个有谬误信奉的人要比一个没有信奉的人好的多。 举个例子，《血色浪漫》里，珊珊用宁伟给她的手枪完结了本人年老的生命，一个妓女很多人同情，然而现实生活中换男朋友跟换姨妈巾一样频繁的女人很多人提起的时候会不屑一顾，为什么？ 信奉。 如果肯定要排个序的话： 1.信奉   让公司晓得这个人能不能用，不能即便开掉也会是尊重的。 2.人品   有什么信奉就会有什么人品  比方拜金主义的人基本上人品上没有什么底线，唯利是图 3.能力    前两者没问题，第三个能够造就。 最初两句话总结。 1.价值是你留在公司的所在 2.证实你的价值，同时记住只有你站在地球上就有可能背对着一半的人。走好本人的路比尝试扭转一小撮人的认识要重要的多。

昨天陪发小打麻将，发现其实一个人的毕生就像打了几圈的麻将。只不过有的人赢了，有的人输了。有的人笑了，有的人哭了。有些人输的很开心，有些人却博得那么纠结…… 首先是摸排。每个人摸排都是偏心的，也是不偏心的。偏心在大家都是在一个桌子上摸排，不偏心在有些人起手的牌就超好。 这就像咱们来到这个世界上，谁都没法抉择本人出世在什么样的家庭，然而有些人的家庭环境差些，有些人的家境和各方面资源超好。让人感到庆幸的是，起手牌的好坏，的确影响着最终胡牌的概率大小，然而不是相对的间接关系。怎么打牌也很重要。而且人生不是只打一次牌，你可能手气好赢一次，然而如果你牌技不行，靠手气很难始终连庄。 原生家庭的好坏的确会影响集体的胜利，然而家庭环境并不是间接决定着集体的成就。否则，皇帝的家庭环境和资源是最好的，应该千秋万代，遗憾的是秦二世而亡。相同很多的精英崛起于草根。其次是打牌。这个间接决定着你是否能胡牌。 生存是本人活进去的，你能够决定你怎么生存。你能够在宝马车里哭，也能够在自行车上笑。那么从打牌中咱们能学到什么呢？ 1.你要捋顺本人的资源。你如果连牌都没捋顺，那你不可能胡牌，就算是胡牌了，你都不晓得。 不论是工作还是生存，你连本人有什么资源和短板都不晓得，你怎么晓得降临的是不是机会呢？或者说你怎么晓得你要什么牌呢？他人放到你眼皮子底下，你都不肯定意识到那是机会，你该抓住。他人想帮你都不晓得怎么帮你。2.确定打法。你顺子多和你对儿多胡牌形式是不一样的，确定了打法当前，你才更容易胡牌。明明是该胡一般牌，你非想打成十三幺，那可能你能把底裤输光 。作为个别公众的人生可能是出世- 尽可能致力上所好大学-找个好工作。而你非得出世-上清华-嫁给大彬哥（自恋勿喷，哈哈）。你可能不论学习办法多正确，教育资源多到位，可能概率也很低。当然这个例子极其了。然而很常见的状况是，很多人明明能够通过学习进入一家很好的平台，通过工夫的积攒，拿到很好的待遇，过上舒服的生存。可是却不晓得本人该学什么，该做什么，该去什么样的公司，该过什么样的人生。最终迷茫着，纠结着，抑郁着。3.学会动静的调整随着工夫的推移，状况变了，打法也要动静调整。你胡伍万，曾经进去三个五万了你还等着吗？ 比方前端开发行业局势很好，2015年的时候学习三个月就能找8K工作，当初裁员潮，你学6个月可能都没戏。你还依照2015年的思路思考，我笨我学9个月能够吧，他人8K我6K，能够吧？道歉，用人单位当初须要的是15K的程序员，你如果不扭转，真的找不到工作。4.学会整合资源很多人的牌并不好，然而通过一直的吃和碰也能胡牌。 可能整合他人的资源，为本人所用，能够减速你的胜利。比方我和大咖联结出书。我本人的能力能一年写一本1万册，同他们一起出4本，每本5万册。那我即便均匀下来输入能力也是原来的6倍。简略的说就是我一年做了6年的事儿。5.学会共赢，即便他人赢了，你也会赢。有时候你真的牌超烂，然而你就只有一杠，最初也能赢钱。 有时候我会把本人不善于的我的项目举荐给善于的敌人、甚至是业务重叠的同行。这样一来我有介绍费，二来下次他有问题仍然会找我。同理，有些学生付不起征询费或者不想做征询，然而我还是违心把他举荐到适合的公司。因为我帮他涨了工资，那他遇到问题和我的项目单干的时候，第一个就想到的是我。我仍然会赚钱。所以如果有时候要学会让他人也能赢。6.意识谬误，但寻找解决方案而不是自责和焦虑。如果你一次没有胡牌，那可能是运气，如果你一早晨都不会胡牌，很可能真的是你打牌程度不行（我就有过三个将不胡牌的经验，让我哭一会）。 如果你一年换了跳槽了三家公司，那很可能不是平台不好、领导不好、活多，而是因为你不够好。这就好比一个女孩间断谈了三个男朋友全是渣男，那真的可能女孩眼光有问题，或者自带招渣男体质。 当然，更常见的状况是，很多人会焦虑，纠结和自责，把问题归纳在本人能力不行，本人笨，本人懒，本人执行力不够，这样的理由我听过太多了，其实就是一句话，这个是我的问题。这个有时候就好比你吃饭咬了舌头，你第一次咬舌头的时候你也不会烦恼，不会说都是我的问题，都怪我来吃排骨，都怪我吃饭谈话。都是我的错。同样，你一周咬了七次舌头，我想你更不会说都是我的错，而是你会思考我是不是该去看看医生了。 那你为什么会因为一次的工作不顺利，或者屡次的工作失误去自责而不抉择放下或者去找医生呢？ 7.每个人都是独特的个体，都会发光。每一个人打牌的形式不同，能胡牌就行。 每个人的家庭、成长环境、背景不同，那职业门路、生存形式也不同，胜利的形式也不同。没必要活在他人的眼光里，或者寻找规范的胜利办法，更不要因为他人胜利了，本人还没胜利就失落和焦虑。感情也是如此，我有敌人22岁结婚很幸福，也有35岁结婚，也很幸福。重点是幸福，不是多少岁。 每一个人都有属于本人的花期，在那里咱们肯定会灿烂的盛开，并有人驻足观赏，为之动容。 最初，聊聊对于胡牌与人生。有些人打牌是为了赢钱，有些人打牌是为了跟亲朋好友享受高兴。有些人就是为了打发工夫。 所以，打牌最重要的是不忘初心。有些人就是为了赢钱，后果输了，那你就要好好学学牌技了。而有的人就是为了享受和家人的高兴，那就不要因为他人的赢而失落甚至是怄气。 有些学生原本就是为了奔着待遇优厚去一家公司的，最初跟HR聊嗨了，忘了本人干嘛去的，进去了又不开心，纠结。这就是忘了初心。还有人会虚伪的自我安慰，公司比拟小，老想着等我学好了技术，我就换一家公司，其实他们公司真的没啥好学的。同理，有些人就是为了进步技能，后果每天晚上刷会儿微博学习会，而后聊聊天，最初看起来像是很致力了一天，其实只不过是自我安慰而已。你如果是为了进步技术学习，那么如果你没有技能的晋升，那还不如去睡觉或者撩妹，那样反而有个好身材，或者会让本人很开心。另外，牌局如人生。麻将源于河图洛书，体现了很多的智慧。当然了上面说的是我本人的了解，比方 普通型胡牌： 按一对将+四句话组成（包含杠），如 11，111，111，111，111 四个顺子+一对 四个顺子，其实能够对应亲情、情谊、恋情、事业 一对：当然夫妻了。 每一个顺子，有三张牌。 亲情：老中青三代人 情谊：知己、好敌人、个别敌人 恋情：敌人->恋人->夫妻 事业：喜好、职业、事业 其实捋顺了下面这4个顺子+一对，就人生圆满了。 这里有个重点，就是将（能够当任意的牌） 其实将就是你扭转人生的机会和贵人。一旦遇上了，那就能大幅度的进步你胡牌（减速人生圆满）的概率。 机会比方，学习、工作、恋爱，如果三个圆满，人生太容易圆满了。（三个将不胡牌天理难容啊）这样牌起手不常见，也须要运气。这就好比一个人一开始就进入了一所特地优良的大学，而后进入了世界500强，最初嫁给了比尔盖茨 的女儿。 贵人比方父母、老师、共事。尽管丈母娘之类的算是贵人（可是我并不喜爱这样的胜利形式，感情应该是纯正的） 然而个别人可能会有有一个将，当然也可能一个没有，然而并不影响圆满，有人会说我排就是差什么都不挨着，祝贺你，打13张不一样的牌也能胡。 最初一点，也是我认为最重要，普通人最容易圆满胡牌的形式。其实麻将也通知咱们了。 至多你得保障 有三个 固定，两个灵便，而那两个灵便。 亲情：必不可少的稳固 情谊：必不可少的稳固 事业或者恋情 至多有一个稳固 用 一对或者一个顺子 去胡牌。 这就是咱们说的成家立业。 如果先成家，那么就是 一对有了，立业就是胡的顺子。 如果先立业，那么就是 亲情、情谊、事业 、恋情也有了， 枯燥一张牌（找到那个能让本人圆满的那个人） 然而你会发现，单吊将，影响很大，最显著的就是关联着恋情。 所以成家立业是有肯定情理的（但不相对）。 那咱们如果想减少胡牌概率怎么办呢？ 1.晓得本人要胡什么牌（清晰集体定位） 2.确定本人怎么打（明确职业失常门路） 1.学习牌技（进步工作专业技能） 2.关注身边的人（其实就是治理和人际、劣势力等） 3.减少将牌（寻找到扭转你毕生的机会和贵人） 4.留心要害胡牌（注意那个可能让你毕生圆满的终生伴侣）

导读： 这篇文章成文于 2017.03.13 13:33:40，过后的情景是，感觉老东家（业界最好的培训机构，来到的时候公司风头正劲）会出问题，所以来到了之前培训机构，而后本人创建了一家新公司，运行大略半年左右，而后老东家果然呈现了很重大的危机资不抵债，而这个时候，而我新创建的公司也曾经走上正轨，产品很成熟，可能很稳固的将学生工资从8K那一档买通到25K,然而遇到两个瓶颈，一个是感觉学生在我手下才会蛟龙得水，其余咨询师还是很吃力，第二深感治理守业公司很累，加上我的构想测试实现（守业的目标就是为了测试一下本人的思路和产品是否可能将学生带到月薪25K的水平）。所以萌发了来到编程和来到本人守业公司的想法，起初通过一年左右的交接与运作，开始了新的行业转型。所以我把这篇文章分享进去，目标是让那些未曾经验过残缺互联网从技术到治理的人到守业职业门路的人理解一个过来人的教训，另外也是想通过我思考的过程，让更多面临职业转型和重大抉择的人，真正好到属于本人的路。从06年我开始蠢笨的敲出汇编语言，到起初在turbo c外面写c语言程序，在到起初见证了整个语言的飞速发展和变迁，一转眼往年居然曾经过了11个年头。我爱编程，期间经验过听不懂的愤懑，跟不上工作节奏的烦恼，择业之后的迷茫，当然还有指点江山的快感。这也是我素来没有来到过的起因，如果真的送给我深爱的这个行业我只想说，风雨十年，感激有你。可是我当初不得不来到了。每每看到那些筹备入行或者才入行一两年的学生问我一些问题的时候，我好像看到了迷茫时候的本人，我就想起那些谨严的老传授，那些指挥若定技术大牛的总监，那些谈笑自若的引路人们。心里只有感激，现在我也送走了一批又一批的学生，现在我也来到了我深爱过的教育机构，现在我也开始全新的挑战。总感觉应该有些货色留给我的学生和开始从业的搭档，兴许10年后，有人想起的时候哪怕曾经遗记了感谢，就像我时常想起却没说过感谢的老传授们一样，也是有成就感和幸福的。那么我就把10多年的葵花宝典传授你们，你们筹备好自宫了么？ 第一个我想通知你们的是做本人喜爱的事儿是趣味是最好的老师，这句话被说烂了，可是我还是想说一遍，因为这个的确撑持我走到明天，从最开始感觉键盘和鼠标好神奇，进入机房须要穿鞋套，感觉设施很贵重，到从上网认为跟打电话一样要免费，到最初纯熟的翻墙看片片儿，撩着妹还不影响敲代码，你的每一步提高都有很大的成就感了和乐趣，有了趣味你就会找到你该学的货色，有时候你敲代码会遗记了工夫，有时候你做一个抠图把婚纱妹子完满的交融到一个新背景中去，你就会忘了竟然你曾经在电脑前坐了两三个小时。编程是一个高脑力的流动，如果你不是因为青睐，那么你很可能宅不住。我看过很多人学习一两年最初就坐不住了，不是不赚钱，就是因为长期坐在那里对着一堆英文字母觉得很没意思。 第二个我想通知你们的是始终做上来，不要怕，不要纠结。我已经走在大学图书馆的书架间，而后一纠结就一下午，我到底是学习php还是java？咦，学前端如同也不错。哎呀php是解释性语言，不如java好，哎呀java是跨平台抢对象的各种对象抽象类接口好简单，还是学前端吧，靠，我特么还得学ps，一根根的扣头发，修图好简单……还有一个问题就是，咦，我是不是学会了这些没用啊，因为据说编程是青春饭过了35岁，就转治理了，不过我的性情更内敛适宜编程不适宜跟人打交道，这可怎么办……咦，3dmax 不错，搞游戏必定有前途，咦maya比3dmax弱小……靠，他们竟然须要素描和美术功底，这特么谁会啊~~~……我想现在很多像入行或者才决定做这行的人如同跟过后的我是一样的。我想说的是，等你真的学了几年，你就会发现原来各种程序只不过是你手中的笔，笔的好坏跟你能不能写出好诗歌没太大关系，只有你不是用毛笔练硬笔书法就行，而这种状况很少见，当初互联网这么发达，你有半个小时就晓得你要学的语言适宜做什么，不适宜做什么，难度如何了。这里留神不要寻找“完满的语言”，不要纠结，不要怕淘汰，学就对了。有天你就会发现他们都差不多，都是那么回事儿。到时候想换也不难。那有同学必定会纠结那什么时候换呢？只有你还喜爱这个语言，而且待遇不错就坚持下去，不要想太多。始终做上来，那句话叫致力到无能为力 拼搏到打动本人。我的亲身经验通知你们学什么都有用。我拿到立体设计师资格证的时候 我是没有想过这玩意外面学到的货色几年后会呈现在h5 canvas里的，我学maya的时候，是没有想过当初的虚拟现实VR和网页webgl 不就是maya那点玩意吗。所以记住学啥都有用，如果想来钱最快，那我通知你间接去抢钱，这个的转化率是100%，然而你懂得，太美妙的货色往往不实在。始终做上来，不要怕，不要纠结。 第三个我想通知你们的是寻找你们生命中的导师和引路人。有时候这些人的一句话可能让你感悟十年，有些人的智慧可能是这个人几十年的精髓，而你，他不通知你甚至有时候你毕生可能都参悟不透。 珍惜那些违反你志愿却想让你更弱小的人。我的数学是渣渣儿，而我的数学老师是一个老传授，精打细算，超级庄重那种。我问他问题他总是说你形容的不对，而后再来一遍，他持续一脸找抽的表情，你形容的不对我不给你讲，而后我再形容一遍……这时候我心里曾经一万只草泥马呼啸而过了，直到我形容分明了，他才给我解答……起初长大了毕业工作了我慢慢明确，每个人都会跟你和和气气，你做不好他人也不会很严格的说你，你干不好一次他人原谅你，干不好两次他人让你学习，干不好三次，你就拍屁股滚蛋吧。每每我遇到问题的时候，我就重复的反复老传授问我的话，问题是什么？问题是什么？ 提一个好问题，比说一个标准答案更难更重要。原谅我的婉言，当初的很多老师很差劲，教课当成谋生没问题，然而齐全是哄小孩子似的，只有你我相安无事你好我好大家好。师德和责任心一点都没有。 如果有可能，尽量去和乔丹去学打篮球。第四，做本人的抉择才不会遗憾人的毕生没有假如和如果，所以咱们必定有遗憾，然而引路人只能给你倡议，而抉择肯定要你本人去做，因为只有你本人做的抉择才不会有悔恨。遗憾就是你跟一个妹子表白，而后你没有筹备好本人，挑了一个最差的工夫最差的场合她情绪最差的时候。而后你就被拒了，这就是遗憾，因为你经验不足，即便一片真心也不行，这个是你没法左右的。这就是遗憾。悔恨就是有人通知你你配不上她，而后你听了那个人的话，而后你也没表白，多年之后她成家立业了，而后通知你她过后十分的喜爱你，这时候你的感觉就是悔恨。 最初，布局你本人的人生，除了钱你还有更多的货色。比方衰弱和恋情， 作为一个程序员，我走了很多的弯路，崎岖也刺激，我是这么走的： 说下这个行业的感触吧，你就晓得是否筹备进入了。1.对自我学习能力要求很高。常识迭代速度很快，要求自学能力比拟强。2.很刺激很好玩因为很多货色都是新货色，所以你常常处在技术最前沿。3.入门容易，专家很难，很多人找工作难是因为基本上一些大学生毕业一年两年就算是入门了，然而可能独当一面或者有教训每个三五年不行。4.入职工资高，倒退8000起，而后2016年均匀入职工资在10600。5.是否加班看公司，根本多少都会加些，会有些累。要放弃学习，然而反过来说也很刺激。6.行业妹子不多，以前大学班里妹子一手能数进去，工作基本上没有妹子就像以前咱们的公司就两个个女讲师，学生能60人的班级，班里妹子也就不超过8个。 2021年7月19日15:56:30 补充评论1.现在我仿佛走上了互联网人传统、经典甚至是自然而然的看似重点的归宿：做企业治理征询和投融资孵化。所以上图的那些虚线，很多曾经走完了，上面我放一张，大略19年的图。大家能够看到通过3-5年的工夫，比照上图，右侧象限很多曾经不是虚线了。 2.投融资、守业不肯定是最好的归宿，永远记得因人而异。 3.每一个行业都有它的光鲜和心酸，30岁以前不要胆怯尝试，30岁当前不要悔恨。不必过分焦虑本人是不是走了太多弯路或者太迟了。一个真正的王者不仅仅要关注他人的倡议和状况，更能遵循本人的心声。 4.每一个人都有属于本人的花期，在那里，咱们肯定会灿烂的盛开，并有人驻足观赏，为之动容。

有很多敌人都有这样的经验： 1.说每天读书一个小时，后果因为寒暄和被三生三世十里桃花把魂儿给勾跑了。 2.口口声声说减肥，第一天去健身房特卖命，巴不得当天就削掉一块肉，不然不回家，疼了一周放弃了。 3.有同学要考研，而后的确每天都坐在桌子前，而后一坐一早晨如同很致力，可是发现一早晨下来啥都没学。 4.参考书、各种视频材料存了一电脑，后果素来就没关上过。 其实解决上述问题的形式有很多，从心理学、管理学和行为学都能够解决，然而在解决之前咱们先得搞清楚问题出在了哪。 其实很多事件都能够分成三个方面去思考： 情理 某件事情产生的原理是什么。如为什么汽车能在马路上跑，起因是化学能转换为了动能。这就是实质。 景象 这个最好了解，车为什么能动？这就是一个景象。 变动 光晓得情理和景象还不行，如果你想真的有用还得晓得变动，比如说时速多少，晓得了这个你能力依据他去上下班算工夫。 那当初大家应该都分明了，下面的4个问题其实都是景象，那么为什么会出下面的景象呢？ 其实四个景象的后果都是大功告成。那么咱们看看起因。 每次咱们做出一个扭转的时候，基本上能够分为三个方面的 1.行为 这个是具体某一个工夫点的动作或者想法。如随地吐痰。 这个最简略粗犷的解决形式很容易，就是用意识管制。留神这里有人可能会说换个环境就好了，这个逻辑是错的，环境只是外因，依照这个逻辑，善人不必法律和管教，只须要把他们放到寰球犯罪率最低的中央而后度个假回来就是坏蛋了。 还记得我说的了解的6个档次环境解决问题是最低档次的。这个我就不多说想看的传送门 然而最简略的办法的确是意识，交通违规扣分的确让大家无意识的不敢闯红灯了，然而并不能齐全禁止违章。起因在于除了意识还有一个更难扭转的货色。 2.习惯 人不可能相对受意识管制。比如说孩子喜爱吸吮手指，如果妈妈在或者他重复的意识管制 是能够阻止的，然而那样很累，有时候人会做很多有意识的动作，比方我就喜爱揪头发，当我思考的时候，脑子齐全不晓得手在干没什么，这就是习惯。 习惯又分为行为和身材上的 行为上的基本上有21-30天就够了，这也就是咱们常说的练习或者养成一个习惯须要21天。 身材上的就艰难很多，比方减肥，成果慢，难保持。扭转身材的习惯须要3-6个月。 然而扭转习惯就能扭转本人了吗?并不是。简略的说比方一个清洁工她想扭转本人，变成一个富豪，他想到的是，我把隔壁厕所的女员工擦拭的更洁净，而后我就能够把那个厕所也给抢过来干，而后整栋楼就是我我的，而后整个北京厕所都是我清扫…… 当然我仅仅是举例子，并无歧视的意思，在她的思维里，推导出这样的论断是合乎逻辑和情理的，就好比我母后依据家外面村里同龄100人很多人喜爱网上打游戏旷废人生，最初连媳妇都找不到，而我每次回家也总是坐在电脑前，最初老娘得出结论是我也找不到女朋友旷废人生一样。 他们的认知和环境决定了他们的思维，他们的思维推导出了最初他们认为正当的论断。 3.思维，这个是最难扭转的。 要扭转一个人的思考形式，至多须要6个月以上。而扭转一个人的思维，能力真正的扭转一个人的习惯，进而影响一个人的行为。 大家认真推敲下行为和习惯的定义就理解了， 行为，指受思维摆布而体现进去的表面流动。 习惯，逐步养成而不易扭转的行为。 所以晓得扭转思维的重要性了吧。 扭转思维的形式和办法 1.环境 2.学习 3.典礼 扭转思维最厉害的就是宗教和传销，传说中的洗脑。 看吧，完全符合这三点。 1.环境 寺庙、狂热的传销伙伴 2.学习 交易、传销课程（其实这里学习就是在扭转人的认知） 3.典礼 各种膜拜和图腾、传销的各种典礼和口号。 环境和典礼不多说举个例子吧。 如果一个人要扭转至多先从环境开始。 简略的说你家隔壁就是足疗店，你学会的必定不是电脑编程技术，所谓的孟母三迁就是如此。而典礼呢上课为什么打上课铃，就是通知你该上课了。 我重点说下学习，因为前两个大家很容易搞定。 学习这个篇幅太长太简单了，我就放张图简要说下吧，不然一天也说不完。 851048173150002659.jpg 第一个图是学习的六个阶段，从人有意识无能力，到最初变的无意识有能力甚至到最初不晓得本人无意识有能力的阶段。 下面是实现的形式。 上面这张图，是学习过程中，左右脑参加学习的过程，这个当前再说吧。 简要的说下如何看图，从a象限顺时针到d，而后到大有能力最初升级成智慧。 从工夫的维度看，过来是有意识、无能力或者无意识无能力，到当初是学习，未来时，无意识有能力，有意识有能力。 而从大脑思维档次看，又分为，表意识，晓得本人不会或者会，到最初变成潜意识。没有意识到本人会或者不会。 最初给大家几个对于扭转的倡议。 1.要做就做最好，不然就别做，因为扭转很难，如果没想好大功告成还不如睡觉。 2.一生学习，别给本人设限，我是某个行业，我是谁谁谁。 3.跟顶尖的巨匠一起学习。他几十年的感悟，不是常人一时半会能参悟的。 4.记得分享， 用凋谢的心态承受新事物和质疑。

002怎么找到解决问题的答案？列夫托尔斯泰说过，幸福的家庭都是类似的；可怜的家庭各有各的可怜。这句话放在职业窘境中也一样，这里我并不想探讨职场的可怜有什么，因为这就好比贫困，一个人不停的说，你看他家穷的连裤衩都穿不上，说到天黑也没意义，因为他还是穷，而咱们要做的是找到他贫困的本源，并解决掉贫困。 职业同样。 然而问题背地的问题是什么？ 问题是为什么本人解决不了？ 因为咱们无奈在产生问题的背景中解决它 - 《4D卓越团队》-查理·佩勒林。1.每个人都有本人的短板，另外当局者迷。 2.解决问题无非两种，形式，要么本人解决，要他人帮你解决。当然你说忘掉它。也是，然而这个不是解决问题的领域。显然，问题之所以成为问题，咱们受其困扰，大部分是因为咱们本身解决要么效率低，要么解决不了。那么找谁解决？ 问题为什么解决不了，无非就两点，你本人解决不了，有找错了人。那么谁有可能是正确的人？ 1.有失败和成功经验的前辈，然而可能并不具备可能把你教会的能力。或者他只是无意识或有意识的把他的路往你身上套。 2.心理医生或者职业规划老师，可能会给你一些倡议，然而可能并不一定能让你找到具体的解决方案。一来是职业咨询师征询并不违心或者激励间接给出解决方案，二来是你遇到的问题他可能并没有遇到过。 3.父母或者闺蜜和敌人、共事，师长。他们可能是对你本意十分好的，可能他们并不一定具备帮忙你解决问题的能力。 4.付费的第三方，他可能会帮忙你，然而成果可能会因为利益或者很多因素给不出主观而久远的倡议。本山大叔说的很对，卖裤子的通知你一条腿长一条腿短，你还买裤子么？他们的首要出发点是用户付费，卖掉产品，而不是你 的将来。 5.其余你能求助或者给你倡议的闲杂人等。 什么是正确的人呢？这五条外面至多要占三条，能力给你一个60%以上靠谱的倡议。 讲个寓言故事， 一个小伙去瓷器店买瓷器，用本人的碗去敲另外一个碗，摇摇头，而后又敲了一个又摇摇头，又敲了一个碗，又摇摇头，最初转身就走，老板问他，小伙子你要买碗吗？怎么走了？小伙子说你家的碗不行啊！老板说何以见得？小伙子说我据说测验瓷器只有两个瓷器相碰撞声音清脆才是好瓷器。店主笑了说，你轻易拿两个我家的碗试试？后果果然都是清脆的。小伙子问怎么回事儿？老板说，因为你拿来检测我的瓷器的碗是破的。所以，不要拿本人手里或者他人给你的破碗去寻找更好的瓷器。放下本人手里的碗，假如他人的碗是好的，验证它，而后看后果。 很多人职场最大的窘境就是，不晓得本人的碗是破的，也不晓得他人给他的碗是破的，连好瓷器都没见过，甚至连瓷器店都找不到。 最初一句，不要听取那些没有过你艳羡或者胆怯的教训的人的倡议。如果一个人连本人都没有登过顶或者摔倒过，你怎么确认他能平安的把你带到山顶呢？

