IT真的不行了吗?下一个风口在哪里?IT技术人搞钱攻略!

文章讨论了当前互联网行业的变化,如裁员和市场调整,指出IT领域中安全和数据分析等方向的需求增加。提到了信创工程带来的就业机会,强调了安全岗位的学历门槛降低和学习网络安全时应注重的要点。建议学习者找准定位,利用时代红利,如Python和网络安全技术,提升技能并寻找变现途径。
部署运行你感兴趣的模型镜像

所有的理想最后还是要落到实处,无论是学技术或者搞其他什么事情,最后还是要想办法变现。

最近都在说大环境不好,这个问题显而易见,热搜上阿里裁员上万人,淘宝天猫合并,是它利润不好嘛?

互联网行业繁荣不再,都在收缩自己的产品线。“当资本开始抽离之后,世界就会变成他原来的样子”这个行业正在逐渐进入一个平稳的状态。可以预测未来这个行业员工的薪资也就比起他行业高一些,而不像现在这样高的离谱。

所以大家想转IT,就不一定再冲着互联网方向去了。

如果互联网不行了,IT就不行了么?

除了IT,市面上还有什么好工作?

金融?公务员?……要么门槛高,要么更加卷!

然后大学生都在考研,因为没什么好的方向,只能去卷学历了。虽然大家都说it不行了,但放眼望去it提供给大学生的岗位最多,薪资也是最多的,请参照下方最新出炉的2023本科生就业调查报告。

市场上可提供批量就业,批量转行的行业要不然门槛极高,要么非常难考,要么工资低。也就it门槛相对不算高,提供的岗位多,当然it赛道也在收紧。

因为经济处于青黄不接的低谷期,新旧秩序在交替的混乱期。这期间大部分人在唱衰,小部分人在寻找机会。

巴菲特说过别人恐惧我贪婪

混乱即是阶梯(Chao is letter)

副业乃翻身之本

身边一位学编程的朋友,两年程序员工作期间,他为了提高收入,不停的接私活,刚学出来的技术,接的单子当然也不大, 但是量多。后来自然而然就出来自己干了,开了个淘宝店,给人做做小程序,搞点爬虫,半年多就干起来了,一年营收100w。就一个客服和他。牛逼的地方在于他不做投放,他通过微博知乎等其他平台引流,活多了之后,他就转交给其他朋友做,他拿30%-35%。而且他感觉潜力还很大,准备再接点国外的活,提高成交量。

还有一个玩股票的,学习Python量化,之后搞了一个小团队,专门做量化交易,收益率52%。量化就是把n多指标变成一个模型,然后用这个模型去对历史数据做回测。如果比历史数据好就拿到实盘里去应用。收益关键在于他的策略,技术只是辅助。

很多人的翻身之路,就是从兼职副业开始的。所以说,思路打开,学技术不一定非逼着自己就业,变现才是最终目的。

选哪个方向?

踩到红利,猪也能起飞

上点干货,给准备转行或者就业的同学一份指南,某知名培训机构的6周就业率:

  • 数据分析与数据挖掘80%-90%(毕业3周就业率60%)

  • 前端java6周就业率 55%

  • H5 6周就业率40%

前端确实不行了,人才基本饱和。很多失业的人很长时间都收不到面试。java人才也一样趋于饱和,同时岗位还在减少。市场需求大幅减少,用人单位大面积裁员。

之前一位土木天坑专业的同学跟我咨询转It,他准备学java,我劝他学安全,因为java不缺人,就业费劲。他后来半信半疑学习了4个月,就开始找工作,10天面了10多家。顺利拿到3个比较高的offer。最后挑了个国企合同岗,还给他配了苹果电脑。薪资相比他之前的工作非常高。

