内容简介:是时候,制定一个更长的职业生涯计划了。技术在进步,人也得成长。打开社交媒体,无处都不在贩卖焦虑:那些写稿的人,有一天突然自己焦虑了——是不是这真的就是一种趋势?年底了,也得按照惯例 “焦虑” 一下成长。照旧,作为每年年底的
是时候,制定一个更长的职业生涯计划了。
技术在进步,人也得成长。打开社交媒体,无处都不在贩卖焦虑:
- 震惊!90 后的程序员,至今都没有一个活过 30 岁?
- 为什么 35 岁的 85 后程序员,都找不到工作了?
那些写稿的人,有一天突然自己焦虑了——是不是这真的就是一种趋势?年底了,也得按照惯例 “焦虑” 一下成长。照旧,作为每年年底的 复盘(Review) ,这仍然是一篇对于未来的思考和总结。
0. 职业发展 vs 个人发展
同内大部分的组织,哪怕是大型的公司、企业里,都缺乏有效的技术人员发展路线。或许是国内的 程序员 都比较 ”年轻“,或者是现有的大部分程序员都停滞在现有的阶段——资深阶段。这无论是 BAT 里的 P7、P8,T2.3、T3.1,还是 ThoughtWorks 里的 Senior Consultant,这都是一个很长的关卡。
原因,除了这是一个等坑期,还是一个迷茫期。坑位只有有限的几个,而等坑的人却有那么多。而往往不是一个光靠技术就能往上走的坑,为了更高的 Grade/Title,需要的都是技术 + 业务。这样一看,呀, 纯技术路线在哪都发展不下去 。那样一来,我们需要往何方走呢?
资深的下一个 Grade 就是 Lead Programmer,如 Basecamp(37signals,创造了 Ruby on Rails 的公司)在 GitHub 上标明的 Lead 程序员的要求:
- 在多种编程环境中拥有深厚的专业知识
- 能够为大型项目运行和指导小团队
- 能够跨多个领域执行项目(例如,需要 API 后端的原生应用)
- ……
换句话来说,我们要能够完成站在 整个系统的角度 来看待问题。作为一个资深的程序员,或者 Tech Lead,我们往往从自己的那部分前端、后端出发,来考虑整个系统的问题。而作为一个更高级别的程序员,需要拥有更好的功能,来掌握更多的技能。但是,这一点让我又考虑去了程序员的专与广的问题:
- 作为一个 Junior 级别的程序员的时候,我们要追求广度,它能让我们找到适合的方向。
- 作为一个 Senior 级别的程序员的时候,我们要追求深度,它能让我们证明自身的价值。
- 作为一个 Lead 级别的程序员的时候,即需要广度而又需要深度。
这大抵算是对于大部分人来说,如我,会有一个更清晰的方向。
1. 定位:工程 or 研究
从长期来看,作为一个软件开发工程师、咨询师、前端工程师等,我们不得不为自己在职业上定一个位:WHO AM I ?在不同的职业生涯里,我们的定位都是不同的。
从 IT 领域上,大抵上可以分为: 工程师 + “ 科学者 ”/研究员。前者偏向于工程,后者偏向于理论研究。看笔者文章的人,大抵都属于前者。但是吧,又得投入后者。
一旦,我们找到了合适自己目前的位置,便得去关心所在领域的最佳实践。如对于工程来说,我们要关注的东西是:
- 可演进式架构
- 编写可维护的代码
- 更好的工程实践
对于理论来说,我们关注于原理与设计。要合理的分配两者的学习比例。
若你和我一样是一个工程师,又喜欢研究理论。日常的编程中,多数的研究相关的内容是用不上的,往往是工程上用的东西比较多。不过只靠实践,往往也是不够的,还需要进行一定的理论和创建研究。在合适的时候,需要适当地分配一下比例,如 80:20 的比例。
在职业阶段的不同,又需要对编程领域细分,如前端、后端、原生应用、blabla。只是这点细的分类,并没有太多的差异。从笔者的经验来看,能用一个语言编程的人,再换个语言编写业务代码,并不是一件困难的事。唯一麻烦的地方,角色的转变——你可能没有意识到现在的位置,它需要你去做什么,而不是抗拒它。
2. 靠持续投入,而依赖才华
职业生涯的早期,写代码靠的是才华。但是随着时间的变化,若是没有持续地投入,也有才尽的时间。就这一点上,就 IT 行业,又或者是不同行业中,我们都可以看到一些端倪。
今年劳动节,我和花仲马去马来西亚玩的时候,我们买了本春上村树的《身為職業小說家》,即《我的职业是小说家》的繁体版本。繁体版本是传统的坚版,由右到左的排版方式,我便又饶有兴趣的看了一遍。最大的体会便是:越有造诣的人,则越投入得越多越长。
如村上春树,上班族打卡,早上起来雷打不动坐在写字台前写作5、6个小时,每天必须完成四页稿纸。三十年来天天坚持跑步,真是一点儿也不浪漫。
如若我们看待编程的方式是,它不仅仅是收入的来源,还是乐趣的来源。那么,我们会持续不断地投入。而这种投入,依靠的还是一定自律。如若只是每天完成工作上的代码,怕也算不是投入。除非,它能为我们带来更多的乐趣。对于工作能否带来真正的乐趣,智者见智吧。