《沿途》我的项目介绍1.啥是《沿途》《沿途》是一本对于职业规划的书，我想用项目管理的形式写它。为啥叫《沿途》，我想残缺的记录这本书的成书过程，实在而残缺的记录我的思考过程，我心愿写这本书是我一次充斥惊喜的旅程，沿途会遇上有数值得记录的风光和你们。同时我也感觉工作就是人生要走的一段漫长的路，我心愿每一个人都能享受沿途的风光，寻找到属于本人的路，达到本人想去的中央。 2.谁适宜读？ 1.行将踏入社会的大学生 2.刚工作的职场新人 3.深受工作困扰或者不开心的职业人士 4.所有渴望从职业中失去高兴与回报的人们 3.为啥写它？1.我写了好多好多的职业规划的文章，结集出版，送到须要的人手中。 2.一直的有敌人问我对于职业规划的问题，我心愿可能有一个中央零碎的给出一个解决方案，帮忙更多的人。 3.反正就是想写了，没有那么多为啥。 4.我打算怎么写？1.整个GitHub（不晓得网速咋样）或者其它平台齐全公开的写，当然公开的货色波及到他人的时候经他人容许。 2.残缺记录成书的所有版本，同时弄个一个照片墙或者工夫线或者脚印之类的，所有帮忙的人都记录下来。 3.把本人的文章陆续整顿，而后订正，而后成体系框架。 4.让很多敌人提倡议，大家关怀啥我写啥。 5.《沿途》我的项目特点？1.公益的，很可能出版，出版的话会鸣谢或者写出合著的人。 2.不出版也没事，至多能够帮忙很多人 3.不预设，不治理，不布局。就像咱们去到一个城市或者上一所学校，天然就会有敌人和违心帮忙你的人，我置信我写这本书一个情理。一样会遇见帮忙我的人，所以随缘吧。 4.这本书能出版吗？有可能，因为我出过一本，不过也有可能出不了，因为我可能更看重这本书的价值和实际效果，可能并不会为出版做斗争。然而不重要，重要的是这本书是否帮到须要它的人，我的答案是必定的。 5.这本书格调上可能会大白话一些，毕竟不是为了秀文笔，通俗易懂，另外可能会有些搞笑或者浪漫，这个是我性情使然。还有可能格调多元化一些，因为事件的庄重水平不一样，另外时间跨度很大，好几年吧，甚至是10年，所以写法和格调上上多些。 6.这本书不是依照布局去写，而是解决了很多问题，最初回来总结。相似《毛选》的成书形式。 6.这本书次要内容？目前我想到，要分四大局部整顿， 1.咱们为什么工作？找到你工作真正的意义所在和初心，这个是你工作的能源和找适合工作、干着开心的前提。 2.什么样的适合工作适宜你？将问题扼杀在摇篮之中，就像歌里唱的，其实爱对了人情人节每天都过。选对了工作能大幅度的进步生存品质。因为你苏醒着工作的工夫要比你陪老婆的工夫都多。 3.怎么样找到适合的工作并且干好它？没有方法论和工具的价值观都是毒鸡汤。我要给出零碎的解决方案。 4.工作与其它均衡？工作的目标是为了实现自我价值和更好的生存，咱们如何均衡工作与生存、家庭等，从更全局和更久远的角度做好抵触与重压下的决策。 其它，随着内容更新在一直的调整和优化吧。 7.这本书什么时候写完？随缘，品质优先，有更多的人参加保持到最初的可能性大些。另外，写书就像谈恋爱，你连对方手都没拉的时候就定好了跟她什么日子领证吗？当然了，咱们会奔着结婚致力。我心愿这本书能半年整顿完。为什么是整顿呢？其实该说的该写的都写了。只是随着工夫的积淀，我要取其精华去其糟粕。 8.你能帮我干点啥不？原则上我是不会治理或者招募人或者拉群之类的，当然随缘，然而我可能会须要他人的帮忙，有违心的能够找我，没有也没事。就好比去旅行，有一两个敌人陪同最好，没有呢，也能够。无非是须要帮忙不不便的时候，打个电话的事儿。 我没啥要说的了，就这样吧，为啥这么晚写，因为明天的事儿我不想留到今天，因为只有开始了就胜利了一半，因为只有登程，你就能遇见不一样的我。 好吧，我摊牌，我不装了，下午睡觉睡多了，早晨睡不着。

在职业生涯的第一个15年，须要积攒燃料，第三号燃料提到的就是长久的关系，次要指在你的职场中无效的职场关系。其中提到的一点如何获取这种关系，是加入行业内的协会。但要留神的是，这种关系品质 远远 大于 数量，而想获取有品质的职场关系很重要的一点是晋升本人对于他人的吸引力。 TODO加入行业内的座谈造就本人面对陌生人的演讲能力

作者 | 马小聪来源 | 怀左同学01 好像是2016年的冬天吧，窗外下着鹅毛大雪，屋内暗沉沉的，给人一种很压抑的感觉。 早晨7点钟，我收拾好东西，出了门，当时我边走边跟好友视频，说着我昨晚复习的状况，有时说着说着会把自己说激动了，然后开始一个人对着屏幕手舞足蹈。 不知说了多久，聊得正起兴时，脚下一滑，整个人脸朝下跟大地来了一次近距离接触，我手上拿的东西“嗖”的一下飞了出去。 当时很尴尬，心里想着：千万不要被人看到我这幅窘样。于是，我立马起身捡起东西，像没事人一样走着。 我偷偷从包里拿出小镜子，看看裹在嘴里的牙还都在不？我不知道这是第几次摔跤了，但狼狈之后，第一时间就是先看看自己的牙齿有没有受伤。 为什么这么说呢？ 因为我曾亲眼看见，一个路人从我身边走过，有说有笑的，估计太过沉浸在喜悦中，脚下的“安危”没察觉到，摔了下去，门牙磕掉了半个。 其实我都告诉过自己好多回了，走路的时候不要玩手机，不要哈哈大笑，好像一到那种场景就跟控制不住一样，依旧做着让自己后悔、也让自己讨厌的事情。 那次我还信誓旦旦告诉自己，以后绝不可以这样了，走路要小心，不能三心二意。 可就在前段时间，刚一出门，看到读者发来好几行文字，言语中有无奈、有焦虑、也有痛苦，问我究竟接下来该怎么办。 我边走路边给他打字，也许太过“专注”了吧，没看清前面的路，猛的一下，撞了电线杆上。 有时候我真的很讨厌自己，说了很多遍还是不改，走路这件小事都做不好。 02 以前我特别能说，一些话不经过大脑就说了出去。 别人说我活泼、天真，其实后来想想，这个词的背后还有一层含义：傻。 记得上学时候，我特别不理解一点是，分明对方穿得衣服不好看，可人人都在吹捧，说着一些赞赏的话：你今天好漂亮啊，你这个衣服太适合你了； 明明你根本没学习，考试挂科是你没看书的原因，搞不懂为什么都要把做不成事归结在运气不好、老师不喜欢我等外在因素上。 那时的我，性格比较直，常常与别人唱反调。就好比，刚买了一件东西，都在说好看，只有我说了不好看，还多嘴了几句，给了些建设性意见。 当时说的把我自己都感动了，以为她肯定会感谢我。可是，第二天我跟她的关系便走远了。 我明明是好心，真心实意为你好，搞不懂身边的人为什么都愈发讨厌我。 后来在朋友的提点下，我才发现了自己的问题，提意见可以，但前提是要顾及别人的感受，要站在对方的角度去解决问题。 “你太笨了，都过半个月了还没学会。” “你穿这个衣服好丑，就像是要去唱戏一样。” ....... 说出去的话就是泼出去的水，每次说完，自己都会后悔，第二天连忙去道歉，发现已经没什么作用了，我的无心之言早已在对方心中深深扎了根。 那时很不喜欢自己，这么大人了，连话都不会说。 03 我有段时间，考试频频落榜，总是差那么一两分，对自己特别失望。 我真的努力过，晚上睡觉时在床边备一瓶水，第二天自己起不来的时候，就拿水擦一擦脸，瞬间清醒。 宿舍11点熄灯，为了不影响室友睡觉，我钻进被窝里，打着LED灯继续背书。 我不知道你们有没有过这样的经历？ 分明很努力了，可结果总是让人难过。讨厌自己为什么总是差那么一点点，当然当你冷静下来从中找原因时，也会有太多你不行的理由。 就比如；不够仔细；不够谨慎；没有时间观念等等。 丧，每个人都会经历。 时间长了，我倒不觉得它是一件坏事，暂时的不成功没有什么，只能说明你还不够好，从失败过程中找不足，等各方面都沉淀得足够优秀时，该有的，都会有。 二十多年来，我讨厌过自己的性格，讨厌过自己的为人处事，甚至也讨厌过自己的愚笨和不聪明。 脚踏实地一步步走到今天，我很感谢那个一直在讨厌中的自己。 我不够好，所以一直在努力让自己不那么讨厌。 04 如果你问我，现在还讨厌自己吗？ 我想告诉你的是：仍旧。 改变了这么多年，我现在依旧在讨厌自己，讨厌自己不够细心、心思不够细腻。 平时在排版文章的时候，发给小午看时，他总能看出很多问题，就好比字号变了、空格多了、少一个逗号等等。 一次又一次，我在努力学着像他一样仔细，因为我也不喜欢粗糙的自己。 如果一个人，觉得自己哪哪都满意，那很容易知足，得过且过，随波逐流。 昨天我去参加一个活动，台下坐的差不多都是90后，我问了一个问题说：有没有人觉得自己没有缺点，完美无瑕，全身上下挑不出一点毛病？ 大家面面相觑，没有人举手。 其中有一个人说道：我这个人很懒，打心眼里很讨厌自己这点，不过我一直在强迫自己动起来，我自己都不喜欢，想必别人更不喜欢了吧。 自己最了解自己，不好的地方，正因为自己不喜欢，所以才甘愿花时间去改变。 不得不说，讨厌自己，是变得更好的开始。 每一个活出自我的人，都曾深深讨厌过自己； 继续保持你的不喜欢， 总有一天，你会爱上你自己。

总述职位少，要求高，人工智能落地困难，决定了就业可能会是一个大问题 全国范围内的人工智能的职位是183 而Java是10000+ (因lagou并不展示总数，因此该数据从请求分析而来) 因此岗位数量与Java大概是60倍的差距。 应用范围大数据/机器学习的应用范围是对已有数据进行分析，以得出最优解。或是对已有的房价进行分析，已得出明年的可能房价；或者是应用于图像识别领域，给定数据集和结果集训练模型，训练成功后输入真实数据而后得出结论。比如在教育领域，先灌输大量学生状态:认真听讲、瞌睡、走神等的图片给模型，而后就能用该模型得出学生在课堂上的状态了 还有语音/语义识别领域，输入大量的语音，语义，让机器能判断真正的含义，做到人机对话。不仅正式场合在用，连骗子都开始使用了。 无论是对房价的判断，还是图像识别，或者语音/语义的分析，都是建立在大量数据之上的，没有海量数据的积累，一切都是白搭，因此注定了只有规模到一定量了的公司才可以做。而初创，中小型公司，技术人数少于300人的公司，还处在野蛮生长阶段，还没到达通过数据来驱动业务的阶段。假设你就1000，10000个用户，这个数量级别是远远不够的，没有十万，百千万的数据，也是无法得出正确结论的。换句话来说，这是个小公司无法进入的市场。 前景从公司的发展规律来讲，是 需求-> 原型 -> 上线 ->推广 -> 盈利 -> 积累大量数据后进行数据分析，用户挖掘的过程，因此，所需要数据工程师数量会远远小于应用工程师。 更雪上加霜的是，由于前期AI NB吹的太大，各种都投资拿的飞起，但到19年后发现商业无法落地，没法赚到钱，导致市场萎缩，人才需求量大减。 有些媒体会鼓吹人才缺口是多少，其实不是外行就是培训机构，要么坏，要么蠢。 从19年我司的招聘情况来看，10-11月还找不到工作的计算机专业学生中，有九成都是人工智能相关的。从公司角度来看，国外做这个的也一大堆，为啥我不招留学生呢？名头更响不是，干嘛还要招一个没什么名气大学里做人工智能的呢？ 而且AI工程师压力是极大的，公司是需要业绩的组织。从17-18年AI风起后我司组建了数据团队，数据分析团队、算法团队、AI团队，公司寄予了厚望，要钱给钱，要人配人，探索了很多方向，花了很多时间，比如图像识别，语义识别。我就作为项目经理实施了一个项目，对业务有一定帮助，但远远达不到颠覆的程度，甚至人员成本都收不回来，其它部门反对声音极大，但也不能说撤就撤，毕竟现在每个公司都 All IN AI了吧。财大其粗的国企都这样，其它公司有多大意愿能招一批人来养着呢？ 岗位要求而且机器学习/大数据工程师对人才要求极高，应该是计算机科学家、软件工程师和统计学家的混合体，如下是发展轨迹图 分为十个段位，难度依次上升，基础理论->统计学->编程->机器学习->文本识别/NLP->可视化->大数据->数据获取->数据挖掘->熟练工具使用。 其中1-4理论和算法是内功: 一 理论知识线性/矩阵代数(矩阵倒腾来倒腾去，理论推导必须要用到)，树图理论，关系代数，CAP理论，OLAP,ETL(数据抽取)，BI等知识 二 统计学描述统计(平均数，中位数，标准差，直方图，散点图)之类，概率论(抽中SSS英雄的概率是0.5%，请问抽多少次氪金SSS英雄的概率达到50%)，贝叶斯理论，累积分布函数，各种回归。 三 程序语言这个稍微简单点，Python，Panda，数据读取之类 四 机器学习机器学习的各种算法，比如监督学习，非监督学习，强化学习，神经网络算法，过拟合，调参。 以上四点是数据科学的基础，绕不过去的部分。如果有兴趣，不妨去Coursera上学下吴恩达机器学习的经典课程: https://zh.coursera.org/learn...，如果感觉还OK，不会对他的数据推导感到烦躁，郁闷而弃坑的话，我觉得你在这行还是有前途的。 五 自然语言处理自然语言处理（NLP）是计算机科学、语言学和机器学习的交叉点，它关注计算机与人类之间使用自然语言中的沟通交流。总之，NLP致力于让计算机能够理解和生成人类语言。NLP技术应用于多个领域，比如天猫精灵和Siri这样的语音助手，还有机器翻译和文本过滤等。 需要掌握的知识点包括 句法和语义分析、词干提取、关系抽取、情感分析等等。 六 数据可视化这个没什么好说的，就是把数据展现出来，比如房价热力图 七 大数据单指对大数据软件的使用，偏工程性一些，比如Hadoop, Spark, SQL, Mongodb的使用等等。一些培训机构上来就开始教这些，不从基础的学起，就如同空中楼阁，如果只是专注于搬砖，难道以后成为软件安装专业户么？ 八 数据摄取将数据实时展现给终端用户或是保存下来，数据可能来自不同的源。 九 数据挖掘 举个栗子，《大闹天宫》里孙悟空与二郎神大战了三百回合，各使出变化，后儿郎神放火烧了花果山，而后悟空被偷袭得手。我们用数据挖掘得出相关性结论如下： 孙悟空和杨戬终极决战。这次咱们根据两位的详细资料（如家庭出身、教育背景、工作经验、婚育情况等）让计算机做协同过滤关联分析。计算机通过数据清洗建模后发现： 贫苦出身的孩子一般比皇亲国戚更能吃苦所以功夫底子更好平时训练更加扎实。战斗经验丰富的斗战胜佛因为平时经常打架擅长利用天时地利环境因素而胜算更大。在都得到大师指点的情况下，贫苦出身的孩子可以利用后天的努力来弥补先天悟性的欠缺。样貌奇特注定孤独终老的神仙总是会比同等条件下美若天仙喜欢拈花惹草处处留情的神仙功夫好。综上所述，我们可知道： 论出身两位大神不分伯仲。一个从石头出来，一个是凡人与神仙结合所生。悟空的师父菩提老祖（准提道人）和二郎神的师父玉鼎真人的师父元始天尊同为鸿钧老祖的高足所以前者更胜一筹。斗战胜佛战斗经验相对整日快活逍遥无忧无虑的二郎神来说更加丰富。另孙行者由于样貌原因始终单身（好伤感）。所以可以得出结论，这次大战孙悟空赢面大。数据挖掘完成。数据挖掘则透过事件的表象发现隐藏在背后的蛛丝马迹，从而找到潜伏的规律以及看似无关事物之间背后的联系，用此来洞察未来。 十 工具集使用 此外还有一些工具的使用了，比如各种语言，库的使用了。 ...

职位少，要求高，人工智能落地困难，决定了就业可能会是一个大问题 全国范围内的人工智能的职位是183 而Java是10000+ (因lagou并不展示总数，因此该数据从请求分析而来) 因此岗位数量与Java大概是60倍的差距。 大数据/机器学习的应用范围是对已有数据进行分析，以得出最优解。或是对已有的房价进行分析，已得出明年的可能房价；或者是应用于图像识别领域，给定数据集和结果集训练模型，训练成功后输入真实数据而后得出结论。比如在教育领域，先灌输大量学生状态:认真听讲、瞌睡、走神等的图片给模型，而后就能用该模型得出学生在课堂上的状态了 还有语音/语义识别领域，输入大量的语音，语义，让机器能判断真正的含义，做到人机对话。不仅正式场合在用，连骗子都开始使用了。 无论是对房价的判断，还是图像识别，或者语音/语义的分析，都是建立在大量数据之上的，没有海量数据的积累，一切都是白搭，因此注定了只有规模到一定量了的公司才可以做。而初创，中小型公司，技术人数少于300人的公司，还处在野蛮生长阶段，还没到达通过数据来驱动业务的阶段。假设你就1000，10000个用户，这个数量级别是远远不够的，没有十万，百千万的数据，也是无法得出正确结论的。换句话来说，这是个小公司无法进入的市场。 从公司的发展规律来讲，是 需求-> 原型 -> 上线 ->推广 -> 盈利 -> 积累大量数据后进行数据分析，用户挖掘的过程，因此，所需要数据工程师数量会远远小于应用工程师。 更雪上加霜的是，由于前期AI NB吹的太大，各种都投资拿的飞起，但到19年后发现商业无法落地，没法赚到钱，导致市场萎缩，人才需求量大减。 有些媒体会鼓吹人才缺口是多少，其实不是外行就是培训机构，要么坏，要么蠢。 从19年我司的招聘情况来看，10-11月还找不到工作的计算机专业学生中，有九成都是人工智能相关的。从公司角度来看，国外做这个的也一大堆，为啥我不招留学生呢？名头更响不是，干嘛还要招一个没什么名气大学里做人工智能的呢？ 而且AI工程师压力是极大的，公司是需要业绩的组织。从17-18年AI风起后我司组建了数据团队，数据分析团队、算法团队、AI团队，公司寄予了厚望，要钱给钱，要人配人，探索了很多方向，花了很多时间，比如图像识别，语义识别。我就作为项目经理实施了一个项目，对业务有一定帮助，但远远达不到颠覆的程度，甚至人员成本都收不回来，其它部门反对声音极大，但也不能说撤就撤，毕竟现在每个公司都 All IN AI了吧。财大其粗的国企都这样，其它公司有多大意愿能招一批人来养着呢？ 而且机器学习/大数据工程师对人才要求极高，应该是计算机科学家、软件工程师和统计学家的混合体，如下是发展轨迹图 分为十个段位，难度依次上升，基础理论->统计学->编程->机器学习->文本识别/NLP->可视化->大数据->数据获取->数据挖掘->熟练工具使用。 其中1-4理论和算法是内功: 一 理论知识线性/矩阵代数(矩阵倒腾来倒腾去，理论推导必须要用到)，树图理论，关系代数，CAP理论，OLAP,ETL(数据抽取)，BI等知识 二 统计学描述统计(平均数，中位数，标准差，直方图，散点图)之类，概率论(抽中SSS英雄的概率是0.5%，请问抽多少次氪金SSS英雄的概率达到50%)，贝叶斯理论，累积分布函数，各种回归。 三 程序语言这个稍微简单点，Python，Panda，数据读取之类 四 机器学习机器学习的各种算法，比如监督学习，非监督学习，强化学习，神经网络算法，过拟合，调参。 以上四点是数据科学的基础，绕不过去的部分。如果有兴趣，不妨去Coursera上学下吴恩达机器学习的经典课程: https://zh.coursera.org/learn...，如果感觉还OK，不会对他的数据推导感到烦躁，郁闷而弃坑的话，我觉得你在这行还是有前途的。 五 自然语言处理自然语言处理（NLP）是计算机科学、语言学和机器学习的交叉点，它关注计算机与人类之间使用自然语言中的沟通交流。总之，NLP致力于让计算机能够理解和生成人类语言。NLP技术应用于多个领域，比如天猫精灵和Siri这样的语音助手，还有机器翻译和文本过滤等。 需要掌握的知识点包括 句法和语义分析、词干提取、关系抽取、情感分析等等。 六 数据可视化这个没什么好说的，就是把数据展现出来，比如房价热力图 七 大数据单指对大数据软件的使用，偏工程性一些，比如Hadoop, Spark, SQL, Mongodb的使用等等。一些培训机构上来就开始教这些，不从基础的学起，就如同空中楼阁，如果只是专注于搬砖，难道以后成为软件安装专业户么？ 八 数据摄取将数据实时展现给终端用户或是保存下来，数据可能来自不同的源。 九 数据挖掘 举个栗子，《大闹天宫》里孙悟空与二郎神大战了三百回合，各使出变化，后儿郎神放火烧了花果山，而后悟空被偷袭得手。我们用数据挖掘得出相关性结论如下： 孙悟空和杨戬终极决战。这次咱们根据两位的详细资料（如家庭出身、教育背景、工作经验、婚育情况等）让计算机做协同过滤关联分析。计算机通过数据清洗建模后发现： 贫苦出身的孩子一般比皇亲国戚更能吃苦所以功夫底子更好平时训练更加扎实。战斗经验丰富的斗战胜佛因为平时经常打架擅长利用天时地利环境因素而胜算更大。在都得到大师指点的情况下，贫苦出身的孩子可以利用后天的努力来弥补先天悟性的欠缺。样貌奇特注定孤独终老的神仙总是会比同等条件下美若天仙喜欢拈花惹草处处留情的神仙功夫好。综上所述，我们可知道： 论出身两位大神不分伯仲。一个从石头出来，一个是凡人与神仙结合所生。悟空的师父菩提老祖（准提道人）和二郎神的师父玉鼎真人的师父元始天尊同为鸿钧老祖的高足所以前者更胜一筹。斗战胜佛战斗经验相对整日快活逍遥无忧无虑的二郎神来说更加丰富。另孙行者由于样貌原因始终单身（好伤感）。所以可以得出结论，这次大战孙悟空赢面大。数据挖掘完成。数据挖掘则透过事件的表象发现隐藏在背后的蛛丝马迹，从而找到潜伏的规律以及看似无关事物之间背后的联系，用此来洞察未来。 十 工具集使用 此外还有一些工具的使用了，比如各种语言，库的使用了。 ...

作者 | 马小聪 来源 | 怀左同学01天气渐凉，北方越来越冷。 早晨闹铃响了，像往常一样，第一时间先把闹铃关掉； 冷的不想动，睁开的眼睛慢慢又闭了回去，估计是过了五分钟吧，闹铃再次响起，突然惊醒，下意思看看了时间。 “没事，还早，再眯20分钟。”一边安慰自己一边继续躺了下去。 很快到了5:00，强迫自己起床，洗脸，刷牙，瞬间清醒不少；走到餐桌前，给自己倒了杯温水，顺手拿起一本小说看了起来。 虽然偶尔我晚上也运动，但我更喜欢晨跑的感觉。今天穿了羽绒服，跑了1000米就感觉很累了，不知是天凉的原因，还是因穿太厚运动不方便。 返程的时候，刺骨的寒气“嗖”得一下迎面而来，那是一种说不上来的感觉，四顾环顾，整条巷子没有一个人。 低下了头，暗自神伤，没过多久，多愁善感的自己便哭了起来，不知道是因为风，还是积压在心底的苦。 02我想起了两年前的一个晚上。 那天，暴雨，刮风，行人很少。 我一个人走在回家的路上，脑袋不知想些什么，猛然听到呐喊声，将我的专注力一下转移到了有声音的那方。 我看见一个人，全身都淋湿了，早已分不清脸上是泪水还是雨水，她朝着天桥对面吼道：再见吧，我们永远不会有可能了。 发泄完，就瘫坐在地上，任由雨水“浇灌”，她应该是没有带伞，想让这场雨狠狠地将自己淋醒。 我不知道这个年轻人遇到了什么事情，也不知道遭受了什么打击，又或者情感上是不是出了什么问题，我没有上前去问。 她这么伤心，想必不想让外人看见吧。 两个小时后，雨停了，她慢慢站了起来，擦了擦脸上的水珠，勉强的笑了，一直在笑，就像是在练习...... 我目睹了这一切，我知道，她只是在假装坚强。 03想必，有时候你也会觉得很累吧。 达到一定负荷，想要跑到一个无人问津的地方，大哭一场。 就好比： 当学习、找工作不如意时，生活常常给你唱反调时，我们总会觉得身心很累，累到自己不能呼吸，但还是要告诉自己咬紧牙关，不能放弃。 哭一会，又好了起来。 有时候我们总在假装坚强，分明你很想拥有，却声声说着不需要；分明你很努力了，可还是没有结果，分明你根本不喜欢一个人，但嘴里依旧说着“一个人多自由啊”这样的话。 越长大，越不容易，有一种委屈或许只有成年人才会懂吧。 但不管怎样，希望你别太过于坚强，该哭的时候哭，该发泄的时候发泄，人生苦短，何必把自己逼太紧，适当放松下自己，其实也蛮好的。 04对了，我是从20岁起就有了“累”的感觉。 人际往来好累； 学习好累； 感情好累； 工作好累； 貌似只剩下自己了，努力想尽一切办法，让自己不累。 祝你今天愉快，祝你的明天一如既往......

