谈谈程序员的职业方向(中)

谈谈程序员如何快速提升职业技能 IT行业有很多分支:AI,大数据,区块链,游戏等等,其中游戏开发由于Unity引擎的普及入门门槛很低,收入相对来说比较高,导致了大量的应届毕业生或者说其他IT行业的人转到游戏开发中,游戏开发涉及到的技术也是很多的,其中包括很多算法:四叉树,八叉树,Bezier,A* 算法,人工智能,行为树,高斯,图形学算法等等。要想在IT行业立于不败之地,我们需要缩短与高手之间的差距,怎么去弥补这个差距呢?这里说... 阅读详情

上一篇谈了程序员的职业方向中的业务分析师和产品经理(回复“职业发展”可以查看), 这一篇再聊聊设计和开发都有哪些职位。
 

2. 设计和开发

2.1 架构师

听起来很高大上的一个职位, 但是需要强悍的技术实力和深厚的技术积累

架构师的成长需要历练, 需要技术的广度, 和适当的深度。

设计优雅,灵活,可扩展的架构是架构师的主要工作

不能追求最新,最热的技术, 还要考虑现有团队的能力,技术的成熟度。

回复“架构师”查看《程序员都能搭建SSH了, 还要架构师干什么?》

人员需求:★

难度指数:★★★★★

 

2.2 web后端码农

后端码农主要实现业务逻辑, 提供接口给前端使用。

Java 当然是用的最多的, 但是也有别的相对小众的像Python, ruby on rails 等, 还有就是PHP,简单粗暴 中小网站常用,无论哪一个,学习起来都不是很难

这一块的人员需求是比较大的。

人员需求:★★★★★

难度指数:★★★

2.3 web前端码农

主要是Javascript , CSS, JQuery 等, 最近几年大家重视浏览器端用户体验, 浏览器端做的越来越炫, 所以也很火

人员需求:★★★★★

难度指数:★★★

2.4手机端码农

主要是Android, iOS , 由于移动互联网的发展, 现在很火爆, 需求量很大, 相对而言iOS的门槛高一些,程序员也少一点,不过工资高一点。

人员需求:★★★★

难度指数:★★★★

2.5 系统编程码农

有些需求很简单, 有些需求很复杂, 需要支持海量的用户 ,海量的并发, 像淘宝的双11, 像微信的春节抢红包

需要做云计算,虚拟化,分布式处理, 支持系统水平扩展。

对于海量的数据,还需要做大数据分析,从中提取有价值的信息, 例如Hadoop。 

由于需要对操作系统,数据库,服务器端系统做定制开发, 甚至自己搞一套, 小公司一般没有这样的技术能力, 主要是BAT这样的公司在搞。

人员需求不是很大, 对码农来讲, 需要在一个领域钻研的非常深, 技术稳定度比较好。

人员需求:★★

难度指数:★★★★★

2.6 安全

互联网时代, 你的信息一不留神就有可能被偷走, 安全变的越来越重要。 

所以单单实现了功能, 满足了性能还不够, 很多公司,尤其是BAT对安全非常重视。 

这个方向也需要对技术钻研的很深才可以

人员需求:★★

难度指数:★★★★★

未完待续......


-----------------------------------------------------------------------------------

码农翻身公共号(coderising) : 由工作15年的IBM架构师创建,分享编程和职场的经验教训。

回复下面的关键字,查看更多文章

牛人 键盘侠 留学 读书 调试 烂代码 小白 培训

数据结构 代码腐化 无聊 迷茫 刚工作 死锁 简历  

HTTP Session XML AJAX TOMCAT 反射 JUnit

开源 职业发展

加入码农翻身QQ群:135769418 每周日晚9点至10点定期授课,不容错过。

长按二维码, 关注"coderising"

0?wx_fmt=jpeg


谈谈嵌入式程序员的发展方向 嵌入式的发展方向有很多,门槛高低不一样。具体来说: 1.单片机:工控程序(不跑os)--入门容易,无外乎就是掌握汇编和c,能够根据datasheet来写,发展前景一般,也没有太大的技术难度,除非你在算法上面有优势,比如智能车会各种PID,模式识别上会神经网络,优化上会遗传算法等等,但是这些复杂的控制一般就不会裸奔了(除非环境恶劣),肯定是处理器强悍,带os的;硬件制作--就是数字电路,涉及单片机 阅读详情

