个人技术发展追踪方向

目录

0.根据需求判断所使用的编程语言、库等

1.编程语言

2.web技术方向

3.AI方向（研究方向-5年最宝贵时间的研究）

4.专业方向（GIS）

---

0.根据需求判断所使用的编程语言、库等

        例如：按照实际需求来判断，比如你擅长python，然后你的用户群也就几千人，那么fastapi可以满足你的需求，同时考虑硬件、网络等条件（不要极限条件下）！

1.编程语言

【1】python：研究生+工作共5年时间，一直在用python做AI方向，顺便学习了一下简单爬虫、Xpath等；matlab顺便也就差不多懂了；

【2】C++：本科学的C，C++基础，但是都没学透，后面没接触过，搞AI，应用其实主要还是C++（tensorrt、ncnn、tvm等等）；

【3】Java：毕业时为了找工作，学习了1个月的java，了解了python等语言的一些底层实现的原理，对python有更深入的理解；然后同步学习了1周的Html、CSS，（工作后：后面学习了2周的js），有助于爬虫理解；

【4】go：go适合高并发-分布式（云上web系统、微服务等）；个人专门学习了一段时间的go+gin，当然还有“go”开启Goroutinue；

总结：（仅涉及AI方面）

对于深度学习方向，快速开发算法采用python，实际部署多采用c++，（涉及tensorrt、onnx、pytorch、yolov8.。。。）；目前的大模型RAG正在快速迭代中，没有成熟的可完美落地的技术，所以大厂多是python库发布开源GraphRAG等等；

对于web系统方向，涉及大模型问答系统的，快速实现的多采用python fastapi库（如openwebui等），其它方向有go的gin，java的springboot等。

2.web技术方向

【1】目前掌握的是docker、nginx(了解)；

【2】硬件16G内存：中小型web系统，个人想用python fastapi+vue-react实现，再要求性能的用go gin实现；如果并发性能要求不高，采用django-drf实现也挺方便的。如果保证下限且有性能就用java springboot。像python fastapi比较灵活，必须规定团队开发标准，要不容易乱。如果能用docker一键式部署最好了。

3.AI方向（研究方向-5年最宝贵时间的研究）

【1】目标检测yolo工业化系列、transformer系列，强化在应用！

【2】大模型RAG，大模型不好训练，受制于算力、数据、人等，但是行业大模型RAG还是推荐的，多模态不是1个人可以弄出来的，多学吧，更新太快；

【3】数据标注工具CVAT、Labelme等；数据爬虫、数据分析、也是AI里面必不可少的步骤；

4.专业方向（GIS）

【1】sar-insar等技术，一旦要用，知道如何去搜索，去用软件，已经烂大街了，不像之前火了；

【2】激光点云、倾斜摄影等，很成熟，用于可视化；

【3】WebGIS：由于python的方便性，以及个人的使用，采用django+drf+postgis+nginx+vue3+cesium实现webgis地理数据的二三维可视化，满足需求即可！

WebGIS即使要求高性能，也不用go+gin+gorm了，需要自己写很多代码读取postgis的几何数据，对于python就有很多库实现，而且python也可以实现上千万的矢量切片服务。

个人更加推荐fastapi python下，来进行webgis后台开发。

【4】对于一些GIS数据处理，给其他人用的话，可以采用python gui库，打包成exe给别人用，保护代码（不要追求打包后的性能，那样不如用c++），另外保护代码采用nuitka打包成pyd，再打包exe保护代码。

注意：仅限作者个人

        也许，工作不一定会用到先进的技术，但是一定要知道，能及时去了解，学习！最好能把AI与其它结合，申请科研！

        分析好了需求，制定好路线，接下来开始。。。

        记住，还有家人、朋友，还有生活！