作者 | 陈玉明 来源 | 跟女儿谈人生如果按照农历生日，到今天，我四十岁了——我有三个生日：身份证生日，农历生日、阳历生日；当年家里给登记身份证号时，只知道农历生日，于是就把农历生日登记在身份证上。我也不知道该以哪个生日为准，所以也就从来不过。 按照如今的平均预期寿命，大多数人能活八十岁左右。如果没有奇迹、也没有意外的话，走到四十岁，我的人生大体过了一半。 上半场结束了，下半场开始了。 回望过去的四十年，很感慨，也很感恩。 “吾少也贱”，生于偏僻的乡村，父母含辛茹苦，把我养大，供我上学。在最困难的时候，家里连炒菜的油都没有。父母是普普通通的乡下人，没有文化，没有什么值得书写的事迹。 为了让孩子走出大山，不再重复他们的命运，他们尽了最大的努力。他们为人朴实，心地善良；我从小就被告诫，做人要本分，要与人为善，懂得感恩，不要害人——这些话，我一直记在心里。 现在回过头看，虽然小时候生活确实很苦，但由于周围的乡邻大都如此生活，对比并不鲜明，所以当时并没有觉得多么苦。 而且，童年还留下了不少温暖的回忆，比如在小溪里抓蝌蚪，看小狗跟小猫打架，给家里养的小猪挠痒痒。 那时暑假经常上山放牛，牛吃草，我躺在草地上看蓝天白云或者看看书；有时小牛犊会跑过来，站在我后面，舔着我的头发，小家伙大大的眼睛、长长的睫毛、柔顺的皮毛，非常可爱。 这些山乡野趣，捧着电子产品长大的我闺女这一代，已经无法体会了。 老家门前的田园，远方是看不到尽头的山峦 老家门口面对的大山，海拔超过一千米；山的那一边是我的祖籍湖北省蕲春县乡村有乡村的乐趣，但我对乡村也没怀有过多的浪漫乡愁，因为我见过太多的悲酸，尝过太多的辛苦。 离我家最近的两户人家，其中一家有兄弟俩，大的比我大四五岁，小的比我大两三岁，儿时我们经常一块玩。这兄弟俩都没有念完小学，也都没成家。那个哥哥后来得了精神病，用石头把他妈妈活活砸死了；老家又没有精神病院，村里弄了个铁笼子，把他关在笼子里，让他老父亲看着。弟弟是个瘌痢头，也没人给治病；稍大一点去煤矿打工，不到二十岁就死于矿难，矿里赔了几千块钱了事。 另一户人家，兄弟四人；在我记事前，老大就在附近小池塘里跳水自尽了。大概在我上中学时，老四与媳妇吵架，喝药自尽了；媳妇过两年也喝药自尽了，留下一双只有几岁的儿女。后来老三在四十来岁时得病去世了；再后来，老二在五十来岁时也得病去世了。老二、老三的媳妇也走了，四兄弟的后人风流云散，只留下一堆断瓦残垣。 我自己的成长经历，也是多灾多难、饱经磨折——被火炉的炭火烫伤过，被热水瓶的开水烫伤过，被狗咬过，都没去医院处理；至于干活时被马蜂蜇、被蚂蝗叮、遇到毒蛇、镰刀割手之类，更是乡间常事。 生病时缺医少药，18岁以前就没吃过胶囊式的药片（咖啡这么小资的东西当然更没喝过），记得高三时拿着胶囊药片，竟以为要从鼓起来的地方打开。 生于底层，长于底层，这种生活经历深深影响了我的人生观和价值观，让我对命运的无常、世道的苍凉、人性的复杂更容易感同身受。 长大以后，在大时代的高歌猛进中，我始终更加关注小人物的苦乐悲欢，而不会轻易被一些宏大叙事遮蔽双眼。 虽然吃了不少苦，但我的求学之路还是比较顺遂的，没有遇到过什么大的麻烦。 而且，从小到大，遇到的老师大都还好——老师们水平或有高下，但对学生大体是关爱、尽责的。从小学四年级开始，一直到大学毕业，我都过着住校生活；小学四五年级是一周回家两次，初中是一周回去一次，高中以后只有寒暑假才回去。我喜欢住校，每逢寒暑假后总是期待早点开学，因为家里其实比学校更苦迫、更无聊。 高考之前，我没有去过比县城更远的地方；高考之后，我来北京上大学，此后22年，就一直生活在北京。故园，离我越来越遥远，时时牵挂而又不愿走近。 能上北大，对我来说其实有很大的偶然因素。 我智力一般，学习也不属于特别刻苦的那种，高考只考了不到560分。在北大社会学系读了四年，始终感觉不得其门而入。本科毕业时，我的成绩虽然处于中游，但还是有保研资格的，于是就在北大马克思主义学院读了三年研究生。 不光高考，我在考试方面的运气好像一直不坏。在大学时，几门不喜欢或者不擅长的课，都踩着线过了，没有挂科；必考的英语四级考试仅考了63分，六级考试仅考了60.5分，不过都一次通过了，同学笑我真是“一分都不浪费”。毕业后，考司法考试（考着玩，其实也没啥用）也是一次通过——花了三四个月备考，考了363分，比及格线只多了3分。 大学毕业之后，能来新华社上班，也是我始料未及的。 当年参加新华社的笔试，因为我不是学新闻的，对新闻行业一无所知，很多非常简单的题目都不会答。 比如，一道简答题是“什么是倒金字塔结构”，我不知道，只能画个▽了事。还有一道题是，说说你所知道的几个新华社记者——惭愧，我一个都不知道。这次笔试，我记得提前一个小时就把卷子交了——感觉实在没啥希望，懒得等了。 后来接到面试通知，我真是大吃一惊；回头想想，也许是因为最后一篇作文写得不错？自己也不知道。 上班以后，我所从事的新闻工作，让我大大开阔了眼界；见过不同社会层级的人，了解了很多以前在学校里闻所未闻的事情，对国家经济的运行、行政体系的运作多了一些切身感受。 “纸上得来终觉浅”，对社会问题感兴趣的人，如果没有广博的社会见闻，仅靠阅读和思考，是很难把握真实的社会脉搏的。 一弹指顷去来今。工作十五年来，我收获了很多，自己也从一个未谙世事的毛头小伙，变成了90后“小鲜肉”眼中的前辈大叔。单位人很多，虽然难免有机关常见的一些毛病，但总体而言，氛围还是不错的，上下级之间没有那么等级森严，有一种大家庭的感觉。我在这里也遇到了很多热心的师长、很多可爱的同事。 “今我何功德？曾不事农桑。吏禄三百石，岁晏有余粮。念此私自愧，尽日不能忘。”与我儿时的期待相比，与我童年的一些小伙伴相比，我已经算是人生赢家了。 我也经常跟我媳妇说，我们现在真是挺幸福的：工作和生活的压力都不大，夫妻琴瑟和谐，孩子也算娇憨可爱；岁月静好，夫复何求。 人生，无论是上学、工作还是成家，其实充满了各种偶然。 我有时想，如果我没有上北大，上的是别的大学，我的青春会留下哪些不同的印记？ 如果没来新华社，我现在会从事什么工作？ 如果没有遇到我媳妇，我又会与谁共度一生？ 如果做了别的选择，人生会多了怎样的悲喜？ 这些都不可能有答案。 除此之外，生命中还有很多是我们更加无法选择的，比如父母、子女、相貌、禀赋、性别……随风荡堕，因果难知；未成藩溷之花，已然三生有幸。 既然无法选择，那就平静地接受——接受父母的平凡，接受自己的平凡，接受子女的平凡，乃至接受这个娑婆世界的平凡；在平凡的世界里，“且行且珍惜”吧。 人到中年，少了年轻时的愤激，对世道的复杂多了一份理解，对观念的差异多了一份包容。 我前些日子偶然翻看自己六七年前的微博，感觉自己当年很多文字幼稚而刻薄；当时自以为智珠在握、一字不易，如今看了却感觉如锥如芒、汗流浃背。但现在的自己，看法是不是就那么正确呢？也很难说，也许再过若干年，我又会“觉今是而昨非”；又或者，也许我不是在变得更加成熟、睿智、通达，而只是因为年纪大了，变得更加保守、世故、油腻？ 孔子有句名言：“四十而不惑，五十而知天命，六十而耳顺，七十而从心所欲不逾矩。”借用佛家的说法，我们的烦恼源于贪嗔痴三毒。 “不惑”就可“不痴”，看问题看得通透；“知天命”就可“不贪”，知道有些事情非人力可为，权当是命运的安排吧；“耳顺”就可“不嗔”，哪怕是谣诼謑诟，也能入耳不入心；到了“从心所欲不逾矩”，就可随顺世缘、心无挂碍了。（这一段是我的妄解，未必合乎经典原意。） 圣人可以四十不惑，我是做不到的。现在我的困惑还多得很。我对世界的未来心存惶惑，对国家的未来心存期待，对行业的未来心存忧虑。力微识浅，被时代的洪流裹挟向前；洪流的走向尚且非我所知，除了中路因循、深厉浅揭，我该怎么办呢？说实话，我常常也很迷茫。 “四十五十而无闻焉，斯亦不足畏也已。”到了这个年纪，已深知自己资质驽钝、天分有限，不必怀骥骜之愿，不敢有鸿鹄之志；万人如海一身藏，在家做个好丈夫、好父亲，在单位做个好员工，在社会做个好公民，聊以自慰吧。 一事无成人渐老，百年弹指欲何为。 人生下半场，要好好工作。 不计延迟退休，我还能工作二十年，而年纪越大，就会越觉得光阴似箭，二十年其实也如白驹过隙。 我经常问自己，我的工作，能否让这个世界变得更美好（哪怕是一毫毫）？我所写的文字，能否让人（哪怕一个人）得到一分慰藉？当我老了，回首往事时，能否心无愧怍对孩子讲述自己的一生？我是没有这种确信的。很多时候，我是懈怠的，甘当犬儒或乡愿，安于自己的小确幸。 人生下半场，要好好学习。 学习，不是为了炫博，也不只是为了工作，而是想让自己的困惑少一点，让自己的精神更加丰盈。书到今生读已迟。先哲留下了无尽奇珍，我们穷尽一生，能得到的也不过沧海一粟。 人生下半场，要好好生活。 人生最幸福的事，是陪家人吃饭，陪孩子读书，陪朋友聊天。我们一辈子能深度交往的，大概也就几百人，茫茫人海中，我们能成为家人、同学、同事、朋友，已是旷世难逢的因缘。好好对待身边的每一个人，把每一天都当作殊胜的一天。 日月逝矣，岁不我与。但念无常，当勤精进。 ...

作者 | 我是拾遗君来源 | 拾遗1在知乎看到一个妹妹吐槽： “本来胃不舒服，想喝点粥， 结果同事都点了酸辣粉。 一想到一个人去吃饭就很尴尬， 于是只好跟他们点了一样的， 结果现在胃痛到爆炸。” 看完之后，甚是感慨： 为了“合群”，我们不常常这样吗： 明明不想吃甜点，其他人都点了，于是你跟着点了； 明明不想去唱歌，其他人都去了，于是你跟着去了； ………… 为了不落单，我们都努力地合群着。 2我们是一个害怕孤独的民族。 连歌曲都说：孤独的人是可耻的。 孤独在大众眼中， 总是暗含嘲讽或怜惜， 孤独=Loser。 3没有伙伴，没有手机， 没有电脑，没有电视， 孤独五分钟，我们便如坐针毡。 为了逃避孤独和杀死孤独， 我们马不停蹄地刷着手机， 我们马不停蹄地呼朋引伴， 我们马不停蹄地融入圈子， 一旦落单，就会坐立不安。 任何活动被撇下就会怀疑人生， 身边总要呆着人才觉得安稳。 别人笑，我们配合着笑， 别人哭，我们配合着哭。 可不知道你发现没： 我们努力合群的样子，真的很孤独。 4一朋友周五下班后不想回家， “一个人呆着好无聊。” 便在朋友圈呼唤：“观音桥，唱歌的有没有？” 一个小时，凑了七个人。 唱到凌晨2点，饿得心慌， 出来吃个宵夜，已是4点。 在打车回家的路上， 他发了一条信息：“热闹之后更孤独。” 我们马不停滴地抱团和融入， 本是为了消除孤独， 但其实无论成功与否， 验证的只会是孤独。 蒋勋说：“当我们惧怕孤独而被孤独驱使着去消灭孤独时，是最孤独的时候。” 05微信群，好多人。 你难过了，发一句：“有人在么？” 没有任何回应。 你发了一个10元红包， 分成20份，8秒被抢光。 鲁迅在《小杂感》写道： “楼下一个男人病得要死， 那间壁的一家唱着留声机。 对面是弄孩子。 楼上有两人狂笑，还有打牌声。 河中的船上有女人哭着她死去的母亲。 人类的悲欢并不相通。” 正如迅哥所言：人类的悲欢并不相通。 实际上，每个人都是孤独的。 人活在这个世界上，最终要学会的，还是和自己相处的能力。 ...

种一棵树最好的时间是十年前，其次是现在。——Dambisa Moyo《dead aid》随着大数据时代的发展，越来越多的人开始学习、从事数据分析相关工作，但也有很多同学在观望，我究竟适不适合做数据分析？今天，整理了在咨询工作中学生常见的疑问，希望可以帮忙大家答疑解惑。 No.1我性格内向，适不适合做数据分析？ 性格内向、外向只是相对而言，只要沟通能力没问题就可以。数据分析工作不比纯IT，会涉及到很多和业务部门、技术部门的沟通，做出报告后也需要进行展示，并说服别人接受自己的结果。可见，数据分析工作对个人的沟通能力还是有一定要求，除了技术过关外，口才也必不可少。但我相信，对于新一代的年轻人来说，只要没有语言障碍，经过相应学习和锻炼，沟通能力和语言艺术都不会差。 No.2我是文科生，适不适合做数据分析？ 数据分析工作确实对数学、逻辑思维能力、编程能力有要求，文科学生在教育过程中可能缺乏对这块技能能力的培养。但是不接触并不代表不行。我接触过很多文科生转型数据分析师成功的案例，有些甚至比理工科或者数据相关专业的同学做的还好。上一段也提到沟通能力，文科生表达能力强、善于沟通是从事数据分析工作的一大优势。 现在时代变化很快，为应对变化应该向十字型人才发展，专业不应该成为个人发展的限制，兴趣才是最好的老师。 No.3我是女生，适不适合做数据分析？ 诚然，性别歧视在现在很多岗位中依然存在。但对于数据分析来说，女生反而是有与生俱来的优势，比如细心、耐心，这对于数据处理可至关重要。女性天然具有的亲和力和沟通表达能力，也会在沟通协调方面游刃有余。另外，数据分析最终都要结合业务面向用户，女性对于生活的洞察力也是从事数据分析工作的优势。 当然了，缺陷也还是有，就像逻辑思维能力这些，但这些并不足以成为女性从事数据分析的拦路虎。数据分析细化的分工很多，可以选择可以发挥女性优势的岗位，另外缺乏的能力也一定可以通过学习获得。 举一个例子，供女性同胞参考：谷歌云人工智能和机器学习首席科学家李飞飞。（相关详情可自行百度） No.4我已经工作很多年， 还适不适合做数据分析？ 很多同学在职业发展过程中都会遇到瓶颈或者对重复性工作的厌烦，就会生出转行的念头， 很多也可能是工作十数年。那对于这些同学来说，转行确实面对比较大的成本。未来是数据驱动的时代，各行各业、各个岗位都会接触到数据，都需要掌握一定的数据分析技能。 那对于大龄同学的建议，数据分析一定要学，但是否做为下一份工作岗位，可以依据个人情况而定。如果你所在行业已经开始运用数据分析，且有从业的需求，那非常建议你选择数据分析，你的工作经验将会更好的帮助你从事这项工作。或者你已经有非常坚定的信心从事数据分析工作，那我相信未来可期！ 以上是日常工作中接触到同学比较多的疑问，希望解答对大家有所帮助，为自己的人生做出更好的选择。最后借用开头Dambisa Moyo在《dead aid》说的一句话，“做一件事情最好的时间是10年前,其次就是现在”，大家加油吧！

作者 | David Mack来源 | AI开发者本文作者 David Mack，为了从事机器学习相关的研究，他辞去了工作，在没有固定收入的情况下进行了一年了探索。本文是他对过去一年经验和体会的总结。 最近，我发现我的生活需要一个新的挑战。我厌倦了我的日常工作，坚持想自己去从事机器学习研究。这一年充满了挑战，且收获颇丰。我经历了许多失败和一系列意想不到的成功，走上了一条完全不同于之前设想的道路。 在这里，我将告诉你我的经历：我做了什么，哪些成功了，哪些失败了，我学到了什么，我会做什么不一样的事情。如果你渴望进入机器学习领域，或者想知道成为一名研究员需要什么，希望我的文章能够帮到你。 我从哪里开始 随着时间的推移，我工作中的学习和挑战逐渐减少。以前有很多未知的技能需要学习，现在我每天只需要按照一个规律的模式执行就可以。我对没有已知解决方案的开放性问题感到最为兴奋。 我越来越多地把空闲时间花在阅读学术论文和草拟解决开放性问题的方案上。 有一天，我坐在森林里的树桩上，等着一个朋友回来，我突然产生了一个想法，那就是我不得不辞职。这种清醒的时刻是奇怪和罕见的，你永远不知道它会出现在什么时候。第二天早上，我告诉我的团队我要离开。 在大学里，我攻读了计算机科学的本科和计算机科学与数学的硕士学位。我一直渴望进一步学习，但从未找到一个吸引我的环境。 在我辞职的时候，我很幸运有了一些存款，所以放弃全职工作就不那么可怕了。我每周工作 2 天并减少开支以使我的财务收支平衡。我的搭档帮助我，我很多周末都在工作。 热身运动 在辞掉工作之前，我已经开始从事微型研究项目，我会做一些有趣的东西，在网上写下来，这个过程不会花太多时间来完成。 这大大增强了我走这条新道路的信心。通过指导和出版它们（这里是其中一个例子），我向自己展示了我有研究的基本技能。 我鼓励任何正在考虑进行研究的人找到一些小项目，并把它们做完。它很有趣，并且能让你体验整个过程。 开始 在进入全职研究之后，我做的第一件事就是建立 Octavian.ai，这是一个我可以在网上写作的地方。我将一个网络流量网站，一个媒体出版物，facebook 和 twitter 整合在一起。虽然我在美术上花了很多时间（我也喜欢平面设计），但在过去的一年里，这个网站一直是我用得最多的地方。当人们对我的工作感兴趣时，我经常让他们去看看这个网站。 我还发现，有一个品牌可以将我们所有的工作和各种演讲活动联系在一起。我相信这个品牌帮助我们发展了我们的社区，因为它帮助组织看起来更加连贯和专业。 我没有为这件事情筹集任何资金。这只是一种个人探索的工具，不适合提升。 科研并不是魔法 我需要克服的最早的障碍之一是改变进行研究是一种只有精英才能完成的神秘活动的想法。 我现在已经从一些学生、研究人员和工程师那里听到了同样的感受。即使是出版过相关著作的研究人员也偶尔在 Twitter 上承认感觉自己像冒名顶替者，而不是「真正的研究人员」。 虽然我还只是研究领域的一个刚入门的学生，但我听说很多人对此感到消极，所以我想发表一个声明：研究不是魔法。这只是一个处理问题、定义问题、列出解决方案、尝试解决方案、了解什么方法有效以及记录这些问题的过程。任何聪明、勤奋的人都可以走这条路。 此外，你很容易因为害怕自己能力不够或者这件事情不值得去做而放弃。相反，开始研究吧，给它时间去自由发展。 进行研究需要很长时间 我今年最大的收获之一就是投入了很多时间、精力和资源来进行研究。具体来说，我的意思是产生成功的结果：一种比其他人表现更好的方法，或者发现一个能帮助其他人的问题。 在我的职业生涯中，我很清楚计划的谬误： 「预测完成未来任务所需时间经常会表现出乐观主义倾向，我们会低估所需的时间。」然而，我花了很多时间在研究项目上，才真正做到这一点。我发现每个项目都会经历一个周期： 蜜月期：对问题和潜在解决方案的强烈兴奋、好奇和乐观开始工作：打开代码编辑器，整理数据集，勾画出实验架构，满足线性进展第一个障碍：解决这个问题比最初设想的要困难。数据处理需要更多的工作。最初的想法是错的。悲伤、漫长的驱动/低谷：坚持成为支撑的动力，需要修复更多的错误，需要编写更多的测试用例，更多的变化需要尝试。未来可能会成功，也可能不会。最后终于成功：完成这个项目过程中的一个快乐时刻。你可能永远不会到达这里，或者你可能会彻底证明你的方法永远不会奏效。如果是，返回到第一步。把它拿出来：写作，然后点击发布。至此，你唯一的动机就是不再参与这个项目。你点击发布并离开办公室。 在我的心理评估中，我通常只记得步骤 1 到 3。我的记忆抹去了悲伤的事情，这也许是为了保护我的热情。 我现在对我承担的项目范围更加谨慎了。我有一个评分系统： 新数据集？+2 分数据集太大，无法放在一台机器的内存中？+1 分从一篇没有代码的论文中实现？+1 分不适合库的结构：+1 分用多个 GPU 训练？+1 分集群训练？+3 分我花了很多时间构建数据和训练基础设施。例如，一个项目的大部分是将一个模型转换为在一个 TPU 集群上运行（这是我当时唯一拥有的云资源），这样我就可以测试出注意力函数的变化。经过大量的努力，我得到了一个消极的结果。 我选择放弃学术论文，转而在媒体上写博客。这是一把双刃剑：它牺牲严谨性，让我有时间折腾更多的项目。有人和我的朋友们这件事的讨论利弊，他说：「如果你写一篇论文，大多数人无论如何都读不到这篇博客文章了」，这就解决了问题。 考虑到自己的个人时间之外，我现在非常感谢研究机构的资源。即使是写一篇论文，理想情况下你也需要一个团队的合作者，几个月，大量的 GPU 时间，然后几个人来帮忙写。 ...