相关推荐

告别硬件!用Wokwi在线模拟ESP32点灯,5分钟搞定开发环境搭建

本文介绍如何使用Wokwi在线模拟器快速搭建ESP32开发环境,5分钟内完成点灯实验。无需硬件即可体验GPIO控制、PWM调光等核心功能,特别适合物联网开发初学者和快速原型验证。Wokwi的零成本、全功能模拟特性让嵌入式开发变得前所未有的简单高效。

weixin_42567497的博客 497

2024程序员职业发展前景好吗?就业10大方向一览

编程作为IT行业中不可或缺的职位,人才需求量也是只增不减的,要问2023年程序员的职业发展前景如何,随着防疫政策的放开,市场经济也会逐渐复苏。如今大数据、人工智能、物联网等领域的崛起,必然会使程序员有着良好的发展。开发语言经过这么多年的发展,从c,c++,c#,java等等,技术不断发展和衍生,可见其应用之广泛,发展需求之大。现在有很多零基础小白也想转行it开发行业,做一名程序员,获得高薪的工作。想要转行开发行业,切不可盲目,首先了解一下将来可以就业的方向有哪些。

Python84310366的博客 3548

f2fs学习笔记 - 3. F2FS文件系统布局

目录1.前言2.F2FS布局说明2.1. super block(block 0x0 ~ block 0x1ff)2.2 CP(block 0x200 ~ block 0x5ff)cp page1nat journalsit journaldata summarycurrent hot node summarycurrent warm node summarycurrent cold node summarycp page22nd checkpoint2.3 SIT(block 0x600 ~ block

HZero 4647

程序人生:必须了解的程序员 8个职业发展方向

这职位听起来很高大上,但它需要强大的技术实力和深厚的技术积累。建筑师的成长需要经验、技术的广度和深度。设计优雅、灵活、扩展性强的架构是架构师的主要工作。您不能只追求热门的技术,还需要考虑现有团队的能力和技术的成熟度。人员需求:★难度指数:★★★★★2、Java后端程序员后端程序员主要实现业务逻辑,为前端使用提供接口。Java是比较常用,但也有其他相对小众,比如Python,Ruby on Rails、PHP等,还有就是PHP,小网站经常用,不论哪个语言,都不难学,这一块的需求是比较大的。

m0_60721695的博客 1935

多视图学习 (Multi-View Learning)

多视角/多视图学习(Multi-view learning)是陶大成提出的一个研究方向。我们都知道,在机器学习中样本可以用不同的特征(如图片可以用LBP、SIFT等特征)来表示,或者从不同的角度进行观察(如从前后左右观察一个对象),甚至是采用不同的传感器来观测(如RGB摄像头,Depth摄像头),这些不同的观测手段、角度或特征在多视角学习中称为“视角”。多视角学习通过对不同的视角进行统一分析和研究,希望能够得到更好的分类或聚类等等的效果。

CarpeDiem 3万+

零基础微信理财通基金实操指南(2026版)

先活下来:保证不亏大钱,再想赚钱慢慢变富:年化10%,7年翻倍,这已经很好了开始比完美重要:今天先存100元到零钱通,就是最好的开始现在打开微信,进入理财通,完成第一步风险测评吧!有任何问题可以随时问,我会用最通俗的方式解释。

老韩的Linux云计算架构师进阶之路 1695

想做程序员?不同方向入门路线全解

学习计算机编程有很多方向如果你没有一个正确的路线,那么就会: 就会跟上面所说的那样,被迫成为一个全栈,这是比较尴尬的。 若你想比较准确的针对某个方向学习,那就继续往下看吧。 一、程序员分为哪几个方向 随着编程技术在各方面的应用,传统程序员的工作逐渐多样化,衍生出来了很多方面。 一般来说程序员分为 前端、移动开发、后端、测试、运维、数据、硬件、通信、人工智能。 在技术层面这几个类别可以按照下面的方式一句话介绍: 前端/移动开发 一般指可视的用户界面,例如一个网站的页面、手机APP客户端、移动设备电视.

1_bit 的博客 1万+

Office 365部分安装及同时安装Visio的方法

From MWeb Win版本的Office 365安装包默认安装所有组件,没有选择的页面,在安装Office 365后再安装下载的Visio 2016专业版时,会显示计算机上已经安装了即插即用Office,Visio不可安装,因此可以考虑使用Office部署工具来解决这两个问题。 下载安装Office365和Visio 下载Office部署工具 修改配置 部署工具使用方法...

weixin_30737363的博客 2万+

程序员的8个职业发展方向,了解一下!

