※ 引述《godgg123 (GG儿)》之铭言：
: 各位先进好！
: 简短的背景介绍：
: 小弟即将满27，是120土木测量所应届毕业，硕士时因缘际会跟着研究室弄深度学习，开
: 始接触写程式及AI算法（主要是电脑视觉）这块，由于教授算相当严谨＆博班学长在软硬
: 体这块满有天份（他十分培养我），虽然非CS本科，但就DL领域来说自认有学到在业界堪
: 用的程度。
: 毕业前夕在开始投履历之前就被几间做智慧农业的公司抓去面试（刚好跟研究室也在发展
: 智慧农业），本来怀着毕业登积赚大钱的梦想，但当时女友的爸爸刚好是GG前厂长，表示
: 完全不推荐我去GG，反而满看好我先去中小公司练功，而抓我去面试的公司也开出对当时
: 的我而言还行的Offer，就选了其中一间起薪年薪4x * 14的PM职就业，公司环境及与面试
: 官的谈话都相当投缘，所以拿到offer后也就没再自己投履历跑去专心准备论文及口试。
: 工作概况：
: 面试时主管有提到这个职位不太会写程式，进来的前几周几乎做些行政职及UIUX规划着实
: 有些不习惯；在同事们了解我的背景后，开始有些脏资料处理、GPS讯号处理及影像处理
: 等现有工程师不太有经验的事情会找我帮忙写，虽然只会python但都能顺利解决问题，so
: urce code我也乐意给工程师参考改写成他们需要的语言。
: 当初这个职缺好像有点MA（储备干部）的意味，总经理在与我多次谈话中也发现我在AI的
: 耕耘不仅仅是皮毛，近期开始接了AI的专案、多次提及未来公司会多一个由我主导的AI部
: 门，想藉着我来这间公司的契机拼一波转型。
: 公司开启AI专案后，由于内部只有我一人有影像处理/AI的相关背景但我在此之前没有做
: 服务的经验，我自学了一些RESTful API及Docker等框架，顺利帮公司应急生出了几个稳
: 定的服务，也常常阅读最新的paper，虽然公司AI发展晚，但还是能用上近几年的SOTA架
: 构及概念（最近刚导入ViT及其他Transformer在影像上的应用），而今年年后也直接获得
: 不错％数的加薪（4x -> 5x）。
: 我的问题：
: 一开始觉得这个起薪还算不错，但出社会没多久研究室学弟妹预办登积录取，薪水听起来
: 真的挺香的，以前认识的四大朋友，几个顺利去发哥等大公司的（甚至一个拼上Google）
: 更香到流口水，我能理解我现在的工作内容及环境（不用加班）拿这个薪水算是不错，但
: 还是很想在30岁时顺利年百。 从总经理的意思来看，他一直都没有想让我当RD（眼前是
: 一直还没找到像样的AI工程师所以我来代打）、而是想把我培养成未来的管理层，听起来
: 薪水成长是还有空间，但小公司的天花板也实在不知道能高到哪里去。
: 为了充实自己、哪天机会降临时我就能再次抓住，几乎每天都会抽时间自学新的技术及观
: 念（如Tensorflow的低阶API、Docker、Flask、2022最新的算法等等），并透过线上课程
: 学了C++补齐非CS本科可能缺乏的观念，也时常规划下一步要学什么，目前是GO语言（未
: 来想用GO语言打包AI服务，会比Python执行更有效率）及K8s（下一个专案服务规模会提
: 升，希望能结合Docker做到快速部署）。 为了更好熟悉新学的技术，我会直接用在公司
: 的服务开发上面，也写了许多技术文件给技术部主管参考，因为这些东西在过去确实是公
: 司没有接触过的，技术主管也给过我不少肯定。
: 我的问题在于，这些技术学了，好像没办法100％保证对现在公司有所助益，像是最近学
: 了Docker，也写了技术文件给公司，但因为现存工程师都没有相关的概念，短时间内好像
: 没有明显作用；GO语言是现在的趋势之一，但就算我能顺利用GO帮公司写了服务，但未来
: 经理如果认真要让我回到纯PM管理职，也没办法踏实的熟悉这门语言。
: 既然如此，我该专心的照着经理的规划去学那些管理类的东西、等著未来升职，还是照着