作者 | Saurabh Hooda来源 | CDA数据分析研究院简短的回答是肯定的。只要数据科学家中存在“数据”，结构化查询语言（或我们称之为“quel”）将仍然是其中的重要部分。本文将深入探讨数据科学及其与SQL的关系，包括5 W和1H的答案 - 如何，为什么，何地，何时，谁和什么。我们还将学习数据库管理系统（DBMS）的基础知识，并了解数据科学家如何成为您职业生涯的最佳选择。 什么是数据科学数据科学的视角非常广泛，作为一名数据科学家需要深入了解各种数学流，机器学习、计算机科学、统计研究、数据处理以及多个领域的专业知识。这些数学流中的每一种知识系统都需要对数据进行大量地研究和探索，无论是收集、分析还是处理。 为什么数据科学如此受欢迎目前来说数字世界正处于巅峰时期，随着市场需求和广泛营销策略的不断增长，数据已成为所有营销目的的关键。例如，如果我想购买一部新手机，我会去亚马逊或Flipkart这样的网上商店，浏览不同的品牌，挑选心仪的品牌手机添加到我的购物车中，最后经过一些对比研究后决定购买。在网站后台，在线商店会保存我的购物车信息和浏览历史记录，并在我下次登录时向我展示更多相关品牌的手机推荐。即使我不买，在线商店也会给我发电子邮件或短信，提醒我购物车里的商品“还在等着我”。 因此，数据在建立买卖双方关系中起着至关重要的作用。客户展现的历史行为数据越多，向买方呈现的个人定制化推荐程度就越高。这种个性化推荐算法不仅适用于电子商务，也同样适用于各行各业用户价值分析和个性化营销方案中。 怎么样实现收藏：假设您在宜家选购家居用品，查看对比相关产品的价目单。你够买了一款喜欢的产品然后离开，但后来你发现你还需要购买更多相关的产品，你还会回来宜家选购。你告诉你的朋友这个产品是多么有用和便宜，他们相信你的推荐也会来宜家购买。制造商使用这些数据来了解客户的喜好并更新他们的库存以储备更多更受欢迎的产品。此外，持续的反馈也有助于他们改进现有产品。处理：制造商收集用户的数据，并在数据建模和规划阶段考虑可操作的方案。例如，越来越多的客户为他们的窗帘寻找特定的彩色床单或特定的布料。分析：想象一下，如果你想要买一个蓝色的床单，为了搭配你的房间的氛围，绿色将是一个更好的选择，但是目前还没有绿色的。绿色是一种常见的流行色。通过对人工输入的数据和数据管理工具中存储的数据进行分析，可以确定引入绿色搭配的产品是否是一个好主意，是否能满足更多客户的需求，并带来更多的利润。对于需求预测和库存管理，我们需要存储所有用户信息，包括他们的购买浏览记录，行为偏好指数，评价反馈信息等。数据在哪里所有的数据都存储在数据库中。因此，SQL对于处理需要定期加工和转换的大量数据至关重要，同时它也是数据科学打算做的精准营销和用户反馈的重要工具。例如，如果您不喜欢Facebook给您推荐的视频，您可以选择'隐藏此项'，Facebook会立即向您询问隐藏原因。用户的这些选项数据也需要存储在数据库中。 通过像SQL这样的关系数据库，数据科学提供了一个连续的系统来处理和改进数据的呈现和处理方式。 SQL应用领域SQL是整个数据科学领域的重要组成部分。但是，在企业实际业务工作中它究竟适用于哪些工作呢？如果您想成为数据分析师，数据工程师或数据架构师，您将需要学习SQL以及C，R和Python等编程语言。这是一个简单的图表，显示了使用SQL的阶段： 图片中突出显示的交集部分是我们需要SQL知识的地方：大数据，大数据分析和数据分析。 为何选择SQL尽管NoSQL数据库提供了高性能和高速度，但SQL数据库仍然被广泛用于所有实际业务工作中。有更多的开发人员了解SQL技术，因此支持和翻译帮助文档使其更加丰富。此外，数据完整性是使SQL与任何NoSQL数据库分开的一个关键因素，通过确保没有重复或未经授权的数据可以进入系统。此外，对于复杂的查询和连接，结构良好的关系数据库可以更好地管理数据。 什么是SQLSQL是一种关系数据库管理系统，用于存储，检索，更新和读取数据库中的数据。 在本文中，我们将专注于SQL如何对数据科学起作用。让我们举一个简单的例子，说明您作为数据科学家如何使用SQL来收集和分析数据。 假设您想通过检查有多少用户订购它的副本来了解作者'Carl Shan'的一本名为'The Data Science Handbook'的书的受欢迎程度。因为SQL是具有适当模式的结构良好的语言，所以您可以使用如下结构： customer table order_details table book table 要获取此类数据，我们需要使用一些关键字段或主键和外键字段来连接这三个表。在这种情况下，order_id对于所有三个表都是共有的关键字段，可以用来作为连接字段，使用这些连接后的数据，我们可以编写查询语句来获取必要的字段信息。 在现实生活中，这种系统可以处于多个层次的分析需求中，我们需要使用SQL分析和处理大量数据。来自数百万用户的日常行为记录数据被存储在SQL数据库中，用于不同目的的分析需求。想象一下，在不使用SQL的情况下我们能够完成这些海量数据的处理和分析工作吗？ 虽然有些人认为SQL在数据科学家工作中的作用正在减少，但事实并非如此。SQL在数据分析工作中依然十分的重要。 以下是数据科学家应该了解的一些关键SQL概念： 关系数据库模型在关系数据库模型中，所有数据点都相互关联或相互连接。在创建这种类型的数据库时，必须在设计阶段本身定义各种表和列之间的关系。在上面的例子中，这三个表是相关的。客户表的主键（“在关系（表）中唯一指定元组（行）的最小属性集（列）的特定选择”）将是customerid，而orderid将是外键（“属性集主题”）某种包含依赖性约束，特别是一种约束，即由一个关系中的外键属性R组成的元组R也必须存在于某种其他（不一定是不同的）关系中，S“）。以同样的方式，bookid和orderid组合可以是书表的复合键。必须在创建阶段本身定义这些关系。DBMS规范化规范化是设计过程，其中数据库中的表以规范化的方式组织，以避免数据的冗余和依赖性。使用不同形式的规范化，我们可以将数据划分为更小的结构并在它们之间建立链接，以便最佳地存储数据。这篇好文章以一种非常简单易懂的方式介绍了有关规范化的信息。数据库架构数据库模式是数据库的逻辑视图。应用于数据的所有关系（如约束，表，视图，触发器等）构成模式。基本SQL命令SQL可以执行以下类型的语句：DML（数据操作语言）声明 - select, insert, delete, updateDDL（数据定义语言）声明 - create, drop, alterDCL（数据控制语言）声明 - grant, revokeTCL（交易控制语言）声明 - begin, commit, rollback谁应该学习SQL到现在为止，您应该明白SQL相关从业者是否可以成为数据科学家以及如何成为一名数据科学家。如果您对数据非常感兴趣，并希望将数据科学作为您的职业选择，那么您一定要学习SQL。 数据科学家作为职业选择当今社会每天都会产生大量数据，需要将其转换为新的业务解决方案，设计和产品，这些只能来自数据科学家的创造性思维。这种需求至少会在几十年内增加。除了行业为数据科学家提供的脂肪包之外，吸引专业人士参与这项工作的挑战和不断增长的角色也是如此。从数据管理员，数据架构师，数据分析师，业务分析师到数据管理员或商业智能经理，在数据科学圈中有很多机会可供选择。了解SQL，R和Python等编程语言，统计和应用数学，结合批判性思维和行业知识，可以比你想象的更快。 作者：Saurabh Hooda曾在全球范围内为各种电信和金融巨头工作。在Infosys和Sapient工作了十年之后，他开始了他的第一家创业公司Leno，以解决超本地书籍共享问题。他对产品营销和分析感兴趣。

作者 | 环球旅行在很多人眼里，旅行是一件又累又有风险的事。 有钱去旅行也就算了，真的搞不懂那些没什么钱、死命省也要去旅行的人，是一种什么心态？ 关于这个问题，知乎上有一位网友是这么回答的： 我觉得人生在世，对于「意义」这一个虚无缥缈的东西定义不同，有些人喜欢现实中按部稳定的那一套，也有些人更重视于别的东西。 这两者并无孰高孰低，只是想要的东西不同罢了，而这世界本就应该是多元化的不是吗？ 对于我来讲，不管有没有钱，我都想去见识这个世界更多的地方，只不过没钱的时候需要更努力、更辛苦一些罢了。 而这点辛苦，好像也还能接受。 很多时候，时间和钱，不过是我们给自己预设的困难和借口。 其实想想，似乎每个人都有一颗看世界的心，但总会被各种各样的理由绊住脚步。 22岁，你说没钱没时间不出发；27岁，你有了家，有了TA，工作压力大了，更没办法抽身；30岁，你有了孩子，孩子要上学，所有假期，周末都统统给了孩子；45岁，你开始浑身疼痛，早就失去对生活的热情，连熬夜都小心翼翼；……直到有一天，你发现自己老的走不动了，才知道有些岁月回不去，有些路，过了就是过了。 有人会说，其实还不是因为没有钱，等有了钱，这一切都不会是问题，旅行说走就能走。 可怎样才算有钱呢？ 等我不为吃喝发愁的时候吧！ 我打赌，真到了那一天，你就会说，等我有自己房子的时候吧！ 等你买了房子又会说，等我有一辆自己的车的时候，当一切都满足的时候，你又会说等我换一套更大的房子、一辆更好的车的时候…… 就这样，比你穷的人都已经足迹踏遍世界，而你，还在做着“等我有了钱”的美梦。 我们可以贫穷，但是不可以没有行走的决心。 在自己有限的生命里，尽可能去更多的地方，你才会发现生命的意义远不止眼前。 毕淑敏是一个极其节俭的人，但她从来不会在这三件事上节俭：学习、旅行、锻炼身体。 真正的天才太少了，要想让梦想照进现实，你永远也离不开学习，正如她所说，机遇是牵着婚纱的小童，如果你不学习，新娘就永远不会出现在你人生的殿堂。 身体是革命的本钱，没有一个健硕的身体，纵使你再才高八斗、学富五车，也终究无法得到施展。 至于旅行，它会让我们的身体感悟到不同的风和水，我们的头脑也会在不同风情的滋养下变得机敏和多彩，目光因此老辣，谈吐因此谦逊。 旅行不只是简单的吃喝玩乐，它更是一种经历，能让人看到想象之外的世界，让人渐渐变得宽容，或许还会隐约改变一个人的命运轨迹。 穷并不可怕，可怕的是一直穷一直苦，我们还习以为常。 人不能因为穷而困住自己的格局，缩在自己的小世界里，那样的穷，就真的是一辈子都很难改变。 再穷也要去旅行，只有在路上的时候，你才能真正地看清自己：你到底想要什么？你的人生方向在哪？下一步，你该怎么走？ 我现在没钱，所以我知道我要努力挣钱，但我挣钱不是为了谋生，而是为了生活。 更何况，即使不旅行，你的钱也攒不住，最后还会变成一个没钱、也没过好这一生的人。 还有很多人都说，自己的理想是买车、买房、变有钱，其实，那不叫理想，叫欲望。 欲望会令一个人变得很自私，自私到都舍不得给自己花钱，你也不会感到快乐。 都说人最不能辜负的就是自己，给自己一个理由，即使再穷、再忙，也要抽出时间，去看看远方的风景。 于我而言，家不用太大，够住就好，餐食不用太复杂，用心就好，衣服不用太昂贵，适合就好。 与其追求物质上的奢华享受，我更希望能在自己有限的生命里多出去看看，发现不同的生命意义。 当然，我也不会短时间内去太多地方，不能节奏太快，我得努力工作，好好攒钱。 旅行从来都不是有钱人的专属，爱旅行的人不过是把别人平时买包、买口红、买游戏皮肤的钱省了下来去旅行。 因为他们会把出门看世界，当作是对自我的投资，而旅行，也会送给他们最好的礼物和回报。 请相信，同样的风景，你用20岁的眼睛去看，和你40岁时看到的一定不同。 因为风景一直都在，但那颗年少轻狂的心终究会消失。 如今的我，虽然也没有多少钱，但我还是会选择继续努力，去看这个世界。 “再穷也要去旅行，再累也要有生活” 送给每一个，为了生活而辛苦奔波的人。

原文地址：https://medium.com/@devfire/how-to-become-a-devops-engineer-in-six-months-or-less-part-5-deploy-83e790545c23 原文作者：Igor Kantor 翻译君：CODING 戴维奥普斯让我们简要回顾下我们的 DevOps 之旅： 在第一篇，我们介绍了 DevOps 文化以及相关的基础技能； 在第二篇，我们讨论了如何为将来的代码部署奠定基础； 在第三篇，我们讨论了如何有组织地管理代码； 在第四篇，我们讨论如何简单地打包代码。 以下是我们贯穿前后的路线图： 如果在上图每列的技术栈上花费一个月左右的话，那么我们现在处于第 4 个月。基于前文的学习，我们已经知道了如何配置将要运行代码的服务器基础架构、如何正确地对代码进行版本管理、如何将代码打包以备部署。今天我们要讨论如何部署代码。 部署代码注意到了吗？我没有说“如何轻松地部署代码”，因为代码从开发环境到正确部署仍然是一个充满了错误和失败的痛苦过程。 原因很多，但在我看来，这主要归结为差异。具体而言，创建代码的环境与实际代码运行的环境之间存在差异。我认为减少这些差异意味着你不仅可以在整体代码部署中实现最大的改进，还可以在代码部署后的运行时达到一定的优化。那么，我们如何减少或消除生产和非生产环境之间的差异呢？ 在我的机器上明明是可以跑的如果你的开发基础设施是这样的： 用“温柔的爱和关怀”手工组装而成的开发基础设施 但你的生产环境基础设施看起来像这样： 那你就会遇到麻烦。 如果你使用基础设施即为代码的方式而不是手动配置，那么差异这事儿你已经搞定得七七八八了。如果不是，请不要绝望 —— 你并不孤单。花一个下午，找出你所碰到的所有差异（培训、文化、人员、流程等），并逐一消除它们。 最重要的是，如果你仍在手动配置，那你可能很难去管理现代技术栈。因此你需要做的第一件事是确保涉及产品的所有内容都是由部署服务器构建的版本化软件包。假设上述事情你已经完成，我会告诉你部署代码的最佳方法是不部署代码。 现代化的代码部署将代码部署到生产环境机器是一件非常 90 年代的事情。 现有技术的“代码部署装置” 将代码部署到一组固定生产环境机器的最大问题是：你的生产环境服务器（代码运行的地方）与你的开发环境服务器（编写代码的地方）不同。这就难怪在部署后会立即出现大量问题。 因此，你需要尽一切可能确保构建产物（而不是一小段代码）一直处在运行环境当中。换句话说，将代码一次性部署到开发环境，克隆运行代码的整个机器环境，然后将其复制到需要的任何位置。这被称为“不可变部署”，是一个非常强大的模式，可以避免你数小时部署后的头痛。当然，如果你运行容器，同样的想法也是适用的：在任何地方部署相同的容器即可。 “但是我的生产环境和开发环境就是不同的！”你可能会说。数据库用户名密码，连接字符串，S3 存储桶位置等等，这些都是不同的。解决这个问题的方法是使用 12 因子应用配置原则。所有配置都需要外部化并作为环境变量传递到服务器。 例如，如果在 AWS，可以使用 SSM 作为外部参数存储，它很好地集成了 CloudFormation。直接通过 aws ssm cli 命令行工具设置环境变量也非常容易。当然，其它云厂商也提供了类似的机制。 当出现问题时，你需要压制“修理”生产环境机器的冲动。这些机器是不可变的，这意味着你所做的任何修复都必须来自开发环境。事实上，你的终极目标应该是根本不允许任何在生产环境服务器上的接入。没有 ssh、没有 scp、没有人有任何访问权限，不是你，更不是觊觎中的黑客。 但如果我需要日志来解决问题呢？所以日志也应该外部化。理想情况下可以通过ElasticSearch / Logstash / Kibana（ELK）技术栈或商业软件（如 SumoLogic 或Datadog）将日志转储到其它地方。 无论你做什么，你的产品都是“黄牛” —— 它们会在出现最轻微的不健康信号时就被替换。它们不是“宠物”，需要耗费数小时进行故障排除来恢复健康。我知道这个比喻被太多人使用了，并且我听到那些真正养牛的人说过实际上他们的工作原理和我们刚所讨论的不同，但重点事务确实如此。不要“修复”你的生产环境机器，而是修复你的开发环境并重新部署。 代码部署机制所以你知道要做些啥了，但怎么做呢？ “不幸”的是，这就是 Jenkins 的用武之地，Jenkins 是最受欢迎的开源部署自动化服务器之一。我说“不幸”是因为 Jenkins（及其前任 Hudson）已经存在了近十年，并且在漫长的使用过程当中我们发现了：它的设置很复杂，维护起来更复杂。它带有数以百万计的可疑质量插件。这些插件往往会在最不合适的时候崩溃，把所有事情搞砸。实际上，真正具有弹性的分布式 Jenkins 设置很少见，通常只有最大的研发组织里才能看到。 ...

前言去年毕业的我，加上实习到现在已经工作一年半了，作为一个新人的我在目前这家公司学习到了很多，不管是工作能力上还是技术上，目前在组内可以独立负责多个项目，上个季度刚在绩效考评拿了A（10%），本该踌躇满志的我却感觉到斗志缺失，目前的工作对我来说有点温水煮青蛙。 因为本身就是放弃了保研名额，直接选择的就业，我现阶段的需求就是快速且野蛮地成长。我本人是热衷于微服务、分布式相关的技术学习和实践，想要往这个方向发展，但是目前公司在这方面无法满足我，也缺少在技术方面能领导我、折服我的人。同时为了之后可能存在的职业转型，我需要一个更大的平台，提高我的大局观，扩展我其他的软能力，对之后进一步的职业发展做储备。 人生就如一潭水，主动求变才能把水盘活，所以我花了一个周日的时间，根据SMART原则，对自己的目标进行了明确定位和初期的计划制定。特以此篇文章记录整个过程。 当然就如软件架构一样，整个方法论（实际上暂时就是个计划，还足以成为方法论）肯定不是一成不变的，以结果为导向，不断迭代更新才能得到最适合自己的方法论。 文中涉及到的工具： XMIND幕布chrome 插件 - Marinara（番茄工作法助理）SMART原则SMART原则是目标管理中的一种方法。目标管理的任务是有效地进行成员的组织与目标的制定和控制以达到更好的工作绩效，由管理学大师彼得·杜拉克于1954年首先提出。何为项目管理，就是用现有的资源进行组织调配。达到你想要的结果。SMART原则虽然最早应用于项目管理，但是也同样能应用在个人的目标管理上。因为你的目标就是你的结果，你的时间，你的金钱就是你的现有资源。 那么先来了解一下SMART原则的具体内容。 基于SMART原则，我们需要先思考我们的实践思路，毕竟理论要与实际相结合才有意义。 拿我个人来说，我上周日在制定计划的时候就是早起，吃完早餐后，打开油管上最常听的Relaxing Jazz Music 来帮助集中注意力，按照以下的思路去制定整个目标： 目标的设定这个部分重要的是明确时间点和你要做的事。SMART原则本身是目标已存在的情况下实行的管理方法，如果连自己的目标都不清晰的话，还需要通过更多的思考去想清楚自己的目标是啥。 作为职业发展规划的目标来说，一般人最好是制定一个中期的目标，时间长短在半年至三年内。当然这个取决于个人对自己的职业规划清晰程度。 实际上如果按照项目管理思维来看的，这里还少了验收标准，但是这个验收标准我自己暂时都没想好，或者说这类的目标不好定，反正我就没加进去。 以下是我对目标的设定： 目标的检视与拆解做这一步的目的是为了在事先先认清自己尚且缺少什么能力，并做出合理规划。 我在进行到这一步骤时，会去各大招聘网站上，对类似的目标招聘岗位的招聘要求进行收集整理。然后根据我自己的情况进行子目标分解。 这些可能办到吗？可能有细心看的人会发现，我列举的子目标的时间，已经超过了我目标的截止时间。 一般情况这个时候，应该是要量力而行，更改目标期限或者目标达成条件。 但是我选择了保留现有的学习计划，因为这是一个接近一年的计划，我个人之前并没有对自己的学习效率和时间管理能力进行过具体的评估，换句话来说我不知道我是否可以提前完成这些目标，所以我选择了保留。通过之后的目标记录中的一些工具方法来帮助自己明确自己的完成效率，周期性的迭代，之后可能会调整子目标的优先级，调整目标本身等等。 多说一句，本人在整个子目标明确过后才发现，技术这条路真的只能慢慢走，有时候你看一些公众号分享的年薪50W的学习资料，放在硬盘里好像就那么点，可当你实际上去学习的时候，你会发现原来需要花那么多的时间。看那些招聘要求上，就那么点，如果仔细琢磨一下，需要的知识真的是太多太多，所以尽早计划起来，让你的学习计划更加的有目的性、规划性是很有必要的。在人生其他道路上亦是如此。 目标记录方法 和 学习形式 （参考）这里的方式方法很多，我直接分享我的吧。 配合使用Marinara - 番茄工作法助手，来做专注时间统计和单位时间产出统计；在ONENOTE上做每日总结的时候，加上这个目标进度的相关内容；github 每日学习demo 维护提交每周或者每个 最小 子目标完成之后 写一篇或多篇（针对中间件/框架源码这类）总结性的技术博客；每周日做周总结，根据目标完成度和使用时间，调整下一个阶段的目标；所有的周记录日记录 务必保持 keep it concise to the point固定学习时间段 工作日：上班前的一个小时（提早到公司）下班后的一个半小时结语本文标题特定写了个分享，是因为个人职业发展规划是一个很private的事情。每个人情况不同，没有万能解，也没有共同解。所以这篇旨在分享我在做个人职业规划中的一些心得体会、方法论、思想等。希望能够帮助到可能正在迷惘岔路的你。 另外，本人资历尚浅，也欢迎前辈们给我一些更好的建议。Thanks in Advance.

6月26日，第十九届中国教育信息化创新与发展论坛在山东省烟台市开幕，本次论坛为期两天，以“智慧赋能﹒变革创新——以教育信息化推进教育现代化”为主题。 在本次论坛上，近1200名教育信息化领域专家和学者、教育行政部门主管领导、各省教育厅信息中心主任、学校校长、信息技术教师以及国内外企业代表齐聚一堂，深入探讨如何在新时代、新技术的背景下，探索教育部门的智能化服务方法和教育信息化未来的发展方向。 CDA 数据分析师作为此次参展企业，深度参与本次论坛，在CDA的展台前来咨询数据分析的朋友们络绎不绝。 该论坛已连续举办十八届，规模和影响力逐年扩大，现已成为反映教育信息化政策动态、学术研讨、经验交流和成果展示的重要窗口。那么如此规模盛大的教育行业论坛有哪些亮点值得一看？就跟着 CDA数据分析师的脚步带你看看今年论坛上有些惊喜吧！ 开幕式 论坛开幕式由教育部教育管理信息中心副主任曾德华主持。教育部教育管理信息中心主任李建聪、山东省教育科学研究院院长申培轩、中国教育发展战略学会常务副会长兼秘书长韩民出席开幕式并致辞。 在主论坛环节，国务院参事、中国科学院虚拟经济与数据科学研究中心主任石勇以《大数据分析助力学术人才评价》为主题，向与会者介绍了“基于大数据的学术人才评价系统”。石勇参事表示，基于大数据挖掘进行学术人才评价的优势是：提前预测，发现人才;多维分析，确认人才;记录过程，跟踪人才;公平判定，辨识人才。他认为，大数据评价学术人才，不同于行政主导的思路，指标体系要随着社会对科技的需求而动态调整，而不能僵化;大数据挖掘的学术人才评价，除了传统的基于科学共同体的评审之外，还应推进学术人才分类评价;学术人才评价要从精细化管理的角度去实施，利用大数据挖掘系统自动判断，避免人为的道德因素影响客观评价。 在这两天内，论坛围绕人工智能与虚拟现实、互联网+教育服务、高等院校智慧校园构建与应用、智能制造与产教融合、信息素养与创新能力提升、信息技术引领中小学教与学方式变革、教育网络信息安全等议题开设分论坛，全方位、多视角探讨教育信息化领域热难点问题。 本届论坛同期还将举办2019年全国教育信息化应用成果展示交流活动。该活动汇集众多教育机构和教育技术企业，展示经典成熟的教育信息化应用成果，展现最前沿的技术产品和优秀的教育信息化解决方案，让参会者近距离第一时间体验科技赋能教育的力量。 作为全国教育领域的盛会，本届论坛为教育信息化工作者、研究者分享实践创新经验与理论研究成果提供了平台，对促进教育信息化的快速发展具有重要的积极意义，受到教育界的广泛关注。 如果你是以下几种情况之一： 1、想了解更多大数据分析、数据挖掘、数据科学、人工智能领域的内容； 2、职业遭遇瓶颈，想提升自己在数据分析或人工智能领域的硬件技能； 3、寻求新出路、新发展，有意向转行到数据分析行业或人工智能领域。 可前往我们的官网，获取更多有效信息和帮助：https://www.cda.cn/?seo-segme...

一个图片在热搜上待了两天，很少见。 就是下面这个： 当时这个热搜的名字叫“月薪一万和月薪十万最真实的差距”。 网友们大呼太真实、太扎心了。 其实这还只是月薪一万的，而我们大部分人都是月薪四、五千。 听到这个消息后全都是背后脊柱一片发凉。 之前公布的2018届毕业大学生的月薪只有4624元，那这些人和月薪十万的精英们相比，差距就远远不止是100倍了。 这就是马太效应，有钱人会越来越有钱，而没钱的会越来越没钱，整个世界都是按照这个趋势在发展。 法国经济学家Thomas piketty对马太效应研究了50年。 他发现在过去50年里，最穷的50%美国人收入增加不到1%，而最富有的1%美国人收入却增长了300%。 前段时间，招商银行发布了一份《2019中国私人财富报告》，让人无比窒息。 中国高净值人群的年均复合增长率是12%（投资资产1000万人民币以上），而有钱人之中的有钱人（投资资产超过5千万），其年均复合增长率高达17%。 也就是说，月薪一万的人，辛辛苦苦工作，可能一年到头来薪水的涨幅不会超过4000块。 而那些千万富翁年底的时候看自己的银行卡，突然发现又多了一百多万。 富豪们的财富像坐了火箭般以恐怖的速度在上涨，而普通人即使24小时不眠不休地工作，也赶不上他们财富增加的速度。 普通人被陷入在生活成本、房贷、车贷、孩子上学费用、交通费用等等里面，他们的财富只会被不断消耗。 而富人们早就超脱了这些束缚，他们有了更多的筹码用来增长财富，越往上面走差距越大。 所以，看起来月薪一万和月薪十万只有10倍的差距，而他们的背后早就有了一个放大镜，不断扩大他们的差距。 众所周知，2017年某地产大佬的财富增长了1812亿元（股票价值），而我们国家2017年有3046万贫困人口。 什么叫贫困人口？ 在2017年的标准是家庭人均年收入不到3300元的人。 这3046万人所有的年收入加到一起还不到1000亿，而他一个人账面上的财富增长是 1812个亿（股票价值）。 一个人就可以吊打这几千万人，中国最贫穷的3046万人加一起远不如他一个人赚的多。 穷人和富人走向两个极端，这是这个世界最残忍的地方。 有个段子说的好，按照马云现在的身家，一个人每天中500万，也要连续中70年才能赶上他。 然而最为可悲的是，即使他70年之后赶上了马云，按照马云财富增长的速度，70年后已经远远不是今天这个财富了。 所以，你和马云之间仅仅是差70年的五百万吗？ 不，那些远远无法企及的增速，才是真正令人恐怖的。 其实，马太效应在各行各业都适用。 我有一个堂弟在某商业步行街开了一家餐馆，开餐馆嘛，很多人都会想去问赚不赚钱。 而我也免不了嘴欠，问他生意怎么样？ 他清楚的告诉我，亏了不少，起码有二十几万。 什么原因呢？ 因为这个商业步行街做餐饮的有100多家，真正赚钱的只有4家，40%-50%就是维持着生存。 还有剩下的40%-50%就是上演着这样的戏码： 新店装修——开业几个月倒闭——转让新店再装修——再倒闭转让…… 永远都有人来接盘，而我堂弟的店子，据说他是第八波接盘侠。 都是开餐馆，但他们的真实差距就不是月薪一万和月薪十万的差距了。 一个可以年入几百、几千万，而一个是亏得血本无归，账面上整个都是负的。 商业竞争就是一个丛林法则，赚钱的就会越来越赚钱，而不赚钱的就会越来越不赚钱，旱的旱死，涝的涝死。 这样的现象，你一定不陌生。 两家并排的餐饮店，一家排起了很长的队，里面门庭若市，而另外一家，毫无生机，门可罗雀。 那些排队的人，宁愿等2个小时，也不愿意去另外一家店吃饭。 很多人觉得差距很大，但其实这只是一次次细微偏差被马太效应放大之后的结果。 比如他家的某一道菜比较好吃，他家的服务态度不错，他家的营销策划不错，刚开始也只是好那么一丁点而已，但是他做好了这一点就超出了一大批的同行。 其实你想想看，大家都是做餐饮，难道真的是天差地别的差距吗？ 不是，就是那么一点点的细微差别，因为大家都不蠢。 但是，就是好那么一点点，多那么几个人吃饭，然后他们再不断调整优化，而他们的生意就会越来越好，而差的就会越来越差。 这个世界的丛林法则就是这样，你弱的时候坏人越多，你生意越差，你遇到的麻烦就越多，而你生意越好，你就越顺风顺水。 马太效应在职场上就更加血淋淋了。 我有个朋友是公司老总，他们公司刚好有月薪一万和月薪十万的员工。 如果涨工资的话，他说他会优先给月薪十万的人涨，而月薪几千或者一万的，就算要涨，也不会有什么大的涨幅。 很多人可能难以接受，觉得这样不公平，为什么要这样做？ 这也是一个职场潜规则了，工资越高的就要多给他涨，工资越少的，就要少涨。 什么原因呢？ ...