众所周知,21世纪已然是互联网时代,互联网技术在各行各业的广泛应用不言而喻。作为现代青年想进入互联网领域,在学习了一门技术之后,找到一个合适的职业发展方向是很重要的。 这篇文章小千来介绍一下程序员的职业发展方向。你喜欢哪个方向就朝哪个方向发展! 1、架构师 这职位听起来很高大上,但它需要强大的技术实力和深厚的技术积累。建筑师的成长需要经验、技术的广度和深度。设计优雅、灵活、扩展性强的架构是架构师的主要工作。 您不能只追求热门的技术,还需要考虑现有团队的能力和技术的成熟度。 人员需求:★ 难度指数:★★★★

xiaoxijinger的博客 9683

C#上位机项目实战(32)——如何防止winform程序因为误操作被关闭

我们在开发的上位机软件运行起来以后,一般在右上角都有一个关闭按钮,正常情况下点击关闭按钮就能关闭软件,但是不排除我们不想关闭软件,但是因为不小心把鼠标点到了关闭按钮,如果这是一个正在生产的机器,突然关闭软件可能会导致产品损坏,那么我们如何去解决这个误操作的问题呢,本文就来讲解解决方案!

qq_34059233的博客 683

【CANdelaStudio编辑CDD】-21.2-创建OBD诊断$03,$07,$0A和$04服务以及OBD DTC

案例背景(共11页精讲):创建OBD诊断$03,$07,$0A和$04服务;以及OBD DTC。 在《【ISO15031_OBD诊断】-3.1-$03服务Request emission-related diagnostic trouble codes理论部分https://blog.youkuaiyun.com/qfmzhu/article/details/122157513》, 《【ISO15031_OBD诊断】-7.1-$07服务Request emission-related diagnostic trou

「汽车电子助手」的博客 1699

后端开发-程序员职业生涯规划

本人求职方向为Java后端开发,秋招斩获诸多大厂offer,包括腾讯、美团等,也拿到了一些国企、银行的offer,在面试上有些许经验分享,也欢迎大家交流学习,共同进步。

weixin_42395998的博客 1万+

YOLOv13改进策略【Backbone/轻量化】| 替换骨干网络 CVPR-2024 StarNet,超级精简高效的轻量化模块

本文记录的是。StarNet设计简洁,没有复杂的设计和精细调整的超参数,仅是一个 4 阶段的分层架构。并且其中能够在低维空间计算的同时考虑极高维的特征这一特性,进而提高模型精度。本文在替换骨干网络中配置了原论文中的starnet_s1starnet_s2starnet_s3和starnet_s4七种模型,以满足不同的需求。

Limiiiing的博客 672

谈谈程序员的职业方向(下)

接前面两篇《谈谈程序员的职业方向(上)》和《谈谈程序员的职业方向(中)》    回复 “职业发展” 可以查看 3. 测试 这个对技术要求不太高,但也需要测试相关的知识, 能够设计测试用例, 准备测试数据, 执行测试。  现在敏捷开发流行, 对测试也要求懂开发知识, 至少能够开发一些自动化的脚本。 很多女生后来转到了测试岗位, 我想主要是女生比较细心吧。 我在I

只有变秃 才能变强 1443

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

谈谈程序员的职业方向(上)

大学生在校期间可能会有这样的疑问:将来就业干啥好呢?如果你是学计算机的,将来想进入软件和互联网行业, 恭喜, 这是个好行业, 薪水很高, 也不需靠关系, 一切靠实力说话,...

码农翻身 374

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

谈谈自己对编程语言和程序员职业方向的看法

今天上班时候

hu_mility的专栏 1620

程序员应该有什么职业素养?

在你的职业生涯中,有什么切实的案例发生吗?让我们探讨程序员在职业生涯中应具备的职业素养,讲述你在工作中的态度和价值观吧!在你的职业生涯中,有什么切实的案例发生吗?让我们探讨程序员在职业生涯中应具备的职业素养,讲述你在工作中的态度和价值观吧!在你的职业生涯中,有什么切实的案例发生吗?让我们探讨程序员在职业生涯中应具备的职业素养,讲述你在工作中的态度和价值观吧!在你的职业生涯中,有什么切实的案例发生吗?让我们探讨程序员在职业生涯中应具备的职业素养,讲述你在工作中的态度和价值观吧!如果有想法可以评论出来。

yuanheng418的博客 384

Java程序员的4个职业发展方向,你该如何利用好自己的黄金5年

Java程序员你是否有了明确的职业发展规划?就现在经济大环境而言,很不乐观,Java程序员的日子也很不好过,无论是还在找工作的、还是已经入职多年、哪怕做到项目经理技术经理的,压力都异常巨大,似乎处处充满危机。但是,仔细分析一下,出路还是有的,甚至解决温饱、过上有房有车没贷款的生活也是很可能的。首先,在如今这个浮躁的社会,大多数人的心态也是浮躁的,只要你能潜下心来,...