想想4个月的时间,其实也就是个初级水平,安全其实非常难,要学的东西非常多,其实比开发难多了,涉及非常多底层的东西。这种水平的人放在之前是不可能就业的。

为什么安全好就业呢,这里就涉及到“信创工程”。现在就处于信创工程红利蔓延期。信创是信息化应用创新的简称。国家通过发展信创产业构建自己的IT产业标准和生态,使得IT产品和技术安全可控,摆脱对美国IT标准的依赖。这个是国家层面的推动。

去年国家下发的2+8+N文件。要求落实信创升级,到2027年央企国企100%完成。这个过程是非常艰难的,需要很多人力去推动,去年某银行去IBM,数据切换失败。因为银行是最早信息化的,数据体量太大,业务系统非常繁杂。

大家都知道大国博弈,时间紧迫啊。从党政到8大重点支柱行业再到其他各行各业,都需要切换实现国产化。可以联想下今年2月份数仓巨头Teradata退出中国市场的消息。

大家可以去招聘网站上搜一下。很多安全岗位的学历要求降到了专科。

信创的红利是罕见的,这个重新洗牌的契机,我们普通人要想办法抓住,参与进来。助力我们国家尽快实现国产化,摆脱美国的技术束缚。至于最近火热的Chat GPT培训,纯纯就是割韭菜了,技术大佬费劲心机把它实现的那么智能,完了你们还需要花钱去学习怎么使用它吗?OpenAI公司的码农知道后估计会哭笑不得……

所以用技术搞钱还是要踏踏实实并且看清形式。你们身边赚到钱的,很多就是抓住了时代的红利,就像前几年的4大基建。一个没文化的包工头挣的 盆满钵满。现在不一样了,有一定门槛了,有条件的尽力抓住红利

主要技术方向就是:

  • 安全

  • 数据分析

  • 云计算

  • AI

其中,安全岗位需求人才最多,学历要求不高,入门网络安全须清楚以下这些:

认知误区

1.程序员是程序员,网络安全工程师是网络安全工程师,不能混为一谈。学习网络安全,太重视语言,就有点本末倒置了,在网络安全行业,对安全问题原理的理解和分析的重要性是远远大于学习语言。

2.学习要稳扎稳打,在自学时,不太建议大面积泛学,而是要找到定位和精准的学习方向。

学习准备与条件

1.网络安全的范围很广,具体学什么语言要看自己的方向。如果你选择的是web安全方向,你需要学php,jsp,javascipt等,如果你选择的是二进制方向,你需要学习汇编,C,C++等,但是有一门语言在安全领域是通用的,那就是Python,因为很多时候都需要使用Python来快速实现原型。

2. 需要一定量的英文和黑客专业名词,这样在与其他同行交流技术时,不至于出现“沟通障碍”。

学习路线

1、操作系统的使用,网络协议,前端基础,数据库初识

2、Web进阶、Python编程、计算机网络进阶、加解密技术

3、Web安全入门、网络扫描与注入、信息搜集& 社会工程学、暴力破解

4、WAF技术、网络协议攻击 & 入侵检测、日志技术、Python编程、浏览器安全

5、第三方组件漏洞、内网渗透、操作系统安全技术、提权技术、虚拟化技术


明确学习目标

岗位很多,方向也不一样。有的人只是想打CTF比赛,有人是为了找到好岗位。传统的安全岗位包含:安全产品工程师、安全咨询师、渗透测试工程师、安全开发工程师、安全运维工程师、应急响应工程师、等级保护测评师。这还不包括其他小众岗位。目标不同,路线与规划自然是不一样的。

觉得自己无从下手,学习的效率很低,学了后面就把前面的忘记这些问题,基本都是因为自己的学习方法不对。所以我建议你一定要找有经验的人多沟通,这些问题都是可以得到很好解决的。强烈推荐大家加入到学习群。这里有超级多学习资料,还有大佬定期分享一些比较新的技术教程给大家免费学习。