原文地址：https://medium.com/@devfire/how-to-become-a-devops-engineer-in-six-months-or-less-366097df7737原文作者：Igor Kantor翻译君：CODING 戴维奥普斯写在前面据 StackOverflow 2019 开发者调研结果公布：DevOps 专家的薪水仅次于研发管理者以及 SRE，位居第三： 数据来源：https://insights.stackoverflo... 从 DevOps 专家的热门度来看，越来越多的企业意识到需要将 DevOps 从口头落地到日常研发流程中，实实在在给企业带来研发效能上的收益。在这场无声变革当中，专业的 DevOps 工程师必不可少。CODING 针对想要从事 DevOps 相关岗位的开发者精心策划了 DevOps 工程师成长日记系列，希望这系列文章能够给相关同学带来学习路径上的启发。接下来让我们进入到翻译内容的正文： 目标读者你是否正在寻找一条 DevOps 转型的快速之道？你是否是一个受过传统训练的运维人员并且想要体验 DevOps 领域的相关内容？或者你已经学习了一段时间相关技术，现在只是想要寻找职业上的转变但不知从何下手。如果属于上述情况的话，就继续往下阅读吧，接下来让我们一起看看如何在六个月内成为一名中级 DevOps 工程师。如果你已经从事多年 DevOps 相关工作，也仍然在寻找关于 DevOps 工程师的有效认可方式，那么你也是该系列文章的目标读者。 DevOps 工程师新定义什么是 DevOps关于它的定义与由来你可以 Google 到各种前沿理论，但是大部分的解释都是长篇大论，让人喘不过气来。看看我会怎么做——我会帮你节省鼠标的点击次数并且把关键信息摘出来：DevOps 是一种研发团队同甘共苦、患难与共交付软件的方式。 定义就是这么简单，但它意味着什么？这意味着，传统意义上的开发人员（编写软件的人）的目标与运维人员（运行软件的人）的目标大不相同。例如，作为一名开发人员，我希望尽可能快速地开发更多的新特性。毕竟，这是我的工作并且是客户需要的。然而，如果我是一名运维人员，我就会希望新特性越少越好。因为每一个新特性都意味着新的变更，而变更就意味着风险。由于这种目标错位，DevOps 诞生了。 “系统工程师 2.0”DevOps 尝试将开发和运维融进一个研发小团队里，由这个小团队共同承担开发、部署、努力创造软件收入的痛苦、责任（相反也可能是奖励）。现在，纯粹主义者会告诉你没有 DevOps 工程师这样的职位，“DevOps 是一种文化，不是一种角色”， 他们会这么说。好吧，在技术上他们说的是正确的（最糟糕的那种“正确”）。但是正如经常发生的那样，这个术语已经超越其原始含义。 现在，成为 DevOps 工程师就像“系统工程师 2.0”。换句话说，DevOps 工程师了解软件开发生命周期，并通过软件工程工具和流程解决传统运维挑战。DevOps 最终意味着建立一个数字流水线：从开发者的笔记本中获取代码直至产生收益的全过程。 作为一个职业选择，公司给 DevOps 相关岗位的薪资待遇都相当不错，几乎每家公司推行 DevOps 时都这样做或声称这样做。无论哪里的公司，DevOps 相关的工作机会都很丰富，它依然会是未来几年内有趣且有意义的工作岗位。温馨提示：要警惕那些声称招聘DevOps 团队”或“DevOps 部门”的公司。严格来说 DevOps 终究是关于文化和交付软件的方式，而不是配备新的团队或部门。 免责声明现在，让我们把肥宅快乐水放在一边，考虑以下几点：你听过这句古老的格言吗 ——“世上没有初级的 DevOps 工程师。” 它其实是 Reddit 和 StackOverflow 上的流行比喻。这意味着需要多年的经验，结合对工具的扎实理解，才能最终成为真正有效的高级 DevOps 从业者。遗憾的是，没有捷径可行。因此，这篇文章不是 DevOps 伪装指南。我不认为存在能够假装成一位具有几个月经验的高级 DevOps 工程师的方法；或者在几个月中掌握原本需要数年才能精通的快速变化的工具，和对方法的深刻理解，并且这些问题目前还没有完全解决。然而，大多数公司都使用大同小异的（或者主流的）工具和概念菜单，这些就是文章的主要内容。工具与技能不同，因此在学习工具时，请确保不要忽视自己的技能（面试，网络，书面沟通，故障排除等）。最重要的是，不要忘记我们追求的目标——建立一个全自动的数字化流水线，将创意转化为创收。 ...

作者：Daniel Bourke 谷歌云平台为构建数据处理系统提供了基础架构，掌握谷歌云的使用可以在简历上起到锦上添花的效果。那么，如何在简历上证明「我学过」呢？当然是考证啦！所谓「证多不压身」。本文作者详述了自己考取谷歌云专业数据工程师认证的通关历程，还附赠了一些通关秘籍…… 注：本文专用于2019年3月29日前的谷歌云专业数据工程师认证考试。此后我也做了一些更新，放在了Extras的部分。 在过去的几个月里，我一直在Google Cloud学习课程并准备专业数据工程师考试。然后我顺利通过了。几周后，我的连帽衫到了，证书也到手了。 本文将列出读者想知道的一些事，以及我为获取Google Cloud专业数据工程师认证所采取的行动步骤。 为什么要进行Google Cloud专业数据工程师认证？ 数据无处不在。而且，我们需要知道如何构建能够处理和利用数据的系统。Google Cloud提供了构建这些系统的基础架构。 你可能已经掌握了使用Google Cloud的技能，但如何向未来的雇主或客户证明这一点呢？两种方式：通过项目或认证。 证书能够帮你告诉未来的客户和雇主，「嘿，我已经掌握了技能，并且我也努力获得了认证。」 谷歌用一句话对此进行了总结。 展示你在Google Cloud平台上设计和构建数据处理系统以及创建机器学习模型的能力。 如果你还不具备这些技能，那么通过认证的学习材料，你将学习如何在Google Cloud上构建世界一流的数据处理系统。 谁需要获得Google Cloud专业数据工程师认证？ 你已经看到这些数字了。「云」正在扩增。它就在这里。如果你还没有看到这些数字，请相信它正在扩增。 如果你已经是一名数据科学家、数据工程师、数据分析师、机器学习工程师或正在寻找进入数据世界的职业，Google Cloud专业数据工程师认证就非常适合你。能够熟练使用云技术对所有类型的数据来说都是至关重要的。 你是否需要证书才能成为优秀的数据工程师/数据科学家/机器学习工程师？ 并不是。 没有证书你也可以使用Google Cloud寻求数据解决方案。 证书只是对现有技能的验证。 参加认证考试需要多少钱？ 参加认证考试的费用为200美元。如果失败，需要再次支付考试费。 准备课程和使用平台本身都有成本。 平台费用是使用Google Cloud服务的费用。如果你是它的发烧友，你会很清楚这些。如果你只阅读了本文中的培训材料，那么你可以创建一个新的Google Cloud帐户，并在Google提供的300美元信用额度内完成注册。 我们会马上讲到课程费用。 证书的有效期为多久？ 2年。 之后需要再次参加考试。 而且Google Cloud每天都在不断发展，因此证书所需要的内容可能会发生变化（我在开始撰写本文时也发现了这一点）。 你需要为考试做什么准备？ Google建议有3年以上行业经验和1年以上使用GCP设计和管理解决方案的人员参加专业认证。 我没有这些经历和经验，我只准备了半年时间。 为了弥补这一块的不足，我充分利用了在线培训资源。 我参加了哪些课程？ 如果你像我一样没有达到谷歌建议的要求，可能需要学习以下课程来提高自己的技能。 以下课程是我用于准备认证的课程，按完成顺序排列。我列出了通过认证考试的费用、时间表和实用值。 这是一些令人获益匪浅的在线学习资源，我过去常用它们备战考试。依次是A Cloud Guru、Linux Academy、Coursera。 Cousera网站上的Google Cloud平台专业数据工程课 链接：http://bit.ly/courseraGoogleDataEng 费用：每月49美元（7天免费试用） 时间： 1-2个月，每周10个小时以上 实用值： 8/10 Coursera上的Google Cloud平台专业数据工程课是Coursera与Google Cloud合作完成的。 ...

关于产品、数据和人，这里有 8 条经验。 这是一篇经验帖，作者 Daniel Shenfeld 曾在 12 家创业公司工作过，这些公司覆盖金融科技、医疗、教育技术、生物技术等多个领域，所处的阶段也各有不同，从种子前（pre-seed）到收购后都有。Daniel 在不同的公司中担任各种各样的职位，从基层员工到数据科学主管和战略顾问主管都做过。在所有工作中，他一直致力于研究有趣的机器学习和数据科学问题。所有人都试图创造伟大的产品，一些人确实成功了。 从这么多工作经历中他学到了什么？本文介绍了他对产品、数据和人才的 8 条经验。 关注产品，而非 AI 作为货真价实的数学家，我一开始是被机器学习科学打动的，想创建新的算法和方法来解决挑战。 但我很快就意识到，即便是最准确的机器学习模型也没法自己创造价值。机器学习和 AI 的价值是根据它们支持的产品来衡量的。弄清楚如何有效地做到这一点才是构建 ML 驱动产品的真正意义所在。 《爱丽丝梦游仙境》的作者刘易斯·卡罗尔（Lewis Carroll）也是一位数学家。他发明了许多极具吸引力的产品，尽管有一些并没能像预期的那样发挥作用。 关注问题，而非方法 如果以构建产品为目标，那么机器学习和 AI 就只是达成目标的手段。重要的是如何解决产品问题，而不是使用什么样的方法。在大多数情况中，快捷但有缺陷的方法（quick and dirty solution）会让你走得更远。如果一个问题用简单回归就能很好地解决时，就不要训练深度神经网络了。 当关注问题本身时，你有时会发现机器学习并不是解决问题的最好工具。很多问题是流程的问题。即使在这些情况下，数据科学家也可以做出很多贡献，因为他们天然倾向于采取严格、数据驱动的方法。但这并不表示用 AI 修复糟糕的流程是个好主意。只需修复流程。 寻找数据和产品之间的协同效应 将现有产品和根据机器学习模型做的预测结果结合起来很少能体现出机器学习的真正价值。当然，这也会给它们加一点分，但在强大的 AI 产品中，机器学习不只是附加功能。它是创造价值的引擎，而产品是建立在引擎基础上的：产品和数据必须要协同工作。 如果做得好，就会形成强大的良性循环，我称之为「产品／数据拟合」（product/data fit）：产品有效地意识到数据的潜在价值，同时持续生成必要数据来进一步改进产品。 将机器学习引入产品是次优策略。 尤其是，AI 不能只停留在数据科学和工程团队中。组织的其他部分，从产品到管理层，都要参与其中，来加速创造价值的过程。这需要大量的教育和投入，而这超出了工程师们以往构建软件的习惯（即便是在初创公司中）。 数据先行，AI 在后 机器学习和 AI 都需要大量数据，更重要的是「高质量数据」。如果你要从头构建一个产品，那从第一天开始你就要考虑收集数据了。如果你要在现有产品中引入 AI 技术，那在进入 AI 部分之前，首先要准备好在数据工程和重建架构方面进行大量投入。 这并不意味着你要在实现价值前预先加载所有工作。更好的数据操作意味着更好的分析，这对任何组织的学习和改进都至关重要。利用这些成果来展示价值并产生组织认同。当你的分析非常坚实时，就可以真正开始考虑机器学习了。 进行有效沟通 打造优秀的产品需要优秀的产品经理和高管的支持。虽然 AI 和深度学习的力量吸引了许多人，但很少有非技术人员真正了解这些技术。有效讨论机器学习和 AI 需要对统计学有深刻的理解，沟通鸿沟往往会造成不切实际的期望。 关于机器学习和 AI 的讨论显然不是完全基于业务指标的。 一个关键点是讨论业务指标的同时，也要思考如何将业务指标转换为模型指标。这样的话产品经理要承担很多责任，但对数据科学家而言也是如此，他们必须了解拟建产品相关领域的知识，还要深入理解业务，这样才能真正高效地工作。 快捷但有缺陷的方法副作用并没有那么大 正如我前面提到的，快捷但有缺陷的方法会让你走得更远。部分在于，现在快捷但有缺陷的方法其实就是过去缓慢但准确的方法。像 word2vec 这样的工具变得和回归一样易于使用，而且研究者还在不断创建功能强大的新工具。对任何数据科学家来说，充分了解不同的构建模块以及它们之间的粘合剂是非常必要的。 ...

技术布道师的日常对于程序员来说，摆在面前的职业道路选择很多，不仅限于向管理岗位或技术专家的方向发展。近年来，技术布道师也成为了开发者们的新选择，很多经验老道的程序员都或多或少地承担起了布道师的工作。技术布道师主要指既拥有丰富项目经验，同时也有极强沟通技巧的人。他们可能是：大厂技术专家、知名博主/大 V、技术会议组织者甚至是艺术家，不同背景的人都能在这个职位上取得成功。技术布道师在国内是一个新兴职位，本文通过与 15 位国外技术布道师的访谈，介绍他们的工作日常，揭开技术布道师这一职位的神秘面纱。Microsoft Azure 技术布道师虚拟形象（小浣熊干脆面）对技术布道师最主要的误解@Alex Lakatos就职于Nexmo，JavaScript 布道师人们总是觉得我们唯一的工作就是到世界各地参加会议+吃喝玩乐。但是很少有人能理解对于我们来说，不同的城市仅仅意味着不同的机场、酒店和会场而已。台上一分钟，台下十年功，每次演讲都需要花大量的时间来进行准备，而且经常出差还需要适应在飞机、火车这类交通工具上工作——我到现在都还没学会在汽车上办公: )@Don Goodman-Wilson就职于 GitHub 的 EMEA 布道师就布道师这个职业来说，其实对技术水平的要求没有那么苛刻，相对的，与人沟通的技巧才是最重要的。我认为，只要你的技术水平足以让你应对各类可能会被问到的问题就行了。大家总认为成为一个布道师，意味着要在技术圈作为摇滚巨星出道才行，我觉得这完全是误解。我最喜欢招有教师经验的人来做这份工作。在我看来，一个有高中教师经验的人会比一个资深的程序员更适合，因为我就是教师出身，不过同时还有超过 20 年的编程经验而已。布道师的日常工作@Ihor DvoretskyiCloud Native Computing Foundation (CNCF)，技术布道师CNCF 是一个非盈利、以开源社区为中心的组织，拥有现在世界上增长速度最快的开源项目，比如：Kubernetes, Prometheus, Envoy, Helm 等。在这样的背景下，我的主要工作是为社区管理项目和进行技术布道。布道师方面，我主要是通过演讲和博客的形式帮助宣传 CNCF 的项目（主要为 Kubernetes 和 Helm）同时也会为 CNCF 生态中的其他项目站台。在这之外，CNCF 有很多社区自发组织的技术小馆、技术大使等项目，再者 CNCF 也是 Google 的 Summer of Code 项目的合作伙伴，我也会协助执行这些项目。对于我这种对开源项目有极大热情的人来说，能在一个以开源社区为中心的组织当一名技术布道师，是很幸福的一份工作。@Amara Grahan就职于 IBM 的技术布道师我会写很多技术相关的内容（教程、博客、经验分享等），同时也会牵头一些 workshop 和讲座。个别情况下我还会参加一些售前会议，跟研发团队一起为客户展示如何最高效地使用 IBM Cloud/ Watson API 的服务。这些工作的目的是收集外部各个社区的声音，然后归纳整理反馈给我们的研发团队，来确保现在的研发方向是正确的。@David Needham就职于 Pantheon 的技术布道师对于我来说，我的大部分精力是放在培训和教育上的，同时我也是 Drupal 和 WordPress 社区的贡献者。我觉得我们推出的项目，比如 Pantheon for Trainers（免费的教育培训）和 Getting Started with Drupal 8（线上和线下结合的课程），对于关注这个领域的工程师来说都非常有意义。Pantheon 对开发者关系的要求就是要能真正理解社区的需求，为了做到这点，我们秉持着从群众中来到群众中去的原则，会志愿参加各式编程夏令营和会议，除了做命题演讲之外，有时我们也会做一般性的支持工作，比如会场清理等等。对我来说，技术布道师是一份完美的工作。我能分享我学到的东西，力所能及地为社区做出贡献，然后还能在第一时间感受到这些努力带来的变化。什么样的人能做好这份工作呢？@Jlsh DzielakDeveloperMode 联合创始人，前 Algolia 开发者关系负责人一个享受同时使用左脑和右脑的人。技术布道师其实是代码和写代码的人之间的桥梁，所以对于他们来说必须要能很好地理解桥的两头。我见过的优秀布道师都具有一种与生俱来的、乐于助人的意识，即使很多时候解决的问题与自家公司的产品无关；而且很多布道师其实都在凭一己之力开拓新的领域，所以我认为拥有企业家精神和无限的求知欲是成为优秀布道师的两个重要品质。@Zan Markan就职于 Pusher，技术布道师拥有主观能动性的工程师，同时还要能热爱社区这种形式和与人打交道。我觉得技术布道师一般都是喜欢分享知识，帮助其他人进阶的人。当然不同公司、组织甚至团队对于技术布道师的角色和职责都有不同的定义，提前确保个人对职位的理解和发展方向是否契合公司的需要，也是成功的关键。@Nicolas Grenié就职于 Typeform，技术布道师在技术布道师这个职位刚刚出现的时候，很多公司主要是在找一个什么都能做的人。随着近两年的发展，这个职位逐渐有了不同的细分模块，有的人可能更专注于社区方向，有的人可能在内容产出方面更加专业，也有人专注于写代码。在我看来作为技术布道师最重要的是要有好奇心，要能聆听用户的故事，乐于认识新朋友同时还要喜欢尝试新事物。谦虚也是布道师应有的品质，还要能站在其他人的角度考虑问题。并不是说外向的人才能成为好的技术布道师，喜欢安静产出内容的人同样能把这件事做好，甚至我觉得我们中的大部分人都是内向型的。你是如何成为一名布道师的，对正在观望这个职位的朋友的建议？@David G. Simmons就职于 InfluxData，资深技术布道师大概 25 年前我就成为了一名技术布道师，主要是因为做一名全职的工程师比较无聊，所以我想出去多跟人交流。对于那些希望成为布道师的人来说，我觉得要多多练习与人沟通的技巧，用“说人话”的方式让对方理解你做的事情。不要因为麻烦就回避交流，应该去尝试用更有趣的方式来解释问题，同时要学会聆听，花时间去了解其他工程师们在说什么。@Lorna Mitchell就职于 Nexmo，资深技术布道师作为一名软件工程师，我很喜欢没事儿写写博客，同时我还会去各种大会做演讲，还写了几本书。成为一名布道师仅仅是因为这个职位能支持我做这些我喜欢做的事情！对于所有工程师来说，能够走出去，融入社区都是很重要的，而且也是有回报的。@Tim Falls就职于 DigitalOcean，开发者关系负责人我当布道师的经历还是挺意外的。最开始我在 SendGrid 当工程师，当时我在 Twilio 的朋友 John Sheehan 刚好准备推出布道师项目，跟他聊天的过程中我意识到我们两家公司的商业目标是一致的，都是用更好的服务来吸引开发者群体，于是一拍即合，我们开始合作发展双方的布道师项目，直到取得了如今的成果。建议：如果你对布道师或者开发者关系感兴趣，那么最简单的方式就是立刻开始尝试。千里之行始于足下，从现在开始主动为公司的产品代言，去参与到那些你感兴趣的技术社区中，产出有价值的内容，逐步开始在开发者群体中塑造个人品牌。如果现在你所在的不是技术性公司，没有产品去布道，你也可以在市面上选一款感兴趣的产品，然后融入相关的技术社区，和社区中的成员互动，写写博客，做相关的主题演讲。一分耕耘一分收获，你终会获得相应的回报。@Shawn swyx Wang就职于 Netlify，技术布道师/用户体验工程师2017 年我定下了一个新年目标，全力专注于前端开发并逐步尝试对社区做出贡献。我把之前所用到的编程技巧和知识都重新打包成了一系列博客文章、cheatsheets 和一些主题演讲，这些内容帮我在前端技术圈建立了一些影响力，也渐渐开始接触到更多圈内人。对于我来说，这些工作让我能在大厂里拧螺丝钉之余，增长见识，搭建人脉和塑造个人品牌，同时还能回馈社区。成为布道师本来只是我的一个职业发展经历，结果当我开始之后，发现原来很多老板也很需要有人说”人话“，给他们展示 demo 和站在用户的角度理解问题。@Chloe Condon就职于微软，技术布道师我是表演系毕业的，最开始白天在一家科技公司做行政，晚上和周末偶尔会接一些音乐剧的角色，后来慢慢开始接触代码。机缘巧合下参加了一个女性程序员专属的训练营活动叫 Hackbright，成为布道师的契机发生在活动最后，在面对潜在雇主展示成果时，虽然参加活动的很多女性都有很强的技术背景，但她们大多都不善于做主题演讲。当我发现技术布道师也可以作为职业的时候，就觉得这应该是我的菜。你可能不太相信，但是真的只有部分人可以玩转技术圈的内容创作/演讲/教学/没事儿写写微博/理解开发者等等事务。我的舞台经验成为我的秘密武器，让我在会议、市场活动和人际交往中能游刃有余。我把布道师的每一项工作都当作是一次演出。我觉得有时大家会忘记程序员也是人，也有感情需求，也喜欢幽默、喜欢笑，我能给出的建议就是要 think out of the box。对于我来说，我会组织带有主题的活动，在活动上提供有趣的食物、带大家唱歌并穿上巨大的松鼠布偶服。对比传统的大家都严肃的坐在一起，吃着冷掉的披萨的活动，这种推陈出新的活动可能更容易让人接受。所以要活用你的背景和经验去思考如何更好的布道。结语在国内，技术布道师才刚刚起步，但无疑会成为技术型公司的重要职位之一，来帮助社区的搭建和活跃，完善公司的品牌形象。同时成为一名布道师的过程也是个人品牌搭建的过程，无论对于公司还是个人来说，都能增加重要的无形资产。期待国内能涌现出越来越多的优秀技术布道师！原文链接：https://www.keyvalues.com/blog/what-exactly-do-developer-advocates-do ...