: 现在自己掌握到的业界趋势，继续自学新技术，期待未来跳槽呢？
: 整理几个重点问题：
: 1. 现在公司给我满大的信任、环境好，但天花板不会太高，大家建议我就顺着经理的培
: 养走管理职，还是继续自学未来等跳槽？ （以30岁年薪百万、不追求发哥那种3～4百但
: 还是希望人生巅峰可以到200万为前题）
: 2. 如果学习管理/研发只能二选一，大家怎么建议？
: 3. 就我上述的概况，若是继续学软件的话，大家是否有更推荐的方向及技术？
: 谢谢大家的耐心阅读！！
: （补充一个工作内容：目前我上班，每天固定8小时，大概是2/3行政跟1/3 Coding的比例
: ，算是满特别的身份现在）
关于学技术，小弟也常在学习：
随便举10有用到专案或论文的程式语言吧：
C, C++, perl, java, c#, vb.net,JS,PHP, Ruby, Python…(懒得打字了)
随便举10个我有的数据库/类数据库吧：
Oracle, Mysql, PostgreSQL, MSSQL, MongoDB,Redis,Hbase,Hive,ES,Neo4j,Milvus…
小弟也常在学AI,随便举我用过到专案上的几十个模型…
(略，懒得打字。我不只玩NLP，我业余也要做CV, Speech)
小弟之前工作也常用 jira, git, Jenkins, docker,k8s…(略)
以前大数据那套Spark, Kafka等我也常用。现在工作没需要比较少用。
Web framework更不用说了，这20年来从早期EJB时代，到现在微服务，追了10个以上。
可惜的是：
我描述自己在学技术时，或写履历时，
我完全不会这样来经营自己来提升竞争力。
因为这些工具或系统，
大部分难的工作都被指令API包好了，
剩下大部分就是就是考我的记忆能力，
熟悉能力而已。
遇到问题就是上网络查一下指令或API自己哪里不熟悉。
这样对我来说，根本不敢说是竞争力。
拿修汽车来说好了，要看一个人修车技术好不好，
如果你看到一个人说：我有10种扳手，我有100种螺丝钉子，
我有修过10种车子…有意义吗？ 只会让人觉得，这个人工具很多。
如果这个人是说：我之前在德国xxx车队，F1性能调教工程师。是不是听起来比较厉害呢。
拿厨师来说，要看一个人的煮菜好不好，如果他是用嘴巴说：
我煮过100道不同的菜喔，我有9把刀喔，我有8种酱油喔…。
只会让人觉得，这个人煮菜很多年，实际上好不好吃根本无法体会。
如果这个人说：我待过法国米其林餐厅当主厨，然后还煮给我吃，我马上佩服。
同样的，一个工程师，技术学得好不好，
通常我们也不是看，这个人学不学AI，会多少模型，
这个人有没有学K8S。而是看：你透过AI模型完成什么事情呢？
这模型准确率多少，这产品多少人用？如何解决计算性能的问题？创造多少收入？。
你用K8S去提升多少员工的效率呢，或解决用户数量扩增的问题呢？
能做到多自动与弹性呢？如何解决双11突然爆量呢。
如果你履历能说出，你的AI模型，月活有xxx万人，
而且模型准确率，不断演进与进步，或计算成本逐步下降，哪技术就有得聊下去了。
学技术当然好，但是职场上要的不只是你学很多东西，你有很多工具。
工具只会让你找工作的机会变"多"，不代表找得工作会变更"好"
不代表你有技术竞争力。
真正要建立技术竞争力，你要思考一下上述修车与厨师的例子。
为什么大家都有学技术工具，有人可以修F1领高薪，有人到路边修车厂锁螺丝。
有技术产生好的战功才是重要的。
选择战场一直都比学习技术重要。
要有战功，最快的方法就是逐步到有战场的团队或产品。
跳槽时，越跳越大的战场。这样才能把技术工具越玩越深
做得东西越来越有价值。成就感与薪水当然与众不同。
这就是同样大家都学技术，为什么有人走向了，修车厂锁螺丝工人
有人走向了F1性能专家。
不管是PM,还是工程师，都是 如此。
希望以上废话，能给你一点除了学习以外的启发。