您可能感兴趣的与本文相关的镜像

Python3.10

Python3.10

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

<think>嗯,用户问未来AI的发展趋势和下一个风口是什么。这个问题挺大的,我得先理清楚当前AI的发展阶段。现在AI已经在很多领域应用了,比如自然语言处理、计算机视觉、自动驾驶等等。但未来会往哪个方向发展呢? 首先,可能要考虑技术上的突破。比如,现在的深度习虽然厉害,但也有瓶颈,比如需要大量数据和计算资源。所以,有没有可能发展出更高效、更节能的算法?比如神经符号系统,结合符号主义和连接主义,或者更先进的模型结构,比如transformer的改进版? 然后是通用人工智能(AGI),这个虽然现在还远,但长远来看肯定是趋势。不过AGI的实现可能需要很长时间,所以短期内可能还是聚焦在特定领域的专用AI。不过用户问的是下一个风口,可能更关注近期的热点。 接下来是AI与其他技术的结合,比如AI+量子计算、AI+生物科技、AI+物联网。这些交叉领域可能会有突破。另外,AI在伦理、安全方面的进展也很重要,比如可解释性AI、隐私保护等,这也是未来发展的关键。 还有生成式AI,比如现在的大模型,虽然已经很火了,但可能还有更多应用场景,比如在医疗、教育、创意产业等。另外,AI在边缘计算的应用,比如在手机、IoT设备上运行,减少对云端的依赖,提升实时性和隐私保护。 用户可能还关心商业应用,比如AI在哪些行业会最先普及,比如金融、医疗、制造、教育。另外,AI驱动的自动化,比如机器人、自动驾驶,这些也是风口。 不过用户可能想知道具体的领域,所以需要列举几个可能的风口。比如多模态AI,结合文本、图像、音频等;AI在气候变化中的应用,比如能源优化、环保;AI辅助科发现,比如药物研发、材料科;还有AI与元宇宙、虚拟现实的结合。 还要考虑技术伦理,比如AI的监管、公平性、安全性,这些也会成为发展重点。另外,AI教育和人才培养也是一个方向,随着AI普及,需要更多人才。 可能需要分点回答,先趋势后风口。趋势可能包括技术进步、跨领域融合、伦理安全;风口可能是生成式AI深化应用、边缘计算、AGI研究、AI+医疗健康、AI+可持续发展等。 要确保回答全面但不过于冗长,同时给出相关问题。相关问题可能需要涵盖用户可能进一步询问的方面,比如具体技术、行业应用、挑战等。</think>未来AI的发展趋势可能呈现以下方向: 1. **通用人工智能(AGI)探索**:尽管仍需长期突破,但基础研究将加速,如强化习与符号系统的融合。 2. **多模态与跨领域整合**:AI将更高效地处理文本、图像、音频等多源数据,推动如虚拟助手、自动驾驶的场景化落地。 3. **边缘计算与轻量化**:通过模型压缩、神经架构搜索(NAS)等技术,实现终端设备上的实时AI应用(如手机端大模型)。 4. **伦理与安全机制完善**:可解释性AI(XAI)、数据隐私保护(如联邦习)将成为技术标配。 5. **垂直领域深度应用**:医疗(辅助诊断)、气候(碳足迹优化)、教育(个性化习)等领域的AI工具将大规模普及。 **下一个风口可能集中在**: - **生成式AI工业化**:AIGC(生成式AI内容创作)在影视、游戏、广告等创意产业的规模化应用。 - **AI+生物科技**:如蛋白质设计、基因编辑的算法驱动突破。 - **具身智能**:机器人结合大模型实现动态环境交互(如家庭服务机器人)。 - **AI驱动的可持续发展**:能源管理、材料科等领域的AI优化方案。 ```python # 示例:使用Hugging Face的transformers库调用多模态模型 from transformers import AutoProcessor, AutoModelForCausalLM processor = AutoProcessor.from_pretrained("microsoft/git-base") model = AutoModelForCausalLM.from_pretrained("microsoft/git-base") ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值