如果第二次看到我的文章，欢迎下方扫码订阅我的个人公众号（跨界架构师）哟本文长度为4673字，建议阅读11分钟。坚持原创，每一篇都是用心之作～春节过去1个月了，最近陆陆续续在和部门里的同事做1:1沟通。除了想对工作方向达成一个共识之外，还想了解一下每个人对自己在19年的一些规划，或者说希望达成的「小目标」。28法则真的在很多场景都适用，随着这几天的沟通。我发现大约也就只有20%人对自己有设立一个比较明确的目标。什么叫明确的目标呢？就是除了知道自己想要达成什么样的成果之外，还有一定的前进路线规划。先不谈路线是否清晰、可行。在沟通时表现出的一种状态也能让人感受到明显的差异。没有路线规划的人，在说的时候给人的感受就比较“虚”，没底气。而有规划的人，则明显透露着一份坚定。当然了，没有目标也可以照样生活，这是每个人各自的选择，没有对错。不过，我们来讲一个实际的利益问题。如果你是一个团队的管理者，愿意在后续的工作中给谁更多的机会？我想大家心里的答案应该都是一样的。所以，Z哥我将这些天在沟通中引导大家设立「小目标」的观点整理了一下，同样分享给关注Z哥的小伙伴们，希望能够对大家有些触动，哪怕作出一些小小的改变。只要你能作出一点点改变，就是一个好的开始，剩下的就是保持这个惯性，如此便可掌握人生的“主动权”。如果你希望掌握人生的“主动权”，欢迎继续往下看。为什么要设立小目标首先，被大家熟知的设立目标的意义无非是：有动力，有方向等等。这些的确是目标的作用，但是对大家来说可能会觉得太虚，太空洞，没什么感觉。下面Z哥带你到“表象”层面来看一下，设立小目标会带来哪些实质的变化和影响。Z哥认为的实质作用有四点：避免「伪勤奋」。人生处处有意外，让你走出的“曲线”能最终回到“救国”的道路上。获得一种确定性，知道自己不是在异想天开。知道在什么环境下对自己有助力作用。第一点，避免「伪勤奋」。这个可能自己看自己不太明显，但是当你去看待其他人或者过去的自己的时候会有更直接的感观。比如，你会发现过去的自己在当时的确很努力，但是往往获得的结果并不是自己当时所期望的。为什么呢？原因之一是精力分散。有的时候你会觉得有很多事情都应该去做，但是我们的时间是有限的。造成的结果就是，将一份精力分成了10份，投入在了十件事上，最终没有一件达到自己的预期。二是虽然精力集中，但是不断反复。比如，你想减肥，然后很努力的去锻炼，最后的确减到自己理想中的体重了。但是呢，保持平稳一段时间之后松懈了，又胖上去了。然后再减，再松懈，再胖，如此不断循环。这2点就是「伪勤奋」的体现，根本原因是没有找到自己做一件事的「意义」。具有了「意义」才能产生「价值」，才能加深你对一件事物的认识。另外，只有明白了一件事的「意义」，你才能根据它对你所能产生的「价值」来决定是否有必要做。然后，再将你身边的相关「资源」与这件事串起来，去完成这件事。题外话：你身边的「资源」决定了你需要多久完成这件事，以及能产生多少“杠杆”效果。第二点，人生处处有意外，让你走出的“曲线”能最终回到“救国”的道路上。我想，从整体来看，应该没有人的一生是顺风顺水的吧，总会遇到一些突发的、临时的、意料之外的情况。然后又会由于种种原因最终可能会选择“曲线”的方式绕行。但是，很有可能绕着绕着就不知道跑去哪了。哪怕你真的是“锦鲤附体”，一生顺风顺水，但思维的「发散性」是人的本能之一。「发散思维」虽是寻找「更优解」的主要途径，但是就怕被中途的一些新的想法，新的风景给吸引过去，带到一条新的道路上重头开始。第三点，获得一种确定性，知道自己不是在异想天开。有时候，可能就算你有一个模糊的目标也不愿意说出来，因为害怕自己喊出来了可能最终没做到就尴尬。但是，通过小目标的设立，你必然需要经过自己理性的分析。如此一来，就可以得到一种「确定性」。比如，这事有没有可能实现，有几成把握，对这些会有更清晰的认识。这样，除了自己的动力有了，还避免了真正做的时候瞻前顾后，老想着如果完不成的话自己要怎么办。第四点，知道在什么环境下对自己有助力作用。我们不管做什么，本身还是处在一个复杂环境中去做的。所以理想情况下，如果能借助环境中的一些“顺风”，来帮助自己能更快更好的达成目标，是极好的。但是，没有目的地的船，永远遇不上“顺风”。想知道什么是“顺风”，就必须要先有一个目标。讲明白了为什么要设立目标，Z哥再来分享一些自己的经验，聊聊该怎么做。小目标应该怎么定先说个题外话，从大的层面来说，小目标也可以是不小的，目标可以分为不同的层次。理想的小目标结构最好是这样，逐级支撑更大的目标，直到「人生目标」。当然，这个需要自己花时间去思考，Z哥这里就不废话了。那么，在小目标的“制定“上有哪些方法呢？Z哥给你的建议是，「SMART原则」结合「浮动标准」和「分解」。首先，「SMART原则」。这是「目标管理」领域内最经典的原则之一，可能很多小伙伴已经有所了解，我就简短描述一下（有兴趣扩展阅读的话大家可以自己搜索，网上资料很多）。S=Specific，表示具体的、明确的。这个是SMART原则的核心思想，支撑了剩下的4个指导方针M=Measurable，表示可衡量的。A=Attainable，表示可达到的。R=Relevant，表示与其他目标具有一定的相关性。T=Time-bound，表示有明确的截止期限。放到我们制定小目标的时候是什么样子呢？比如，你可能会说，“我想成为一个牛逼的人”，这个就不够Specific。因为每个人对“牛逼”的定义标准不同，不容易达成共识，也就不够明确。但是你改成，我想成为一个XX领域内无所不知的人，这个大家就很容易达成共识了。但是这个无法客观的判断是否达到了，你不可能真的找这个领域内所有人向你提问吧，这不现实。所以，需要制定一个可衡量的标准。比如，发表5篇论文，拥有20W粉丝，这就够Measurable了。当然了，定目标也不能太漂，太离谱。比如拥有2E粉丝。因为作为辐射面最广的娱乐圈，微博粉丝最多的也就1E+。所以要根据自己的情况，量力而行。但也不是说，标准很低，比如200粉丝。Z哥建议最好是自己使出12分力踮踮脚能勾着的尺度就比较合适。这就是Attainable。从「马斯洛需求模型」来看，现在我们为什么越来越多的人会迷茫呢？就是因为已经没有了「生理需求」和「安全需求」。所以，现在我们正在讨论的小目标，更多是处于「尊重需求」甚至是「自我实现」层面。这样的话，会造成一个什么问题呢？脱离实际。所以你需要找到与设立的这个目标相关的一些东西，比如，能对你产生经济收入。否则理想很丰满，现实吃不饱～。这就是Relevant，前面的「目标层级树状图」也是这个道理。最后，还需要时间的加入，来让它成为一个完整的目标，否则建立在无限的时间下，2E粉丝还是有可能达到的：），毕竟你这个人本身能“长生不老”就已经可以给你带来举世闻名的影响力了，完全够涨2E粉丝了。Time-bound就比如是这样，3年内拥有20W粉丝。以上就是「SMART原则」的原生用法。但是预估毕竟还是预估，不可能总是那么的“精准”。所以，Z哥建议你在考虑Measurable的时候，用一个「浮动标准」来表示。比如发表4～6篇论文，拥有18W～22W的粉丝。如此，不但可以用于应对工作或者生活中大大小小的突发状况。也可以给自己设立一个“上限”，完成这个目标之后开启下一个目标。另外目标还是要尽量「分解」的，除了前面「目标层级树状图」中展现的维度之外，你还可以通过「时间」维度来进行。Z哥的建议，如果可以，尽量的分解到「月」甚至是「周」粒度的小目标。如此，可以容易让你更容易的感受到它是可触达的，是一种让付出更快获得反馈的思路。不管是到「月」还是到「日」，每日睡觉前花几分钟整理一下，明天要做些什么。（之前写的文章《如何在一众95后中脱颖而出？》中也提到了这个方法，它还可以提高自己的做事效率）有了小目标的后续一旦你愿意作出改变，这本身就是一个很不易的事。为了让如此难得的动力得以持续，需要给自己建立一些着力点。比如，当你泡咖啡的时候，就代表自己要开始做某件事了。又如，一旦坐到书桌前，就只做跟工作有关的事；如果想休息，看电影，刷手机就要求自己换一个地方。通过「仪式感」来培养成一个条件反射。（同《如何在一众95后中脱颖而出？》中提到的一样，就是帮助自己保持一种节奏）不管是「浮动标准」也好，还是「分解」到更细粒度也好。虽然尽量去降低了「不确定性」，但是还是无法避免会偶尔遇到由于某些突发因素导致小目标无法完成的情况。其实不用非得在接下去几天死赶进度。如此虽然短期来看进度追上了，但是透支的是你未来的精力。（Z哥自己本身也是个完美主义者，之前也是深受其害）当然了，也不能当没发生过，我们一定要去修正原先的执行计划。这主要指的是「时间」，除此之外的标准不能降低，否则会给你一种永远可以有”后路“的错觉，逐渐消磨光你的动力。总结好了，我们总结一下。虽说计划赶不上变化，但是我们还是需要去做计划，设立目标。因为它可以让你以「自我投资」的角度去思考做每一件事，以及屏蔽外部环境中的杂音和不确定性。另外，一个好的目标必须要“看得见摸得着”，如此才能很明确的知道是不是完成了。并且，反馈环越小越好，通过达成一个个每天的小目标来完成一个大目标。最后，虽然不能随意降低目标，但是计划是可以调整的，不要死磕。同时，你可以通过「仪式感」来建立抓手，进入状态。哈佛大学做过一个为期30年的人生目标课的调查。按照对目标的清晰程度，把相关人员分成四类，分别的占比如下：第一类：没有人生目标，占调查总人数的27%；第二类：有目标，但目标模糊，占60%；第三类：有短期目标，而且短期目标清晰，占10%；第四类：有长期目标，且长期目标清晰，这部分人只占3%。30年后，结果出来了：第一类人（无目标者），几乎都生活在社会最底层，在失败的阴影中挣扎；第二类人（目标模糊者），基本生活在社会中下层，整日为生存而疲于奔命；第三类人（短期目标清晰者），大多成了白领阶层，生活在社会中上层；第四类人（长期目标清晰者），他们目标清晰，而且勇于坚持、奋斗，积极进取，百折不挠，最终成为富翁、行业领袖、精英人物。希望Z哥的每一位读者都至少是一位目标清晰者，哪怕是短期目标，共勉～相关文章：如何在一众95后中脱颖而出？什么技巧能「一日千里」？一线程序员该如何面对「中年危机」？作者：Zachary出处：https://www.cnblogs.com/Zacha…如果你喜欢这篇文章，可以点一下文末的「赞」。这样可以给我一点反馈。: )谢谢你的举手之劳。▶关于作者：张帆（Zachary，个人微信号：Zachary-ZF）。坚持用心打磨每一篇高质量原创。欢迎扫描下方的二维码。定期发表原创内容：架构设计丨分布式系统丨产品丨运营丨一些思考。如果你是初级程序员，想提升但不知道如何下手。又或者做程序员多年，陷入了一些瓶颈想拓宽一下视野。欢迎关注我的公众号「跨界架构师」，回复「技术」，送你一份我长期收集和整理的思维导图。如果你是运营，面对不断变化的市场束手无策。又或者想了解主流的运营策略，以丰富自己的“仓库”。欢迎关注我的公众号「跨界架构师」，回复「运营」，送你一份我长期收集和整理的思维导图。

又到了金三银四的招聘季，公司的管理者都在思考：在现在的市场环境下，到底应该为自己的公司注入怎样的新鲜血液来维持发展。工程师们同样也在思考如何获得更多成长和晋升的途径。Eduards Sizovs 是 DevHub 的创始人，立志于为软件工程师群体提供专业的职业咨询服务，同时也是一位欧洲知名的技术布道师。今天的文章基于 Eduards Sizovs 的行业经历，主要介绍了现在工程师市场中稀缺的 “T” 型人才（既拥有丰富的技术背景，同时对业务也有一定的理解能力），以及这类人才在组织中发挥的重要作用，为工程师群体描绘了一条新的职业发展道路，帮助个人和公司得到更长远的发展。正文本文译自 Eduards Sizovs 的博客，标题：The principal developer今天，我的前同事 Alex 给我打了个电话，讨论了一下他现在所在的新兴互联网公司的一些境遇。Me：最近怎么样呀？Alex：还行吧，最近公司在招一个首席工程师（principle developer）。Me：那挺好的，你没去争取一下么？Alex：我去了，但是被老板拒了，聊了一下他觉得我不太合适。Me：你觉得自己能胜任么？Alex：废话，我有 7 年的大型项目经验，精通各种架构。能持续产出简洁高效的代码并能主动去解决各类历史遗留问题，流转到我这里的工单都能最快速地处理。我应该是全组代码水平最好，研发效能最高的工程师了，不提我提谁？Me：那你想过没有，或许就是这个原因导致你没有被选上？随后我们聊了些其他的事就挂了电话，虽然 Alex 不太高兴，但是我感觉还挺好的，因为找到了问题的关键。© Moneyball (2011) by Bennett Miller于是，我给 Alex 公司的老板 Andrey 打了个电话。Me：好久不见，听说你们最近在招首席工程师，为什么不直接从现有团队里面提拔一个呢？Andrey：比如 Alex ？Me：比如 Alex。Andrey：公司现有的技术团队的确拥有很多很厉害的工程师，但是我认为他们都不太具备一个首席工程师所必需的素质。Me：能展开说说么？Andrey：这个事情的逻辑是这样的：一个首席工程师跟一般工程师的主要区别并不在于他是否是团队中最聪明的那个，而在于他是否有团队驱动力，是否能持续推动团队的改善和进步，能帮助团队中的新人快速地进阶。虽然不一定要像精神领袖那么厉害，但必须具备相应的领导力，这种领导力不仅需要体现在研发团队中，还要能影响产品、运营、市场等部门的同事，甚至也要能在管理层拥有一定的决策权。所以我认为一个首席工程师需要能在公司内更好更快地组织资源，推动组织整体向前，并带来正向的企业文化。© The Office (2005 - 2013)Me：所以你认为首席工程师在帮助工程师的同时也要去了解非技术人员的问题？Andrey：没错，经常听到工程师们抱怨“业务方面”的同事完全不懂技术，沟通效率也非常低，但光是抱怨解决不了任何问题，必须要有人在中间搭桥，解决这些问题。首席工程师的定位就相当于公司内部的外交官。他必须有足够的沟通能力，能跟不同的人打交道；能游走在不同的部门，打通上下层沟通渠道；要敢于提出那些隐藏在公司内部却很少有人敢于提及的问题，并具备足够的领导力来赢得大家的支持。Me：从你的描述来看，这个人既要有丰富的技术背景也需要有一定的对业务的理解能力。Andrey：这个职位需要的是 “T” 型人才，不仅仅深耕于技术领域，对很多原理型的东西有深厚的积累，同时还要能延展出去，跟运维、品控、安全、产品、人力、市场等领域的人共同协作，帮助公司进步。Me：感觉是一个一半工程师一半业务人员的感觉。Andrey：理应如此，现在大部分研发团队都仅仅把功能上线的数量当作考评的唯一指标，这种方式其实已经过时了。© Saturday Night Live对于任何以盈利为目的的公司来说，赚钱都是公司最重要的目标之一。现在很多功能都是为了上线而上线，产品、技术、运营、市场等团队之间缺乏有效沟通，上线了一堆功能却没有办法给公司带来任何增长点。我们需要更多 “业务型” 工程师，他们能从全局出发，理解整个产品从最初的设计到部署再到如何才能打动客户给公司带来更多的效益，能够找到公司现有的不足并承担起相应的责任来解决问题。这些工作可能是解决研发流程问题，或者是建立新的跨部门沟通机制，甚至是解决招聘问题。借助键盘来实现商业价值的机会其实远比工程师们想象的要少，如果你手中只有锤子，那你看所有的问题都觉得像钉子。对于我的公司来说，越多 “业务型”工程师越好，而一个好的首席工程师能给其他工程师树立一个学习的榜样。所以我觉得找一个首席工程师的意义不亚于一个创业合伙人。Me：但是按照你的标准，基本上已经筛掉了市面上包括 Alex 在内的 99% 的工程师了。Andrey： 一个首席工程师是一个能给公司内不同组织都带来影响的人，这样的人正如你所说的，市面上 99% 的工程师都不能满足我的需求，但是为了公司的发展，也只能继续寻找了。总的来说，我觉得我们这个行业需要：更多的“仅以上线目的工程师” ，业务性工程师。更多的 “码农”，T 型人才。更多的 “抱怨”，跨组织沟通技巧。Referencehttps://sizovs.net/2019/02/15…> 延展阅读：《逃离裁员：程序员在云时代的生存之道》

本文作者：张海龙，CODING 创始人兼 CEO程序员日常的职业焦虑碰到 19 年初的裁员浪潮，恐慌被放大了数倍。这两天网易又爆出裁掉了一千多人，被裁员的焦虑笼罩着行业内的每一个人。我倒觉得适当的焦虑是好事，生于忧患嘛，迫使你从日常的工作中脱离出来做一些思考。之前对云计算行业的未来做了一些分析，后台有人问我：就开发者个人来说，未来十年需要怎样维护自己的职业竞争力。想了想内容很多，这里通过几个趋势给大家一些方向上的建议。“No Code”会抢走程序员的饭碗吗？通过不使用或者尽量少的代码来完成项目的开发模式被称为“No Code”。从最初的拖拽式建站工具到模块化的服务，大量减少了企业的开发负担和代码量。那 “No Code”的趋势会对程序员群体产生什么样的影响？代码熟练工群体将会消失，我们常常戏称的“搬砖”岗位将会越来越少。未来工具的成熟会取代大量对熟练度有需求的工作岗位，就像 ETC 取代高速公路收费员一样。同时在某些标准化场景下，经验型的知识会迅速贬值，商业的力量会将所有的通用型经验包装成产品。在这样的情况下，开发者们应该如何进行职业规划呢？NetFlix 全周期型程序员理念NetFlix 提出了全周期型程序员的概念，简单来说就是把研发分成了两个部分，一部分人专门负责针对各个环节进行深入的研究和工具的开发，而另一部分人则以个人为单位，运用这些工具做出产品。这是一种全新的研发组织架构，原来的流水线是每人负责一小块，涉及大量的协作工作。而在这种架构中，开发者一个人负责需求实现的全部，需要什么零件，到对应的仓库找，需要设备就找对应的设备进行加工，如果碰上特别复杂的问题可以找专家组解决。这样能更少的依赖其他人进行工作，减少结构性的加班。NetFlix 的架构是建立在强大的基础设施能力和阶梯式人才储备上的，一般企业很难有如此完整的配置。不过现在流行的微服务化、组件化等趋势也逐渐在小公司兴起，这也是全周期型程序员理念的体现。开发者们将何去何从？在我看来，未来十年全周期型程序员的理念将越来越盛行，这意味着未来程序员人群的两极分化将愈发严重，其中两种人将最吃香：一是深耕于某一领域的专家型程序员，主要工作是定义各种工具组件，这样的人主要会就职于超级大厂或者工具供应商。二则是对软件设计有深入理解并能解读实际业务需求的业务型程序员。这类工程师将会服务于各个企业，解决实际业务需求。其中，对业务型程序员的市场需求将占据 95% 以上，云时代，想成为一个优秀的业务型程序员需要具备以下能力：工具思维随着工具的成熟，对工作熟练度的要求降低后，对工具的选择和能否快速适应新的工具将成为优秀业务型程序员的主要判断标准。工欲善其事，必先利其器，一个优秀的业务型程序员需要主动去了解新的工具和产品，拓宽自己的视野，避免手中只有锤子所以看啥都觉得是钉子的情况。但工具思维并不仅仅是了解最新的工具，而是要在有足够信息的情况下选择最合适的解决方案。很多时候最合适的解决方案恰恰是最土的解决方案而不是最新的。每个项目开始之前需要做好技术选型，合理利用各类工具，将效能最大化。快速学习的能力对于业务型程序员来说，无论是面对需求还是市面上日益增多的工具和产品，都需要快速抓住核心，理清脉络。同时为了避免成为 API 工程师，一个优秀的业务型程序员需要再放一些精力在“术”的维度上，比如如何根据业务需求来选择业务模式、了解持续集成/ DevOps 等方法论的真正意义。对业务的深入了解从公司角度来说，大部分公司都是以盈利为目的的，随着大量共性的工作逐步被工具替代，解放了劳动力，企业更聚焦于核心业务模块。这也意味着，除非立志于成为专家型程序员，你或多或少都要开始了解公司的核心业务，从全局视角做开发，尽可能去了解趋势、行业和公司业务，做到知其然还知其所以然，也能为之后的岗位转型做准备。软件开发的前十年，伴随着开发方式的转变和技术爆发，程序员面临着巨大的技术焦虑，未来十年，软件开发组织形式可能也会发生一系列的变化。阿里说“拥抱变化”，把握住变化带来的机会会让开发者们更轻松，更高效的获取收入。“若不抽出时间创造自己想要的生活，你最终将不得不花大量时间应付自己不想要的生活。”——ThucydidesReference： https://medium.com/@rrhoover/...https://medium.com/netflix-te…

《前端十年-我将一切告诉你》的所有章节和题目出来了，我想通过这本书，让每一个前端都能从中得到技术和职业规划的启示，也许某一点他能看到自己的影子，也许某一点让他省了3年的时间，也许某一点让他潸然泪下，有时候就是这样，一些人，一些事也许出场顺序不一样，结局也就不一样。

《前端十年-我把一切告诉你》人物关系和出场顺序出来了，不知道这个故事里有没有你？这样的公司架构跟很多公司也相似吧，不知道我经历过的东西是否你也在经历或者即将经历，还没写人物出场顺序都那么清晰的出来了，与其说是创作，不如说是讲述，你在我的生命里，充当着什么样的角色？忽然想起朴树的歌,我曾经像你像他像那野草野花，也平凡着，迷茫着……

《前端十年心路-我把一切告诉你》的书稿大纲出来了，这些问题都是问的比较多的，大家工作中遇到的问题也可以下面留言告诉我。

2015年，“大数据” 成为国内年度热词，并首次出现在国家的《政府工作报告中》。同年，数据分析也开始如雨后春笋般成为朝阳行业，数据分析和大数据相关职位一度霸屏各大招聘网站。许多计算机、统计学和数学出身的毕业生纷纷开始投入数据分析行业，同样也有转行的大队伍，对于那些已经工作许久的在职者或者偏文科类专业背景的人士可能会有这样一些顾虑：数据分析师岗位对年龄有限制吗，我会不会错过了最佳转行的时机，我这个年纪再转行还来得及吗？我大学学的是文科类专业，对于数据分析我能跟得上或学得进去吗？我不是很喜欢编程或代码，学习数据分析的知识会不会很吃力？步入中年，也不是相关专业出身，面对家庭、事业、年龄的三重压力，能不能成功转行到数据分析师行业成为心头的一块大石……没有人能够替你做出满意的选择，更没有人可以预知未来的人生走向。但笔者可以分享一些信息为正在面临人生抉择的你提供启发和思考或者说是为你加油打气。首先，让我们看到进入数据分析需要哪些能力。数据分析师入门标准1、SQL数据库。做数据分析，数据是基本，数据的来源有很多，可能是第三方提供的数据，也可能是自己爬虫爬取的。但企业里更多的情况是，数据是存储在数据库里的，如何在数据库里选取自己想要的、有约定条件的数据，怎么建立多表之间的联系就是SQL这部分需要掌握的技能，SQL也是数据分析最基础的技能。2、统计学统计学可以分为描述性统计和推断统计。推断统计是统计学里的核心内容，统计学家一直在做的事情就是怎么根据样本来评测总体；方差分析、回归、聚类分析、主成份分析、时间序列分析等都是以后做数据分析可能有到的理论知识。这里推荐中国人民出版社贾俊平的《统计学》，是非常经典的统计学习教材。统计分析工具统计分析软件很多，这里简单介绍主流的3种。1、SPSS作为一款菜单式操作软件要比编程性软件入门简单，主要优点就是好上手。事实上，统计学专业常常在学习统计学原理之后学习SPSS的操作学习，对理论知识进行一个实践。如今，SPSS在企业中常做数据量相对小的、数据质量较好的数据分析，如调查问卷后的数据进行分析。就业需求面的话现在来说相对没有那么广，不过对统计学理论的理解是有帮助的，推荐高等教育出版社张文彤的《SPSS统计分析基础教程（第2版）》。2、R语言R 语言与起源于贝尔实验室的S语言相似，R也是一款开源的为统计计算和数据可视化而生的软件，R的功能非常丰富，所以R的学习曲线也较为陡峭。经典的R学习书如人民邮电出版社的《R语言实战（第2版）》。3、Python跟R一样，Python也是一种动态编程语言，R跟Python的受欢迎程度时常变动，近年来，由于Python有不断改良的库（主要pandas），和大数据、人工智能等兴起，企业越偏好用Python，Python由于其解释性和功能的强大，因此市面上关于Python的书籍特别多，光是利用Python做数据分析这个方向就已经很多了，大家看的多的话推荐Wes McKinney的《利用Python进行数据分析》。学习过程中的担忧1、恐惧编程代码即便是计算机相关专业的学生，也未必做到全然投入喜欢到写编程敲代码的状态，何况是其他专业或者转行的人呢？其实，数据分析师的学习和掌握重点不是写编程敲代码，而是对统计学和业务的理解，编程代码仅仅是理解和熟悉为主。就好比一辆汽车，程序员就是负责制造汽车的人员，而数据分析师是驾驶汽车的人员，更多的是了解汽车器件、零件和功能使用。数据分析代码以脚本语言为主，如Python，很多算法、函数已经封装好，不需要自己编写，直接调用。所以这里的编程工作并不是大家脑海里那种程序员。数据分析师更注意的是对数据怎么进行预处理、使用什么模型、参数调优等。2、人工智能未来是AI的时代，为什么不直接投入到大数据、机器学习等领域呢？暂且不说这个领域比数据分析所需要的知识，能力要求高多少倍，仅仅是入门所需要的学习内容就已经吓到很多人了。事实上，做数据分析会是未来转入AI行业一个很好的跳板，数据分析算是如今学习成本和薪水报酬相对比较好的一种技术行业了。熟悉行业知识，又掌握数据分析、挖掘的能力，这些专业知识会成为你转入未来人工智能时代的拥有跨界能力的巨大财富。最后，希望这篇文章对正在考虑要不要转行数据分析焦虑的你做一点信息上的帮助，帮助你弄清楚数据分析要做什么，要具备哪些技能，去理性的选择，而不是因为这个行业陡峭的学习曲线而轻易放弃，也不是因为这个行业的火热而轻易跟风。附录：就职于美莱集团的CDA往期学员学习心得及方法第一：预习 开课前一定要预习，特别是没有基础的同学，尽量长时间去看预习视频，理解要点，做好笔记，记录好你的问题。第二：跟上节奏 老师讲课的时候一定要跟上老师的节奏，因为信息量非常大，哪一块没听懂及时问老师或同学，课程一环扣一环，没听懂又不问，导致跟不上节奏，后续的课程就很容易节节跟不上了。这里也体现出预习的重要性，预习等于你学了两遍，预习没懂的，上课时重点听，及时交流。第三：练习 只听理论不练会忘的很快，只有不断地练习，不断试错才更容易掌握，找工作企业看的也是你掌握的技能，解决问题的能力，晚上加强练习也是对白天上课内容的一种回顾和总结，加强记忆。第四：案例 三个月的课程以实战案例收尾，前面是你所学的知识，最后的案例才是你输出所学知识、解决问题的时候。获取更多可移步：https://www.cda.cn/kecheng/6….希望笔者的这些分享能够给您的人生带来一些正能量和勇气，也祝愿您的抉择可以让您的人生焕发新的精彩和辉煌。上天从不辜负有心之人，好好加油吧！