阿龙Growing的博客 734

谈谈程序员的焦虑感,如何看待自己的职业危机

这篇文章继续不谈技术,我们来谈谈关于程序员的焦虑感,写这篇文章源自有位同学问了我一个问题:我接触Android 应用层也快3,4年了,说实话,公司一直让做app 层开发,工作之余,学完ReactNative 和Weex,简单的做了Demo,实际开发中不让上,学完一年忘完了,之前大学专业还专门学了一年Linux 内核,开发中很少去用,慢慢就废了。

2401_85377976的博客 1642

谈谈程序员35岁职业危机

如何看待程序员35岁危机?如何提前做好职业规划?你有自己的答案么? 通过这篇文章,你可以知道: 大龄程序员危机感的来源 大龄程序员的优势与劣势 哪些程序员存在35岁年龄危机 如何做好职业规划 程序员需要具备的核心技能 作者对35岁年龄危机引发的思考 PS:我写这篇文章的目的,主要通过这篇文章引发你自己的思考,希望对还在迷茫中的你带来一丝亮光。 写在前面 先介绍我自己,我15年毕业于中国地质大学(武汉),在百度做了3年多百度钱包,18年...

飞楼踏梦 2417

谈谈我是如何选择职业赛道的

作为一名程序员,在职业生涯的不同阶段,你可能会面临选择职业赛道的问题。现代科技行业的快速发展和多样化为程序员提供了丰富的职业选择,包括前端开发、后端开发、全栈开发、移动开发、数据科学、人工智能、网络安全等。如何在众多选择中找到最适合自己的职业赛道,是每个程序员需要认真思考的问题。本文将从多个角度分析程序员如何选择职业赛道,以帮助你做出明智的决定。

wangdashu1994的博客 1375

程序员真是个悲哀的职业!

写本文的起因,是一位朋友的爱人向我求助。他老公已经一年半没找到工作了,谁也不说,谁也不理,完全把自己封闭起来,家人压力都很大,不知道怎么办,想让我找他谈谈。 促膝长谈以后,沉迷代码贻误人生的感触更加强烈,所以就写了这篇文章,算是给大家提个醒。 程序员完全是一个刀口舔血的职业! 最大的悲哀,就是以为自己挣到了很多钱,其实根本不懂怎么挣钱,随着年龄的增长,找不了工作了,却根本不知道怎么活下去! 这个道理,会随着年龄的增长,越来越深刻。 以前,我总是推荐别人学计算机,做程序员。确实...

启舰 1万+

程序员 30 岁前,该如何规划自己的职业发展?

有读者问我职业规划这个话题,姑且今天好好谈谈,因为我一直认为这个话题对职场工作人士非常重要,今天我就来聊聊程序员的职业规划。1.为什么职业规划很重要?在回答这个问题之前,我得先给大家解释下为什么职业规划很重要,我就简单的举个例子,我想大部分人职业生涯的初期,跳槽、换工作大都是为了薪资,哪个方向赚的多,我去干哪个,哪家公司给开的价高,福利待遇好,那我就去那家公司。所以,为什么很多 IT 人频繁的跳槽,

stormzhang的专栏 7306

管理心理--程序员如何选择职业赛道

当然,除非你创业,不然做不同类型的系统,对一个程序员来说,没啥不同,我带过的同学,有很多做着搜索引擎,突然转到游戏引擎,或其它基础架构组件的。一是了解软件运行的原理,知道系统薄弱点在哪,比如曾经一个下属在转为测试后,测试系统稳定性,必有一项:就是拿乱码去测试,看系统是否还能正常稳定地运行。很多系统将自己的稳定性,交给别人请求的合法性,这是不对的。但有编码经验的同学,在做运维实施,尤其是在客户现场,做一些私有化的安装部署时,面对系统的日志、模块的日志、配置,能更快、更专业地把问题定位出来。

借雨醉东风的博客 2985

谈谈 2020 年程序员收入报告

中国互联网络信息中心发布了一份《中国互联网络发展状况统计报告》,里面提到了一些有关程序员的收入,今天和大家谈谈「薪资」和「年龄」。1. 薪资 最关心的莫过于了薪资收入水平。最坚挺的还...

qq_24520459的博客 4257
上一篇: 谈谈程序员的职业方向(上)
下一篇: 谈谈程序员的职业方向(下)
码农翻身
码农翻身 《码农翻身》作者 《码农翻身》作者
博客等级 码龄8年 3万+粉丝 1084原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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