我害怕的一种生活状态,便是每天加完班,加到家里,再也不想写代码。哪怕是再好的才华,再高的兴致,也容易被磨灭开来,成为别人家的机器。
而所谓的才华,大抵便是悟性。而悟性这种东西,往往不是练出来的,更可能是看出来的,或者是对话出来的。才华,便也是笔者最讨厌的玄学——说了,我自己也不懂所以。而这种才华,便也算是运气,有时候是在非自己的工作领域中领悟出来的。
自律、体力、耐性,就是这么不佛性的三要素。
3. 适当地输出
在 IT 行业里,做得有声有色,得是能拿出一些作品。或是借助于公司的产品,来体现自己的出色;或是创造自己的项目,来展现自己的乐趣;又或者是写自己的文章,表达自己的编程观点。
输出,大抵是到目前为止,我使用得最好、广泛、有效的技术。因为看到它对自己带来的一系列成长,便也将它作为自身技能的一部分,持续不断地磨炼。输出的内容可以是:演讲、代码、开源软件、文章。
而输出有一个大前提是输入,如编程实践、阅读书籍等等。如此说来,这种活,倒也不是阿猫阿狗能轻轻松松做到的,还得经过一系列的思考,。但是总有一些人吧,总是可以轻松地复制和粘贴别人的观点。若没有加以实践,有些东西还是经不得推敲的。在阅读的时候,只需要细微地思考一下,也便能识别出来一些端倪。
如我擅长的写作,对于自己而言,还有别的技能提升:
- 系统性思考
- 逻辑思维
- 观察能力
在写文章的过程中,会不断强化这些技能。如果我们想快速进入一个领域,便可以以输出来强化知识输入的能力。
这输出不仅仅是一个能力提升的话题,还在持续不断地提高你的影响力。再好的技术,没有方式和能力对外展示出来,就不要怨天尤人。从技术实力上来说,我大抵是比同龄人的平均水平,多一点点。但是多了这份影响力,便多了不止一点点。它可以用在扩大团队规模上,提升整体的技术水平。
4. 持续的挑战
持续的挑战,在这里指的是:尝试新的可能性,学习新的技术。
若是每年都安安逸逸地,没有一点新的气息,再好的斗志,也会被岁月磨去。这样一看,学习什么东西,似乎一点儿也不重要。我们要的是一种心态,它能让我们接受新的事务——虽然我们可能并不认同,但是也能接受它的存在。
哪怕是随着年龄的增大,其它事务的不断增多,学习的时间越来越少。我们只有持续不断地学习,保持一种学习的心态。面对一些新的事务,便也不会有害怕的心里。
到底也是这些年,看到越来越多的技术人员,因为各种原因,荒废了技术。便也意识到这方面的战略意义,你呢?是不是也存在这样的问题呢?
5. 领域知识
某个框架,某个语言,只是解决问题的方式之一,而非是唯一的解。
不讨论框架,不讨论语言,我们只讨论领域。而我们讨论领域的时候,指的是技术及非技术相关的领域。而技术只是其中的一个领域,但是是非常小的一个领域。不过,从技术的角度来看,跨领域的工程师机会比较多,可能性也比较高。一旦如此,我们也越能解决跨技术领域的问题。又如我们在开头所说,它有助于我们成为更好的程序员。
与此同时,我们会发现,我们往往缺少技术以下的领域知识,如金融、物流。而这是这些领域知识,它可以为我们的职业生涯带来更多的价值。越是我们平时觉得不起眼的东西,在我们寻找工作的时候,有相应的背景,反而能为我们带来更多的价值。
6. 平衡生活
虽然,我还想像上一篇文章一样,说一下生活。但还是略了……。
工作只是生活的一部分,除非我们在追求理想。
以上所述就是小编给大家介绍的《程序员的成长焦虑:构建长期职业生涯》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 职业生涯——java程序员职业规划建议(开发八年经验呕心总结)
- 职业生涯——30岁,每个程序员都会遇到的“中年危机”
- 职业生涯 一个六年开发经验的女程序员的心声。
- 做码农差不多十五年了,聊聊程序员十五年内职业生涯规划,共勉之
- 远见:如何规划职业生涯 3 大阶段
- 算法如何影响你的职业生涯
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Understanding Machine Learning
Shai Shalev-Shwartz、Shai Ben-David / Cambridge University Press / 2014 / USD 48.51
Machine learning is one of the fastest growing areas of computer science, with far-reaching applications. The aim of this textbook is to introduce machine learning, and the algorithmic paradigms it of......一起来看看 《Understanding Machine Learning》 这本书的介绍吧!