作者 Kristen Kehrer中文翻译 MikaCDA 数据分析师原创作品，转载需授权本文的目的为了告诉你们我是如何成功找到一份数据科学的工作。从被裁员到成功签约，这两个月对我来说即辛苦又紧张。我拥有统计学硕士学位，并且自2010年以来一直从事高级分析工作。如果你是该领域的新手，那么你的体验可能会有所不同，但希望本文能有所帮助。我们将介绍如何利用LinkedIn，搜寻各种职位申请，如何在同时提高你的技能，以及当收到offer时该如何协商。被裁员的第1天Vistaprint公司决定减少员工人数，很不幸我是其中一员。但我知道如今市场对数据科学家的需求很火，因此从被裁员的第1天起，我就很乐观。我收到了遣散费，这让我能够真正考虑接下来该怎么做。在我把头发染成亮粉色后的第4天，我碰巧被裁员了，这真是很无奈。在被裁员后的第4天，我顶着一头粉色的头发。这是我的儿子哈利，他当时差不多3个月。实际上，之后我的第一场面试就是顶着一头粉色头发，面试官很喜欢。但是，之后我决定把头发染回之前的颜色，以便之后的求职。做的第一件事在LinkedIn上，招聘人员经常会联系我。我一般都会回复。如果你刚进入这个领域，你可能不会在LinkedIn邮件中收到招聘人员的消息，提出这一点的目的在于，你之后在职业生涯中可以关注这方面。如今我正在求职，我所做的第一件事就是浏览这个清单，给每个人留言：“你好，我正在求职中。如果你们有任何空缺的职位那就太好了，我们可以聊聊。“有很多人回复说他们有空缺的职位，但是在与他们交谈之后，我发现这并不适合我。除了去联系来找我的招聘人员之外，我还进行了谷歌搜索(以及LinkedIn搜索)，寻找分析领域的相关招聘人员。与职业导师第一次见面在被裁员之后，Vistaprint为我安排了职业导师。她教给我的信息非常有用，这让我在之后的职业生涯都受益匪浅。我的职业导师是来自Transition Solutions的Joan Blake。在我们的第一次会面时，我带来了我的简历，我们谈论了之后我想找哪方面的工作。由于我的简历和LinkedIn在过去帮我找到了工作，她并没有对简历进行太大的修改，但把我的专业技能和经验放在顶部，把学历背景放在底部。并且我们把简历的篇幅尽量控制在一页以内。这是我的简历：我还在简历中附上了求职信。这让我能够有机会明确地表明，我的情况很符合他们的工作描述。我列了一个电子表格，当中包含了我所申请的所有公司。在表格中，包含了以下信息：公司名称；申请的日期；收到回复的日期；招聘经理的姓名等。这帮助我掌握目前求职的情况和进度。求职申请对我申请的每个工作，我都会在LinkedIn进行搜索。查看我的人脉网络中是否有人目前在这家公司。如果有的话，我会让他们知道我在申请，因为如今很多公司都提供推荐奖金。我大概会这么说：你好，Michelle。我正在申请XX公司的数据科学家职位。你愿意帮我引荐一下吗？如果我认识的人中，没有人在这家公司，那么我会试着找到该职位的招聘经理。可能是“数据科学与数据分析”主管(或副总裁)这类头衔。我给招聘经理发的信息如下所示：你好，Sean。我对远程数据科学的职位感兴趣。我有统计学硕士学位，以及7年的建模经验。我很擅长使用SQL，以及用R进行建模，并且对Python有一定的了解。我很期待有机会与你聊聊，我想谈谈我将如何通过统计方法为公司提供有效的分析见解并创造价值。Kristen大多数人都会回复。当我告诉职业导师我在LinkedIn上求职所获得成功后，她为此感到有些惊讶。开始面试和电话面试电话面试基本大同小异，有些电话面试更紧张一些，有些耗时更长，基本都在半小时左右，通常会是HR。既然是与HR进行沟通，那么不用涉及太深的技术问题，你只希望能够通过电话面试，并试着与招聘经理约定时间进行面试。介绍一下自己：这里HR只想大致了解你，以及你的经历。我的介绍如下：我是一名数据科学家，拥有7年的统计和分析经验，可以解决各行业的业务问题。我能够熟练使用SQL，在R中进行模型构建，并且目前正在学习Python。你想要做什么？我会确保我想做的基本与职位描述相符合。我可能会说“ 我期待不断学习新工具和新技术。我希望能够处理有意思的问题，从而带来商业价值“。你的薪资要求是怎样的？如果可以的话，尽量避免这个问题，你会被问到，但是尝试用不同的角度回答。你可以回答：“我过去的薪资比较符合我的期望，我相信(公司名称)会付出相应的薪资，你怎么看这个职位的薪资范围呢?”他们会有该职位的薪资范围，但他们可能会告诉你他们没有。大多数时候我会给出我的薪资期望，但这并不意味着当收到offer时你无法进行协商。收到offer很棒，你马上就要拿到offer了。这时，你可以联系发offer的公司，询问“我收到通知说我能拿到offer，有什么办法可以让流程加快吗？”我向两家公司提过这个问题。其中一个加快了流程，给我发了额外offer。协商你拿到了offer，现在应该进行协商了。只有很少一部分人会就薪资进行协商，女性更少。一定要协商！当你了解了薪资、休假时间、以及福利信息，你可以这么说：非常感谢您的offer，我很感激。我希望能提高一些薪资。然后等待回应，保持积极的心态。他们可能会说，需要把这些信息提给招聘经理。谢谢。我会花一些时间了解福利的内容。期待再和您协商，我感觉我们能达成一致。然后就结束谈话，并且定下下次协商的具体时间，最后让他们知道你很高兴与他们进行交流，保持积极的态度。就这样我成功地获得了心仪的工作，并在一周后开始上班。我感觉特别的欣喜，经过多次面试我终于找到了适合自己的工作，这一切都是值得的。结语有针对性的求职信，并直接在公司网站上申请会大大提高求职的响应率。同时，你可以有效地利用LinkedIn联系招聘人员，直接进行交流。同时在这个过程中，我的表达能力和自信心都得到了很大的提升。最后希望你能成功找到心仪的工作。

非常荣幸能受CDA老师邀请，写一点东西来总结自己的转行之路，也希望对以后的学弟学妹们，有那么哪怕一丁点儿的帮助。(我毕业于天津师范大学，广播电视新闻专业，现入职某互联网公司，从事数据分析师，月薪16K，每年13薪）谈到转行，可以这样说，天时地利人和我一个不具备，反倒是所有你能想到的不利于从事数据分析职业的问题，我一个不少。文科出身，从事多年文案工作，毫无数据分析相关工作经验，学校非985、211，更可悲的是年近三十，大龄女中年，那些对于不需要工作经验的岗位，我的竞争力也远不如应届毕业生。可能最差的情况，也不过如此了吧！可是为什么我还要转行?与高薪、与数据分析师的前景…相关，却也不完全相关。更重要的是，我身边的很多人，他们不仅努力，且一直向上努力着。过去的6年，准确的说是过去的3年，我渐渐被安逸的工作状态所蒙蔽，被自己努力的假象所欺骗，好像忙碌着，却一无所获，因为我缺少那些向上努力能带来的成果…所以，思来想去，还是在2018年6月离职，进入CDA学习数据分析。如果你问我课程难吗？我会告诉你，难！对于一个连大学数学都没学过的人，微分、积分，如果能，我愿意付费让他们离我远点！对于N多公式的记忆方法，我经常和同学开玩笑说：老师的推导过程我都不听，直到讲到结果，我就发挥文科生的强项，把它背下来。这种方法真的并非不可取，在短时间内，你会发现，不纠结往往才能走的更远，如果你也如我一样，担心文科生学不会，别怕，背下来就好了！如果你问我转行难吗？我会告诉你，难！如果你没有一点儿数据分析的经验，还坚持要转行，你要做好两件事儿。一是心理建设，告诉自己，可能没有高薪，甚至比你以前的工资还低。二是别放弃自己的行业经验，我在教育行业做了5年，如果没有入职这家公司，很可能就去了中公教育。以前的很多积累，会帮你在转行时降低难度，所以知道什么是可以利用的，很重要。另外，在CDA学习的三个月，我愿意分享一点学习的经验给大家：首先，要明确你不可能都学会，三个月的时间你既要学习统计理论，又要学习使用各种分析工具，除非你本身统计学出身，否则想全学会，真的很难。可能毕业时，能掌握60%，另外的部分你要在工作中不断的完善，也就是说，你大部分的学习要放在工作中。其次，要跟上老师的进度，我见过很多同学，在上课的时候遇到不会的问题要么翻书，要么查笔记，我认为都是不可取的，遇到问题不纠结，先过掉课下再补充。另外，我在课程结束后，又回CDA上了EXCEL的课程，工作后，深有体会的一点是，当时真的没觉得，工作中能遇到的问题几乎在马老师的课上全部讲过了，所以听课和复习多么多么的重要。关于找工作，想告诉大家的是，把目光放长远，知道自己想要的是什么，走下去，不要过于关注一时的薪资，也许你会觉得对于刚转行的我，薪资已是不低，但毕业时，我是做好了6-8k的准备的，尤其是一些刚毕业的孩子们，你们缺的是经验，但有的是时间，这二者是多么完美的契合啊，少赚点钱，又算的了什么呢？！最后，想提醒大家的是，除了相对成熟的大公司，很多小公司对数据分析师的岗位职责并不明晰，所以入职一定要问好，是否真的能接触到数据，不要拿着一时的高薪，却忽略了长足的进步和发展。还有…还有…必须感谢CDA的一点是，我认识到了很多在数据分析方面非常优秀的同学，他们是一笔保贵的财富，你会在工作后深刻体会我的意思。我写这篇文章时，已是凌晨12点半，我却觉得，这样的努力更有意义，因为它是向上的，希望你也和我一样。愿学弟学妹们，都有所获，都如愿以偿…

春节就要到了，每到年末就非常适合总结、反思，思考过去一年的成长（就），过去一年的收获，过去一年的改变，所以接下来两三周的时间，我想给大家分享一些技术以外的思考。这次先跟大家分享关于未来的思考，职业目标和规划决定了你以后的职业高度、职业角色，你本来想成架构师、技术VP、CTO，结果就是没有了结果。后面可能分享理财和读书等方面的思考，因为技术人，首先是一个人，那必然就有生活，生活就需要money，你不理财，最后只能一穷二白，辛辛苦苦一年的劳动，可能所剩无几，甚至负数了，几年后别人过着舒服的生活了，而你还在苦逼的挤公交、地铁。读书是获取知识最廉价的方式，知识改变命运不是闹着玩的，读大学没用这些言论是扯淡的，你看那些CEO、CTO，或者你身边的非常牛的人，哪个不读书？如果你不喜欢读书，大概是心里没有目标，没有找到自己喜欢的书。预告到此打住，如果希望读到理财和读书的文章的话，在春节期间，记得关注文章推送，不妨给一起学Golang加星标。技术人有哪些角色/岗位？技术人常说自己是靠手艺、靠技术吃饭的，最初只是开发/测试/运维工程师，后面一路打怪升级，经历高级、资深工程师到达首席架构师、技术总监、技术VP、CTO，这些顶级的技术角色，哪些才是你的未来？如果你热爱技术，愿意靠技术生活，或者立志使用技术改变世界，你可能就会走到上面列出的技术岗位，你是否想过你的未来在哪？如果你想到了，你是否了解这些不同岗位的区别，以及需要的能力？架构师架构师是一个公司的核心技术人员，是公司技术团队中的技术佼佼者，对架构师主要要求是技术能力。如果你喜欢深入研究技术，架构师就是你很好的目标。首席架构师首席架构师应当是公司技术最牛的人，但同时是公司所有架构师的管理人，需要有一定的人员管理能力，所以首席架构师的主要能力栈是：技术能力人员管理能力如果你深入研究技术，能用技术解决公司遇到的业务难题，还具备一些人员管理能力，不妨在成为架构师后，将目标再提升1个level，成为公司首席架构师。技术总监技术总监这个岗位，一般在大、中公司才有，它是技术和管理能力比较均衡的1个岗位，技术上不如某些架构师、首席架构师，但管理能力要比架构师高，它的主要能力栈和架构师相同：技术能力人员管理能力如果在技术圈摸爬滚打了一段时间，发现自己擅长沟通、上下级管理、员工心理、决策能力强，也许你的目标可以设定为技术经理或技术总监。技术VP技术VP（副总裁）更是公司规模比较大时才有的技术岗位，技术VP是CTO的副手，公司只有1个CTO，但通常有多个技术VP，负责公司不同业务的技术，技术VP管着多个技术总监。技术VP也是技术出身，但比技术总监高一个level，除了技术能力和人员管理能力外，还要求技术VP有很强的体系搭建能力，体系搭建是一个很复杂的能力，总结来讲就是要管事的能力，比如要管理研发质量、进度、节奏、人员等等。技术总监的主要能力栈：技术能力人员管理能力体系搭建能力如果你发现自己技术够牛，也能带人，还能管事，技术VP绝对会是一个非常好的目标，但是你估计头都大了，怎么要管这么多????。CTO只要带O的都很了不起，想想CEO、COO、CFO等等，CTO是一个公司的直接技术负责人，出了问题CEO可是要拿CTO是问的，而不是那群技术VP，CTO要和各种O沟通，要让整个技术团队，用技术把产品做出来，跟上业务的脚步。CTO是个多面手，他的主要能力栈：很强的技术能力，尤其在创业早起，必须撸起袖子带所有人一起干，但是CTO的技术不能是最牛的，公司稳定后，他需要分配更多的精力负责技术团队的各项事务，如果CTO技术是最牛的，他必然是整个技术团队的瓶颈。很强的体系建设能力，虽然hold的事情没有技术VP细，但各种都抓。很强的人员管理能力，然每一个技术人员，尤其是技术管理人员发挥十倍、百倍的能力，建设强大的团队。很强的文化建设能力，公司大了，公司的技术文化，决定了员工在没有管理时的状态，是游手好闲，还是聚焦工作。很强的领导力，易观CTO郭炜给领导力一个通俗易懂的解释，把事办成的能力，就是从0到1的能力，公司需要的是完整可用的产品，最后只做到了0.99都不是完整的产品。如果你立志要成为一个CTO，那你要充分利用时间，跟时间赛跑，不断的学习/迭代各种能力。关于领导力，我根据郭炜的描述，做了一个导图，把一个大的、复杂的能力拆解，感觉目标就清晰了。根据领导力300讲文章《技术领导力就是“成事”的能力》制作也许我上面的文章不一定准确，甚至有些地方不一定对，但这不重要，重要的是你如果还没有职业目标和职业规划，反思一下你是否喜欢技术，是否希望在技术上长期发展？如果答案是肯定的，你应当为自己负责，设定一个目标和一个实现目标的计划。附录如何找到自己的兴趣和能力兴趣、能力和我们的职业目标有什么关系？关系大了去了。你不喜欢coding，就写不出高质量的代码，你不喜欢钻研技术，就成不了架构师，你不喜欢业务，就无法成为技术管理者，你不喜欢“事多”就成不了技术VP、CTO。基于自己的兴趣和能力，设定最适合自己的目标，这样才能让目标实现。But很多人都有一个特（问）点（题），不了解自己。你问他“你喜欢做什么？”，通常哑口无言，啥也说出来。那我教你，如何发现自己的兴趣或者能力。把下面这几个问题问自己，每个思考5分钟，如果第一个没有答案，就看下一个：我擅长做什么？我得到表扬的工作是什么？我最经常做的是什么？在你过去1年的工作中，我做的最好的3件事是什么？如果第4个还没有答案，我建议你给自己一段时间，了解自己，从今天开始写成功日记，每天写一个，记录自己今天做的好的事情，不论工作还是生活。每月回顾过去的成功日记，其中写的最多的就是你的特长，也许你一两个月就发现自己擅长的事情，也许要半年，也许要1年，但终究你能发现自己的能力，那时你会更加自信。文章不精，希望你有所收获。写在最后其实，我对自己的了解还不够深入，这是我必须坦诚的。但我们对自己的了解程度，和对世界的认知，这种“内在”的认知，会通过我们日常的行为映射出来，体现在我们的待人接物，同样也会决定着我们人生的高度、工作的高度。想让自己的思想和视野站上一个更高的高度，我购买了极客时间《技术领导力300讲》这个课程，听、读了很多CEO、CTO等的观点后，想输出下，这篇文章的主要内容是我读郭炜的《你的能力模型决定你的职位》这篇文章“贩卖”出来的，不如原文好，为了避免广告嫌疑，我不在此放分享链接了。真心想读的朋友，可以后台私信，我发给你。极客时间分享的文章最多能被10个人阅读，所以只发给前10个留言的朋友。如果这篇文章对你有帮助，请点个赞/喜欢，感谢。本文作者：大彬如果喜欢本文，随意转载，但请保留此原文链接：http://lessisbetter.site/2019/01/27/choose-your-career/

作者 | Admond Lee翻译 | MikaCDA 数据分析研究院原创作品，转载需授权作为一名数据科学家，在我们讨论如何通过正确的提问对问题进行定义前，让我们首先看到为什么提出正确的问题是如此重要。在我的第一份数据科学实习中，我对这个项目非常兴奋，只是想尽快动手，而没有弄清楚全局情况。我首先试着弄清楚我要解决的问题，但却没有深入细节确定具体的目标。更糟糕的是，我没有质疑所要分析和预测的数据集。最终经过两周的数据清理和分析，我才意识到我对数据做出了错误的假设。所有这些都是因为我对问题和数据缺乏了解。这就是我的故事。我认为提出正确的问题和定义问题陈述是许多数据科学初学者（包括我）面临的一项挑战。提问很容易，每个人都会提问。但是提出正确的问题就不容易了，因为我们不知道哪些问题才是正确的。在本文中，我将与你分享作为数据科学家，该如何提出正确问题并定义问题陈述。希望能够帮助你应对数据科学生涯中的这些挑战。让我们开始吧！如何通过提出正确的问题来定义问题陈述？不管你是否承认，定义问题陈述（或数据科学问题）是数据科学管道中最重要的步骤之一。在下面的部分中，我们将通过四个步骤来定义问题陈述。1.理解需要解决的问题需要确定的机会是什么？你的受众所面临的痛点是什么？通常情况下，Kaggle竞赛中的问题陈述都是明确定义的。我们可以放心使用给出的数据集，而不必担心问题陈述给其他人带来的问题，或如何获取数据等。但是，实际工作环境中的问题并没有被定义，有些问题很暧昧，很模糊。大多数时候，公司领导层只会给我们一个问题：我有这个“问题”，你能帮我解决这个问题吗？仅此而已。我们的任务是帮助他们将问题构建成数据科学问题，从他们的角度看问题。换句话说，我们需要有同理心。这时我们需要从领导层的角度，将我们的技术知识与数据结合起来，提出一个促进商业价值的解决方案。2.根据问题评估情况在构建了数据科学问题之后，接下来就需要根据问题对形势进行评估。这意味着我们需要谨慎分析风险、成本、收益、突发事项、法规、资源和需求。为了进一步说明，这里可以大致分为以下几个问题：这个问题有什么要求？有哪些假设和约束条件？有哪些资源？这里指的是人员和资金，计算机系统（GPU，可用的CPU），仪器等。3.了解项目的潜在风险和收益这个步骤是可选的，具体取决于项目的大小和规模。有些项目可能只处于探索阶段，因此如果项目投入生产，潜在风险可能会降低，且未来收益会更大。这个项目相关的主要成本是多少？有哪些潜在的收益？有哪些潜在的风险？潜在风险中会有哪些突发情况？回答这些问题有助于更好地了解情况，并了解项目涉及的内容。对项目有深入的了解有助于评估之前定义问题陈述的有效性。4.定义评估项目成功的指标这个很重要。你不能只有需要解决的问题，而没有任何指标来评估项目是否成功。这归结为一个简单的问题：你希望在项目结束时实现什么目标？成果应该是可衡量的，而不是无法量化的。某些指标可能无法立即使用，因此还需要进行数据收集和预处理。你必须与领导层讨论要使用的指标，并且在提出正确问题的早期就应该进行讨论。定义成功标准非常重要，因为这有助于你在项目整个生命周期内对其进行评估。结语我们的最终目标是提出更好的问题和定义明确的问题陈述，从而用数据科学方法进行解决，并生成业务见解和可操作的计划。谢谢你的阅读。希望本文能够让你理解提出正确问题以及如何构建问题陈述的重要性。

作者 | Jeremie Harris翻译 | MikaCDA 数据分析师原创作品，转载需授权首先我要说的是，我是一名博士肄业生。这个头衔给我带来了所谓的光环，它暗示我在研究生院待过，做过一些学术研究。完成博士学位，意味着你不过是千万个”书呆子”中的一员，而在学了几年后辍学似乎显得你更有个性。人们期待知道你之后会做些什么。他们可能会说，“特斯拉的CEO Elon Musk就选择放弃研究生学位，离开学校去创业，你也可能成为下一个Elon！”那么如果想入行数据科学，学历重要吗？一定需要博士学历或研究生学历吗？在本文中我将分享我的看法。我在数据科学导师制创业公司工作。在工作中，我已经面试过数千位有抱负的数据科学家，当中有些人有博士学位，有些有硕士学位，有些是本科生，也有各个阶段的肄业生。这也让我对数据科学职业有了更深的认识。STEM：科学（Science），技术（Technology），工程（Engineering），数学（Mathematics）这四门学科有许多人会向他人咨询，是否要继续深造读研或读博，而当中很多人对前景没有全面的分析。其实不是所有的学位都适合每个人，原因如下。一、博士学位（这可能会让许多有博士学位的人感到不舒服，在此我提前道歉。）“我看到许多数据科学工作都需要博士学位。我是否要有博士学位才能成为数据科学家呢？“不，并不需要。不要误会我的意思，博士头衔的确会给你带来明显的优势。但也要考虑一些现实因素。如果你的目标是成为数据科学家或机器学习工程师/研究员，那么有博士学位会给你加分不少。但与此同时也要考虑以下两点：1.获得博士学位需要非常长的时间。2.除非你跟着合适的导师，攻读合适的学位，否则你可能学不到任何有价值的东西。针对第1点，在美国或加拿大，获得博士学位需要4年到8年才能完成。平均需要5到6年，具体取决于学校。现在让我们把它放到透视中。在数据科学领域瞬息万变，5年内各种成果层出不穷。要知道，在5年前Spark、XGBoost、jupyter notebook、GloVe、spaCy、TensorFlow、Keras、Pytorch、InceptionNet、ResNet、强化学习等等都还不存在。因此，除非你打算当新技术出现时，花时间自己钻研。否则你会发现学习期间接触到的技术远远跟不上当下的发展。这意味着即使你毕业后，还需要自己学习这些技术。关键在于，数据科学和机器学习的发展非常快，在未来只会发展得更快。因此，当考虑攻读数据科学或机器学习相关领域的博士学位时，你实际上是把赌注都下在你所要学习的领域。你希望在毕业时，该领域还是炙手可热的。而这样的赌注很冒险，而且赌注很高。第2点，思考一下你的导师是谁，为什么他们没有在Google或Facebook工作。当然，有些人更喜欢学术研究，而不是在行业中运用数据科学或机器学习。但值得记住的是，行业顶级的机器学习人才的薪资是非常丰厚的，因此学术界的可能会稍逊一筹。当然，有些地方也有些例外。这主要指的是加拿大的Vector Institute或MILA；麻省理工学院和美国伯克利的数据科学课程等顶级精英项目。总结一下：如果你只想成为Airbnb的深度学习工程师，那么博士学位一定程度上能成为你的敲门砖。但是，如果你不是在顶级项目中攻读博士学位，那么不要期望被行业顶尖的公司录用。但是，如果你想找份普通的数据科学工作，获得博士学位可能并不是正确的举措。你可以用4到8年的时间获得丰富的工作经验，去成长为一名真正的数据科学家，那么出现新技术时，你能更好的进行预测，保持领先的位置。如果你考虑攻读与数据科学无关领域的博士学位（例如物理，生物学，化学），并且目标是找数据科学方面的工作，那么这条建议可能有些刺耳：如果你离毕业还有18个月或更长时间，而且你确定自己想成为一名数据科学家，那么可以考虑辍学。考虑到沉没成本，你应该对之前决策感到质疑，根据我之前的经验来看放弃可能是正确的选择。二、硕士学位入行数据科学需要硕士学位吗？视情况而定。以下是我列出的记分表，如果根据你的情况，分数大于6，那么答案是“硕士学位可能会有所帮助”。你有非常相关的STEM背景（物理、数学、计算机科学等本科学历）：0分你有较为相关的STEM背景（生物学、生物化学、经济学等本科学历）：2分你没有相关的STEM背景：5分你有不到1年的Python使用经验：3分你没有编程相关的工作经验：3分你不认为自己擅长独立学习：4分当我说这个记分表实际是一个逻辑回归算法时，你不明白我的意思：1分注意：需要考虑的是，你是否需要数据科学硕士学位或数据科学训练营。如果选择参加训练营，要注意他们的激励措施：是否课程完成后保证聘用？是否有与训练营相关的求职指导服务？许多人都对训练营持怀疑态度，这是有道理的。但大多数忽略的是，他们对待大学所提供的相关硕士学位也该如此。巩固硕士学位就相当于训练营。如果你不在乎你的成绩，那么要注重你从中学到了什么。在选择相应的硕士学位和课程项目时要询问其研究生就业率。有的大学希望学生选一个简单的专业，而不是好的专业，这是一场心理博弈。你的目标是最终被聘用，找到理想的工作，而不是仅仅为了一纸文凭而付出时间和精力。即使完成了硕士学位，你还需要学习很多技能，可能比你预想的还要多。但只要硕士课程的时间较短(最好不超过2年)，成本不是太高。三、本科学位总的来说，是的，成为数据科学家你需要相关本科学位。不仅仅是因为你需要掌握相关知识，而且公司并不认为你通过自学，参加训练营和一些在线课程就能胜任数据科学的工作 。但关于本科学位你要注意的是，如果你和科技行业的人聊聊，你很快会发现科技型工作中涉及到的内容要远远超出学校课本。这是因为学校所教的本科课程一般比现实情况要滞后5到10年。如果你学的是不会发生很大变化的专业是没有太大问题的，比如如物理、数学或统计数据等。但是如果你是工程或计算机科学专业，并且你在一家出色的公司实习，你想休学或肄业来获得更多的工作经验，那么你可以考虑这样做。如果你读本科的目的是为了获得一份工作，你已经在一家有不错前景的公司获得职位，那么何必多付几年学费呢。我的意思并不是你应该不读完本科就去工作，我想说的是，如果你完成了实习并且获得了相应的全职工作，那么对于是否完成学业应该有更开放的观念。而不是因为大家都这么做，才做出这种选择。结语在本文中，我给出的一些建议可能不是那么常规。但在数据科学这样快速发展的领域，惯例往往并不是最优选择。当今社会中，人们对传统教育价值的看法应该与时俱进。当然，这并不意味着正规教育以及研究生学位是不值得的。但是，不应该认为获得硕士或博士学位是必备的。如果你读研读博只是为了符合数据科学职业轨迹的刻板印象，那么你可能需要重新考虑了。

