※ 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。