30岁了 程序员中的老司机们 30后的路该开向哪里？
|
年薪五六十万，不高也不低，后来觉得无聊，跳槽去 BAT 或者微软了，反而一身轻松。可能不再带人了， 也可能带的人少了，两三个，三五个，人是少了，带的人水平却高了，产出高，沟通简单，写代码真心爽。这类朋友，就挺适合走专家路线。 凡事有利有弊，别人适合转管理，不代表你就适合当领导。30 岁的你，在考虑转型之前，不妨问问自己几个问题： 我真的喜欢管人吗? 你善于管理自己么? 我开会的时候是不是经常在写代码? 我是不是讨厌开会? 自己实现代码，实现产品功能，或者生活中的问题，我是不是莫名的满足? 碰到别人问自己各种难缠的 Bug，我是不是很喜欢解决? 我擅长帮助别人解决问题么? 我擅长沟通么?别人是否喜欢问我问题? 我在学生时代是否当过班干部? 管理的人越多越有成就感，还是越少越舒服? 管理的价值是什么?给团队带来的价值有哪些? 想清楚上面的一些问题，可能适不适合转管理，你自己就有了答案了。时间的路有千千万万条，条条大路通大道。希望大家都能到适合自己的路。 左：做工程?右：转算法? 我虽然工程出身，不过也涉猎算法，面试过的算法候选人也有几百个了。有一个面试的原则是，算法得在白板上写写代码。 不写代码，那是耍流氓。不是说模特都开始学习 Python 了么，光简单写写 Python 脚本，就敢号称自己是深度学习的高手，那我们招一个数学系的学生得了。 人到 30 岁， 虽然还不算人到中年，还不需要保温杯，不过前路到底如何走，也是操碎了心。身边有不少朋友，觉得自己写不动代码了，打算转算法。 总结了一些写代码的人想转算法的理由： 算法工资高，年薪几百万美金的科学家不少。 算法可以长久做，很多科学家都是大器晚成。 担心自己再过几年，写代码真写不动了。 写代码的市场竞争力在走低。 写代码有点过时了，现在人工智能和深度学习这么火，应该趁热打铁。 目前是算法工程师溢价的最佳时期，正如是人工智能泡沫最大的时期(假如有泡沫的话)。 有个朋友他目前所在的团队，工程是他从业的公司里最好的，比一些大公司还出色。跟我说基于一些考量，他想找个专注做算法的工作机会。 我说，其实我身边不少做工程的人，都能拿到年薪一两百万。你身边专门做算法的，现在能拿到年薪百万的有几个?朋友已经做了决定，怎么劝都没用。 很有意思的是，我之前面试过一个学生，算法基础很好，在微软实习过。但是他觉得做算法很无聊，学不到太多工程的经验，大部分时间在调整网络结构，调试模型参数，跑实验，改脚本。想找一个能好好写代码的工作。 可见，你想往东走，可能东边的人正想往西走。如同围城，城外的人想冲进去，城里的人想逃出来。各有各的苦恼。做工程就一定比做算法差么?事实并不见得： 01、工程的工资也不低 谷歌传奇 Jeff Dean 就是偏工程的大佬，他的工资可不见得比任何机器学习的大佬低。能搞出谷歌三大神器(Bigtable, Mapreduce, GFS)，做出机器学习平台 Tensorflow，照样牛逼。 算法不够好，我们不妨了解算法专注工程啊。算法也需要训练、GPU、分布式、存储、嵌入式，都是工程师的机会。 国内不少牛人，也主要是工程出身。像阿里巴巴合伙人多隆，级别 P11，他一个人能顶一个高效顶尖的团队。 看他做过什么——文件系统 tfs、key-value 系统 tair，cache、搜索、通讯框架...别告诉我这些是算法或者深度学习的活儿。百度出过戴文渊这样的算法牛人(目前第四范式创始人)，也有林仕鼎这样的工程好手。你问我谁比较厉害，我只能说各有春秋。 02、不见得每个做算法的都可以长久 算法干得长久的固然有，但不见得每个做算法的都长久。举个简单的例子，大家回顾一下整个数学发展，出过的少年英才多，还是大器晚成的数学家多?高斯，欧拉，伽罗瓦，阿贝尔，哪个不是少年成名? 算法更新较快，更需要创造性。我敢说，国内的大部分公司，并不需要科学家，也请不到称得上“家”称号的科学家。 原因很简单，聪明的工程师看看论文也能实现出来。