作者 | Admond Lee翻译 | Mika本文为 CDA 数据分析师原创作品，转载需授权你想成为一名数据科学家？很棒，说明你是很有上进心的人，而且对数据科学充满热情，并希望通过解决复杂的问题为公司带来价值。但是你在数据科学方面毫无经验，也不知道如何开始。我很懂你，因为曾经我也是如此。本文就是特别针对热情且有抱负的数据科学家，解答进入该领域最常见的问题和挑战。我希望通过分享我自己的经验，帮助你了解入科从事数据科学的职业，并为你提供一些指南，让你的学习之旅更加愉快。让我们开始吧！数据科学人才缺口根据国际数据公司（IDC）预测，2020年全球大数据和业务分析收入将超过2100亿美元。根据LinkedIn 与2018年8月发布的美国劳动力报告， 2015年美国的数据科学人才过剩。三年后，随着越来越多公司面临数据科学技能人才的短缺，这一趋势发生了巨大变化。越来越多的公司开始使用大数据得出分析见解和制定决策。从经济角度讲，这完全取决于供需关系。好消息是：形势以及发生了转变。坏消息是：随着数据科学领域的就业机会不断增加，但很多有抱负的数据科学家由于技能不符合市场的需求，而难以找到心仪的工作。在接下来的部分中，你将看到该如何提高数据科学技能，从而在大量求职者中脱颖而出，最终收获梦想的工作。终极指南1.需要哪些技能以及如何掌握？说实话，要掌握数据科学领域所有技能几乎是不可能的，因为范围太广了。总有一些技术是数据科学家没有掌握的，因为不同的业务需要不同的技能。但有一些核心技能是数据科学家所必须掌握的。技术能力，数学和统计学，编程和商业知识。尽管无论使用何种语言，编程能力都是必备的。作为数据科学家，我们应该运用商业沟通能力想企业高层说明模型结果，同时基于数学和统计学的支持。数学和统计学关于数学和统计学，可以查看Randy Lao的相关文章，当中的资源非常丰富。https://medium.com/@randylaosat当我刚开始学习数据科学时，我读了这本书 An Introduction to Statistical Learning — with Applications in R（统计学习导论 - 与R中的应用）。我强烈推荐这本书给初学者，因为本书侧重于统计建模和机器学习的基本概念，并提供详细而直观的解释。如果你特别喜欢数学，也许你更喜欢这本书：The Elements of Statistical Learning（统计学习中的元素）。编程关于学习编程，特别是对于没有经验的初学者，我建议专注于学习一种语言，我个人更喜欢Python，因为Python更容易学习。关于Python或R哪种语言更好一直都存在争论，我个人认为重点应放在如何帮助企业解决问题，而不是使用哪种语言。商业知识最后，我要强调的是对商业知识的理解也是至关重要的。软技能事实上，软技能比硬技能更重要。在LinkedIn询问了2000名商业领袖，我们发现2018年他们最希望员工具备的软技能包括：领导力、沟通能力、合作能力和时间管理能力。我认为这些软技能在数据科学家的日常工作中起着至关重要的作用。2.如何选择合适的训练营和在线课程？随着人工智能和数据科学的兴起，大量课程课程、训练营如雨后春笋般涌现，都不希望错失良机。因此问题来了，该如何选择适合你的学习资源呢？我的选择方法如下：没有一门课程能涵盖你需要的所有资源。有些课程在某些方面是重叠的，因此不值得花钱购买不同但有重复性的课程。首先要知道你需要学什么。不要因为花哨和吸引人的标题就盲目选择课程。通过查看求职网站上数据科学家的职位描述，你会发现一些公司需要的通用技能。然后通过了解自己缺乏的技能去搜索相应课程。比较不同平台提供的优质课程。类比几个课程，并且查看其他人的评论（非常重要！）。另一方面，Coursera、Udemy、Lynda、Codecademy、DataCamp、Dataquest等平台也提供许多免费课程。以下是我个人特别喜欢的一些课程：1.Machine Learning ，主讲人: Coursera的联合创始人吴恩达2.Python for Data Science and Machine Learning Bootcamp，主讲人 ：Jose Portilla3.Deep Learning A-Z™: Hands-On Artificial Neural Networks，主讲人： Kirill Eremenko，Hadelin de Ponteves4.Python for Data Science Essential Training ，主讲人：Lillian Pierson5.The Ultimate Hands-On Hadoop — Tame your Big Data，主讲人：Frank Kane3.能否通过开源学习成为数据科学家？我想说的是，通过开源学习足以让你开始从事数据科学，之后可以根据业务需求进一步发展自己的职业生涯。4.对于零基础的初学者有什么推荐的书籍吗？没有固定的学习途径，条条大路通罗马。阅读相关书籍是掌握基础知识的良好。注意不要试图去记忆具体的数学和算法细节，因为当应用于实际问题进行编程时，你可能会忘记这些内容。你只需了解一定的基础知识，并继续学习，要务实。不要试图完全了解所有知识，因为有时完美主义会给你的学习拖后腿。关于Python、机器学习和深度学习的基础知识，我推荐以下书籍：Learning PythonPython for Data AnalysisAn Introduction to Statistical LearningMachine Learning for Absolute BeginnersPython Machine LearningPython Data Science HandbookIntroduction to Machine Learning with PythonDeep Learning with PythonDeep Learning with Keras5.如何在理解商业问题(制定解决方案)和提高技术技能(编程、数学知识等)之间取得平衡？在理解商业问题和制定解决方案之前，我首先去提高自己的技术技能。商业问题在于”是什么”和”为什么”。要解决商业问题，首先必须解决问题。而技术技能是注重于”怎么做”。我的建议主要基于个人经验。6.如何克服开启数据科学家职业生涯的挑战？对于许多数据科学家来说，主要挑战就是数据科学是信息的海洋。我们可能失去方向，因为有太多的建议和资源，大量的在线课程、研讨会等等，你需要保持专注，知道你拥有什么，你需要什么。在我的数据科学历程中，我主要通过这些方法克服这些挑战：有效地筛选学习资源在刚开始时，我因为大量的资源感到困惑。通过听数据科学家的播客，阅读如何开启数据科学领域的文章，尝试不同在线课程。最终我关注我在本文中分享的这些优质资源。不要放弃当学习过程太过艰难时，我开始怀疑自己，我真的有能力做到吗？我追求的道理是正确的吗？最终对数据科学的热情和耐心让我重新开始，继续不断努力和前行。获得数据科学相关的工作由于就业市场竞争激烈，找到心仪的数据科学工作对我来说并非易事。我提交了大量的简历都毫无结果。因此我开始改进找工作的方法，参加聚会和研讨会，在网上分享我的学习经历，在招聘会上于潜在雇主接触等等。7.如何有效地在简历中加入自己的工作经验，从而提高被录用的几率？这是一种误解，你并不能通过简历中的经验就被聘用。事实上，简历是面试的敲门砖。因此，学习如何写简历对于获得面试机会至关重要。研究表明，招聘人员在确定求职者是否适合该职位时，平均看简历的时间仅为6秒。关于完善简历，我推荐以下网站和文章：VaultTopResumeOptimize GuideA Resume Expert Gives Career Advicehttps://www.facebook.com/busi…How to Pass the 6-Second Resume Testhttps://www.topresume.com/car…How to tailor your Academic CV for Data Science roleshttps://www.linkedin.com/puls…What do Hiring Managers Look For in a Data Scientist’s CV?https://www.linkedin.com/puls…The 14 Things You Need On Your Resume To Land Your Dream Jobhttps://www.elitedaily.com/mo…8.怎样的作品集能帮助我们找到第一数据科学或机器学习方面的工作？简历是不够的，你还需要作品集的支撑。在看了简历之后，招聘人员希望更多地了解你的背景，这时就需要作品集了。可以试着在社交媒体平台分享自己的学习经历，写文章和做播客都是不错的选择。更多资源 学习平台 ：Towards Data Science, Quora, DZone, KDnuggets, Analytics Vidhya, DataTau, fast.ai推荐视频：Webinars——Data Science Office Hours, Data Science Connect, Humans of Data Science (HoDS)推荐文章：A Badass’s Guide to Breaking Into Datahttp://www.data-mania.com/blo…10 Must Have Data Science Skillshttps://www.kdnuggets.com/201…My Data Science & Machine Learning, Beginner’s Learning Pathhttps://www.linkedin.com/puls…24 Ultimate Data Science Projects To Boost Your Knowledge and Skillshttps://www.analyticsvidhya.c…值得关注的数据科学家LinkedIn上的数据科学社区非常棒，以下是我认为值得关注的数据科学家和专业人士：Randy LaoKyle McKiouFavio VázquezVin VashishtaEric WeberSarah NooraviKate StrachnyiTarry SinghKarthikeyan P.T.R.Megan SilveyImaad Mohamed KhanAndreas KretzAndriy BurkovCarla GentryNic RyanBeau Walker结语希望本文能够解决你的问题。每当你在数据科学旅程中遇到任何障碍，快要放弃时请记住，坚持是关键。 ...

作者 | William Koehrsen翻译 | Mika本文为 CDA 数据分析师原创作品，转载需授权如果现代工作面试教会了我们什么，那就是关于“你最大的弱点是什么？”这个问题，正确答案是“我工作太努力了。”显然，说出自己的弱点是很可笑的。虽然在个人简历中列出弱点不太好，但是如果不承认自己的不足，我们就无法采取措施改善它们。做出改进的方法很简单：明确现在的位置：找出弱点想变成什么样：制定实现的计划执行计划：一步步改进我们很少能跨越第一步，特别是对于在技术领域工作的人群。我们埋头苦干，不断工作，使用已掌握的技能，而不是获得哪些能让我们工作更轻松或能带来新机会的新技能。自我反省，客观地评估自己，这似乎是一个陌生的概念。但若能够退后一步，弄清我们哪些方面能做得更好，从而在该领域取得进步，这是至关重要的。考虑到这一点，我试着客观地评价自己，并总结了目前自己的三个弱点，改善以下这几点能让我成为更好的数据科学家：软件工程扩展数据科学深度学习本文中我列出这些弱点主要的目的在于：首先，我非常想提高自己的能力，通过列出自己的不足以及如何解决它们，希望能够激励自己继续学习，完成目标。其次，我希望鼓励其他人思考自己有哪些没掌握的技能，以及该如何获取这些技能。最后，我想告诉你，成为出色的数据科学并不需要做到无所不知。关于数据科学和机器学习的知识是无线的，你能够掌握的是有限的。我常常听到初学者抱怨，要掌握的知识太多了，我给出的建议就是：从基础开始，你并不需要掌握所有内容。对于每个弱点，我都列出了具体的问题，以及我目前在做什么进行改进。发现自己的不足很重要，但制定改进计划也同样重要。学习一项新技能需要时间，但计划好一步步的具体步骤会大大增加你成功的几率。1. 软件工程在大学时进行我的第一个数据科学项目后，我开始试着避免一些数据科学方法中的坏习惯。其中包括编写仅运行一次的代码，缺少文档，没有一致性且难阅读的代码，硬编码特定值等。这些都是写论文所带来的，为了写一篇论文，开发针对特定数据集且只能运行一次的解决方案。其中一个典型的例子是，我们有个项目使用建筑能源数据，最初每隔15分钟获取一次数据。当我们把时间增加为20分钟时，数据管道完全崩溃了，因为许多地方已明确将时间编为15分钟。我们不能进行简单的查找和替换，因为该参数被设定为多个名称，如electricity_interval timeBetweenMeasurements还有dataFreq。我们当中没有人想过让代码更易阅读或能够灵活改变输入。相比之下，从软件工程的角度来看，代码必须使用大量不同的输入进行测试，在现有框架内工作，并遵守编程标准，以便其他开发人员能够理解。尽管我的初衷是好的，但我偶尔会像数据科学家那样写代码，而不是像软件工程师那样。现在我正在训练自己像计算机科学家一样思考。我在做什么学习技能没有比练习更好的方法。幸运的是，在我目前的工作中，我能够为内部工具和开源库（Featuretools）做出贡献。这迫使我学习了很多技能，包括：编写单元测试遵循编码风格编写接受更改参数的函数彻底记录代码让他人检查代码重构代码，使其更简单、更易于阅读对于还未工作的数据科学家，你也可以通过参与开源项目获得这些经验。除此之外，你还可以通过查看GitHub上流行库的源代码。像软件工程师一样思考需要改变思维模式，但做到这一点并不难。例如，每当我发现自己在Jupyter Notebook中复制和粘贴代码并更改一些值时，我就会停下来，并意识到从长远的角度看用函数会更高效。我还想研究计算机科学的许多其他方面，例如编写有效的实现，而不是用蛮力方法（例如使用矢量化而不是循环）。同时要注意想一下子全部改变是不显示的，这也是我为什么专注于一些实践，并将其融入到我的工作流程中。虽然数据科学自成一体，但从业者仍可以通过借鉴软件工程等领域的最佳实践从中受益。2. 扩展数据科学虽然你可以自学数据科学中的所有内容，但要将其应用到实践中还是存在一些限制。一个是难以将分析或预测模型扩展到大型数据集。我们中大多数人无法访问计算集群，也不想为一台个人超级计算机掏钱。这意味着当我们学习新方法时，我们倾向于将它们应用于小型且表现良好的数据集。然而在现实情况中，数据集并不符合一定的大小或干净程度，你需要用不同的方法来解决问题。首先，你可能需要打破个人计算机的安全限制，使用远程实例（例如通过AWS EC2）甚至多台计算机。在学习数据科学时，我尝试在EC2机器上练习，这有助于让我熟悉命令行，但是，我仍然没有解决当数据集大于机器的内存情况。最近，我意识到这一点限制了我的前进，是时候学习如何处理更大数据集的了。我在做什么即使不在计算资源上花费大量金钱，就可以实践超出内存限制的数据集的处理方法。其中包括每次迭代数据集的一部分，将大型数据集分成较小的数据集，或者使用Dask这样的工具来处理大数据。我目前采用的方法是将数据集分为多个子集，开发能够处理每个部分的管道，然后使用Dask或Spark，与PySpark并行地运行管道中的子集。这种方法不需要用到超级计算机或集群，你可以在个人计算机上并行操作。此外，由于像Kaggle等数据存储库，我能够找到一些大型的数据集，并查看其他数据科学家的处理它们的方法。我已经学到了很多有用的技巧，例如通过更改数据框中的数据类型来减少内存消耗。这些方法有助于更有效地处理任何大小的数据集。虽然我还没处理过TB级的数据集，但这些方法帮助我学习了处理大数据的基本方法。对于最近的一些项目，我能够运用目前学到的技能对在AWS上运行的集群进行分析。希望在之后的几个月，我能逐步提高处理数据集的大小。3. 深度学习虽然人工智能在繁荣和萧条中更迭，但是它最近在计算机视觉、自然语言处理、深度强化学习等领域的成功应用让我确信基于神经网络的深度学习不是昙花一现。与软件工程或扩展数据科学不同，我目前的职位不需要用到深度学习，例如随机森林等传统的机器学习技术已经能够解决所有问题。但是，我认识到并非每个数据集都是结构整齐的，而神经网络是目前处理文本或图像项目的最佳选择。在深度学习中有许多不同的子领域，很难弄清楚哪些方法最终会胜出。尽管如此，我认为熟悉该领域能够让人们能够处理更广泛的问题。我在做什么我学习深度学习的方法与成为数据科学家的方法相同：阅读着重部署应用的书籍和教程在实际项目中练习技术和方法通过写作分享和解释我的项目在学习一项技术时，最有效的方法是边做边学。对我来说，这意味着不是从基础的基础理论开始，而是通过找出如何实现解决问题的方法。这种自上而下的方法意味着我更重视关于动手的书籍，即当中包括许多代码例子。对于深度学习，我主要看了以下三本书：Deep Learning Cookbook，作者：Douwe OsingaDeep Learning with Python，作者： Francois Chollet Deep Learning，作者：Ian Goodfellow、Yoshua Bengio、Aaron Courville前两本重点是用神经网络构建实际解决方案，而第三本重点是深入理论。当阅读有关技术主题的书籍时，你需要更主动参与其中，尽可能试着书中的代码。像前两本提供代码例子的书籍很棒，我经常会在Jupyter Notebook中逐行输入代码，弄清当中的原理。此外，我不仅试着复制这些代码，还会将它们用于自己的项目。这方面的一个应用是我最近构建的图书推荐系统，该系统是根据Deep Learning Cookbook的类似代码改编的。从头开始创建自己的项目可能会令人生畏，但这也是提升自己最好的方法。最后，学习技术最有效方法之一是教别人。只有当我试着用简单的术语向其他人解释时，我才能我完全理解这个概念。随着学习深度学习的每个知识，我将写下了，分享当中的技术实现细节和概念性解释。教学是最好的学习方式之一，我打算将其作为学习深度学习的一个重要组成部分。结语罗列自己的弱点可能会有点奇怪，但这能让我成为更好的数据科学家。而且，我发现很多人，包括雇主们，会对你坦诚自己的弱点并探讨如何解决它们留下深刻印象。缺乏某些技能并不是缺点——真正的缺点是假装你什么都懂，而且没有想改进的意思。通过发现我在数据科学方面的弱点：软件工程，扩展分析/建模，深度学习，我的目标是提高自己，鼓励其他人思考自己的弱点。要成为成功的数据科学家，你并不需要什么都懂。虽然反思自己的弱点可能是痛苦的，但学习是愉快的：最有成就感的事情莫过于，经过一段时间的持续学习后，你会发现自己比刚开始时已经懂了很多。

作者 | Jeremie Harris翻译 | MikaCDA 数据分析师原创作品，转载需授权我在一家数据科学培训公司工作。对于学员，我常常给出的建议并不是推荐库或者工具，而是让他们首先明确自己想成为什么样的数据科学家，确定自己的方向。当中的原因在于，数据科学并不是单一且定义明确的领域，公司并不会雇用所谓的全能型数据科学家，而是会选择有拥专业技能的个人。为了更好的理解，假设你们公司想聘请数据科学家。那么，你们肯定有明确的问题需要解决，而这需要具体的技术知识和专业知识。例如，有些公司将简单模型应用于大型数据集；有些公司将复杂模型应用于小型模型；有些公司需要动态训练模型；有些公司根本不使用（传统）模型。以上这些都需要完全不同的技能。对于想进入数据科学领域的人群收到的建议往往是：学习使用Python，构建分类/回归/聚类等项目在开始找工作，这其实是不太合理的。数据科学家在工作中承担了很多责任。人们会将过多的内容归入“数据科学”的范畴。为生产构建强大的数据管道，这应该是数据科学方面的问题。开发一种新的神经网络，这应该是数据科学方面的问题。这种现象并不好，因为这会让有抱负的数据科学家失去方向和对特定问题的关注。为了避免成为全能型数据科学家，再次之前让我们先了解数据科学领域主要有哪些职位，以及他们常常被混淆的原因：1. 数据工程师职位描述为处理大量数据的公司管理数据管道。这意味着在数据需要从源头进行有效地收集和检索，而且在使用前需要进行清理和预处理。重要性如果你只使用过存储在.csv或.txt文件中的相对较小的数据集(小于5G)，那么你可能很难理解为什么需要专人维护数据管道。当中的原因在于：1）计算机很难承载大小为50 G的数据集，因此需要以其他方式将其提供给模型；2）大量数据可能需要花费大量时间来处理，并且经常需要冗余存储。进行管理存储需要专业的技术知识。技能要求你需要使用Apache Spark、Hadoop、Hive和Kafka。还需要有扎实的SQL的基础。处理的问题如何构建每分钟能处理1万个请求的管道？如何在不将其全部加载到RAM的情况下清理该数据..]2. 数据分析师职位描述将数据转化为可操作的商业见解。你通常会成为技术团队和商业策略业，销售或营销团队之间的中间人。数据可视化是你日常工作的重要组成部分。重要性有些人很难理解为什么数据分析师如此重要，但他们确实如此。数据分析师需要将经过训练和测试的模型，以及大量用户数据转换为易于理解的格式，以便转化为围商业策略。数据分析师帮助确保数据科学团队不会浪费时间来解决无法提供商业价值的问题。技能要求技能包括Python，SQL，Tableau和Excel。你还需要出色的沟通能力。处理的问题是什么带来了用户增长？如何向管理层解释最近的使用费让用户望而却步？3. 数据科学家职位描述清理和探索数据集，并进行能带来商业价值的预测。你的日常工作包括训练和优化模型，并将其部署到生产中。重要性当你有大量难以被解析的数据，你需要从中提取出可理解的分析见解。这是数据科学家的基本工作：将数据集转换为易于理解的结论。技能要求包括Python、scikit-learn、Pandas、SQL、也许还需要掌握Flask、Spark、TensorFlow、PyTorch。有些数据科学职位纯粹是技术性的，但大多数人要求你具备一定的商业意识。处理的问题我们有多少种不同的用户类型？是否能建立一个模型来预测哪些产品将销售给哪些用户？4. 机器学习工程师职位描述构建、优化机器学习模型，以及部署到生产。你的工作离不开机器学习模型，而且需要将其放入全栈应用程序或硬件中，但也需要自己设计模型。技能要求需要掌握Python、Javascript、scikit-learn，TensorFlow 、PyTorch，以及SQL或MongoDB。处理的问题如何将此Keras模型集成到我们的Javascript应用程序中？如何减少推荐系统的预测时间和预测成本？5. 机器学习研究员职位描述找到解决数据科学和深度学习中的挑战性问题的新方法。你不会使用开箱即用的解决方案，而是需要创建解决方案。技能要求需要用到Python、TensorFlow、PyTorch和SQL。处理的问题如何将模型的准确性提高到最高水平？自定义优化器有助于减少训练时间吗？结语我在这里列出的五个职位绝对不是孤立的。例如，在早期创业公司，数据科学家也需要充当数据工程师或数据分析师的角色。但是大多数工作会按类别分类，公司规模越大，类别则越具体。总的来说，为了找到心仪的工作，你需要明确具体的方向。如果你想成为一名数据分析师，就不用学习TensorFlow；如果你想成为一名机器学习研究员，那么不用先学Pyspark。可以思考一下你希望为公司带来哪方面的价值，并朝着这个方向努力，这是入门的最佳方式。

作者 | George Liu翻译 | MikaCDA 数据分析师原创作品，转载需授权如果你是一名数据科学方面的求职者，你肯定想知道在简历上写些什么才能获得面试的机会；如果你想进入这个领域，你一定想知道具备哪些技术才能成为一名有竞争力的求职者。在本文中，我们对Indeed中一千份数据科学相关的招聘信息进行了分析，主要针对数据工程师、数据科学家和机器学习工程师这三个职位，希望能解答你的疑问。首先，让我们来看看不同职位的技能要求。一、必备语言1、 目前Python处于主导地位关于数据科学中的首选语言，究竟是Python还是R曾有过争论。显然，市场需求说明如今Python是处于主导地位。同样值得注意的是，R语言可能还排在SAS之后。因此，如果你打算进入数据科学领域，不妨把学习重点放在Python上。作为数据库语言，SQL是数据科学家第二重要的语言。由于数据科学家职业的广泛性，其他语言也扮演着重要角色。数据科学家必备语言排名为：Python、SQL、Scala、Lua、Java、SAS、R、C ++和Matlab。2、机器学习工程师使用的语言更加多样化Python是机器学习工程师的首选语言，这并不令人惊讶。机器学习工程师需要从头开始实现算法，并在大数据环境中部署ML模型，因此C ++和Scala等相关语言也很重要。总的来说，机器学习工程师使用的语言更加多样化。机器学习工程师必备语言排名为：Python、Scala、Java、C ++、Lua、SQL、Javascript、Matlab、CSS和C＃。3、SQL 是数据工程师的必备技能数据工程师一直都在于数据库打交道，而SQL是数据库语言，因此SQL是首选语言也就不足为奇了。同时Python也重要，但重要性排在Scala和Java之后，因为后者能够帮助数据工程师处理大数据。数据工程师必备语言排名为：SQL、Scala、Java、Python和Lua。4、Scala 逐渐成为数据科学中第二重要的语言（而不是R语言）当我们研究分析不同职位时发现，Scala要么的重要性排在第二或第三。因此我们可以，数据科学领域中排名中前三的语言是Python、SQL和Scala。如果你打算学一门新语言，可以试试Scala。二、大数据技能Spark是除数据工程师之外，最必备的大数据技能仅对数据工程师而言，Hadoop比Spark更为重要。但总的来说，Spark绝对是应该首先学习的大数据框架。相对于数据科学家，Cassandra对工程师更为重要，而似乎只有数据工程师才需要用Storm。数据科学领域必备的大数据技术排名为：Spark、Hadoop、Kafka、Hive。三、 深度学习框架深度学习方面，TensorFlow 占主导地位在数据工程师的招聘中很少提到深度学习框架，因此该职位可能不需要用到深度学习框架；在机器学习工程师招聘中，常常提到深度学习框架，这表明机器学习工程师需要常常处理机器学习建模，而不仅仅是模型部署。此外，TensorFlow在深度学习领域绝对占据主导地位。尽管Keras作为高级深度学习框架在数据科学家中非常受欢迎，但对于机器学习工程师职位，很少要求要掌握Keras，这可能表明机器学习从业者大多使用较低级别的框架，如TensorFlow。数据科学中要掌握的深度学习框架排名为：TensorFlow、Torch、Caffee和MXNet。四、云计算平台AWS占据主导地位五、机器学习应用机器学习方面计算机视觉是最主要的技能需求对于一般数据科学家来说，机器学习最大的应用领域是自然语言处理，其次是计算机视觉、语音识别、欺诈检测和推荐系统。有趣的是，在机器学习工程师职位招聘中，最大的需求是计算机视觉，其次才是自然语言处理。另一方面，机器学习方面数据工程师再次成为备受专注，然而这些机器学习应用领域与他们并没有关系。如果想成为数据科学家，你可以想进入的领域，选择不同类型的项目来展现专业知识，但对于机器学习工程师来说，计算机视觉是最佳选择！六、可视化工具Tableau是可视化方面的必备技能在招聘中，数据科学家大多都要求需要掌握可视化工具，而很少要求数据工程师和机器学习工程师掌握。然而对以上每个职位来说，Tableau都是首选。对于数据科学家，Shiny、Matplotlib、ggplot和Seaborn都同样重要。七、其他技能在数据科学领域，Git对每种职位都很重要，而Docker仅适用于工程师八、词云接下来，我们使用词云来分析每个职位最常用的关键词，并结合相应的技能为所有数据科学角色构建理想的技能清单！数据科学家：更注重机器学习，而不是业务或分析数据科学家一直被认为是需要统计、分析、机器学习和商业知识的全方位职业。然而，现在看来在招聘数据科学家时，比起其他技能，更多地关注机器学习技能。其他主要要求包括：业务、管理、通信、研究、开发、分析、产品、技术、统计、算法、模型、客户和计算机科学。系统设计和构建与一般的数据科学家相比，机器学习工程师的技能要求更为集中，包括研究、设计和工程。显然，解决方案、产品、软件和系统是主要技能要求。除此之外还伴随着研究、算法、人工智能、深度学习和计算机视觉等要求。同时商业、管理、客户和沟通等也很重要。另一方面，管道和平台也很重要，这也印证了机器学习工程师主要负责构建数据管道以部署机器学习系统。数据工程师：技能要求更为集中与机器学习工程师相比，数据工程师的技能要求更集中。重点是通过设计和开发管道来支持产品、系统和解决方案。最主要的要求包括：技术技能、数据库、构建、测试、环境和质量。机器学习也很重要，可能是因为构建管道主要为了支持机器学习模型部署数据需求。结语希望通过本文能帮助你了解，在数据科学方面雇主最需要求职者哪些技能。最重要的是，解答关于要学习哪些技能，如何更好的写求职简历等问题。