做得快，训练快，调试快，各种超参数、网络结构等快速做实验，靠工程能力，快速高效搞定优质的大数据，效果比什么都管用。 03、工程师究竟能写到几岁 就看操作系统和编程语言的几个大佬吧。Linux 之父 Linus 虽然成名早，现在也快 50 了，他不写代码了么?C++ 之父，1950 年出生，依然活跃在技术圈。 Python 之父，1960 年出生，这会儿依然在技术公司任职，目前应该在 Dropbox。你可能说这些人都是大佬，没有参考意义。我身边接触过的几个 CTO， 目前依然在写一些代码，能加班，能 Review 代码。
C++ 之父 04、写过的代码，都是你的财富 写过的代码版权归公司，但都是你的财富。写一百遍一样的代码，没法增值，但是踩过一百个不同的坑，就是你独有的经验和价值。刚毕业的人没法有，正如刚毕业的人没法有岁月雕刻的皱纹一样。 有一个很有意思的问题，我面试的大部分工程师，哪怕比较资深的，对机器学习都没什么概念，别说 DNN，CNN，LSTM 等，对决策树，SVM，CRF 也完全陌生。 相反很多北大清华的应届生，对这些目前热门的机器学习算法都比较熟悉，不少在相关的领域中，使用这些算法发表过论文。换句话说，年轻人搞新算法更有优势。 05、人工智能和深度学习这么火，工程要趁热打铁 人工智能是很火热，但人工智能公司里大部分都是工程师，科学家和研究员没几个。老板不会给你那么多时间搞研究，能跟上最新的研究成果，就足够在业界领先了。 最好的百度可能需要最牛逼的科学家，但是Top10 靠牛逼的工程师就够了。人工智能创业百花齐放，AI + 传统行业的机会多多，目前人工智能的机会，肯定不是一家两家赢者通吃。 06、泡沫总会过去 泡沫，总是容易过去的。等你学好了吴恩达的机器学习课程，做好了面试准备，可能到时候你的竞争力还不如普通架构师值钱。 上面泼了这么多冷水，不是说做工程的转算法就不行。什么样的鞋子适合自己，穿一穿就知道了。 给几个自己的看法： AI 公司很多，这些公司的工程师职位更多。 不要什么热抢着去做什么。安卓热，你做安卓，小程序热，你怎么不转小程序? 算法好的，不妨学学写好代码。代码的优化，对算法的效果也很重要。 工程好的，不妨学学算法，看看机器学习的资料和论文，了解常见的 Task 使用的算法，了解主流的机器学习算法、工具、平台。 是武学奇才的话，不妨练练老顽童的双手互搏，算法和工程兼修。向谷歌大牛 Jeff Dean 看齐。 擅长什么，不要放弃。擅长工程，就不要眼红人家搞算法的。坚持到底，路才能更宽，走得更远。
Google 大神 Jeff Dean 左：打工赚钱? 右：创业冒险? 当技术积累到一定程度的时候，大部分人都会技痒难耐，考虑创业。 原因有如下几个： 给别人写代码，期权从几千股到几万股， 比例从毫不知情到万分之几、千分之几就不错了。自我感觉很好，但并不是创始人，也不是早期员工。高回报和自己关系不大。 公司发展很快，不代表自己发展很好。 你需要给自己一次超越领导的机会，需要一次弯道超车的机会。 你喜欢什么事情你来安排，你说了算。你不喜欢别人指指点点，尤其是那些不那么让你服气的人。 你喜欢冒险，未知的世界真刺激。 你喜欢挑战，挑战技术、管理、产品、运营。在全方位的挑战中，你的阅历得到丰富，思考得到升华。 你有好的产品想法，想要让它在你手里变成现实。让用户喜欢、受益、着迷享受，你喜欢着用户的喜欢，你忧伤着用户的不便。 …… 30 岁了，写过的代码如同作家，早已著作等身。 30 岁的你，坐在冷板凳上，可能写过了网站，写过了 Java，写过了 C++，甚至也赶上了机器学习、深度学习的热潮。你发现，你需要更大的挑战。 于是，很多人创业了——不管是万事俱备，还是仅凭一腔热血，总之，你冲上去了。听说创业成功的比例万中无一，但是你管不了那么多，且行且走吧。 （编辑：核心网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
