写给期待年薪百万的IT同学

作者：  delphi

公众号： delphi码字

历史文章推荐： 聚集百万技术人的高人气技术公众号

我珍藏的一些好的 Python 代码，技巧

收藏，Python 开发中有哪些高级技巧？

有点标题党了哈，大家不用纠结百万年薪。百万不是一个确定的数字，就是高薪的意思。

说回正题，上一篇《给转型做技术的同学的一些建议》发出后，有不少同学过来咨询。说 程序员 年龄的坎，让他感到焦虑，担心自己是不是跨不过30-35岁这个坎。在一些论坛上，看到一些同学也在焦虑，焦虑目前技术更新太快，一下这个热点，那个热点，感觉学的好累，要跟不上了。后来我想了下，这应该都是没有明白或积累够足的核心能力导致的。

核心能力，每个具体方向不同，也很难给个统一的定义。我例举些例子吧。我本身是做C/C++服务器开发的。我每次说完这个，有不少同学就反应，哇，会C/C++，好厉害的感觉。好像我这个方向的核心能力就是C/C++，大家却对服务器这三个字视而不见。

这个理解当然不对，语言只是实现逻辑的一种工具，核心能力是逻辑本身。

我换个介绍方式，海量分布式服务器系统设计开发。都是同样的工作，只是描述不同，你已经感到很大不一样了吧。这里的核心能力是什么？是架构设计，关键细节设计的能力和经验。在海量服务器设计领域，核心能力，大概包含物理设计和软件设计。物理设计包含：磁盘存储设计，内存缓存设计，核心数据结构设计，一致性问题处理，容灾设计等；软件设计方面包含：模块划分，接口定义，设计模式应用，核心数据传输结构设计等。拥有上面的核心能力，你用C/C++，Java，甚至python都可以实现（虽然一般不会用python实现）。

在这里，核心竞能力跟语言其实没有多大的关系。

换到客户端开发方向，也有它的核心能力。包含，单机存储设计，内存缓存设计，核心数据结构设计，并发处理, 软件分层，设计模式，传输协议等。你是iOS还是andriod开发，核心能力都很接近，只是某些特定的地方有区别。

我上面例举的两个例子，所涉及的核心能力，都是老掉牙的东西了。像磁盘存储设计，内存缓存的设计，软件设计模式，都不是什么新鲜的东西，几十年如此了，当然会有细微层面的进化。但大致如此。

所以焦虑的同学在焦虑什么呢？我看很多同学焦虑的是，又出了新的语言，新的框架，自己要跟不上了。我只能说，如果你在焦虑语言和框架的时候，你就已经跟不上了。你可能根本就没有理解你所在方向的核心能力是什么，更加没有掌握它。像andriod开发同学提到大前端，然后觉得焦虑，觉得自己要被淘汰了。要是你理解软件设计就是客户端，前端开发最核心的能力之一的话，你就不会焦虑。反而会觉得，大前端这个概念，很好的解决了各种平台泛滥的问题。其实当你理解这点的时候，你平时学习，积累的点也就改变了。你会更在意一个新的语言和框架为什么会这么设计，相比旧的东西，有什么改进。而不再只是注意语言，框架细节。这个视角是不一样的。当你能理解这个事情，你离百万年薪就不远，或者已经超过百万年薪了吧。

上面例举的例子，可能太精专了，不在那个方向的同学可能不能理解。那我再来说说目前比较热门的数据和AI吧。

前几天，我很好奇，大家怎么突然都对python培训那么感兴趣了。后来百度了一下，都是python数据分析，AI的培训广告链接，然后就会心的笑了。

数据，AI都是大热门。刚毕业，进入到大厂，给60万以上都有可能。所以很多在已有方向做的不好的同学，就像找到了通往财富自由的捷径，或者去参加线下的培训班，或者自学数据，AI。当然学点东西挺好的，只不过有的同学可能期望太高。在这个事情上，我又想泼大家冷水了。

数据，AI的核心竞争力是什么？大家能说的出来吗？难道是会python的语法，会用python的库，就可以了？

说实话，我也不太懂。不过我接触了不少做这方面的同学，就说说我的理解把。数据，AI可以分两个方向来看。

一个是研究类，一个是工程类。上面说的毕业60万以上年薪的，基本都是研究类的，工程类的好像还没看到。研究类的比较好理解，大部分名校博士毕业，在一些顶级刊物上发表过paper的会加分很多。这个估计大部分同学也知道，就不多说了。

来说说工程类的。我周边有不少同学是本身是搞服务器开发的，有的转去做了数据推荐和AI。有的还做的不错。核心能力，我给划分了三个等级：

第一级，能够读懂英文的paper，完全理解paper里面描述的算法。知道算法的优劣和适用的场景，并且可以用自己熟悉的语言实现出该算法。这个算是工程里面的一流水平了，应该可以拿到很高工资。

第二级，不能完全理解paper和算法，但知道算法在某些特定场景下的效果和调优的方式。可以在GitHub上面找到合适的开源实现，进行使用甚至优化。如果有丰富的项目经验和实操经验会加分。

第三级，完全看不懂英文的paper，知道常用的算法，但无法区分出各种算法的优劣和适用场景，会用python，C++等语言的库进行算法组装。

大家看完上面的描述，觉得，数据，AI的核心竞争力是什么？是python语法，还是python的库？当然不是，我觉得最核心的还是算法本身，只不过对算法的理解程度的不同，会处于不同的等级。这里英文的阅读能力对很多人来说，也会成为一道坎。

目前自学和参加培训的同学大部分处在第三级，甚至第三级都没达到。 有参加培训的同学过来咨询我。 我问他目前是怎么学的。他说在看培训的视频，书太难了，看不懂。  如果是这种情况，恕我直言，可能永远没有机会进阶到第二级了。因为后面需要看的书籍，只会比入门书籍更难。

当然，肯定有同学有潜力，能通过自学或者培训到达二级水平或三级的水平，但路径可能比你想象的要漫长和艰难。如果你确定入行走这条路，我建议你尝试做这么个事情。去google（不要百度，百度出来都是一堆广告，简直误人子弟），比如： 数据分析 职业发展 ， 数据分析 书籍等。 筛选出靠谱的文章。然后仔细的阅读，自己去整理总结，理出一个特定方向的发展路径，关键能力，要学习的课程和书籍。不一定很准确，但经过自己的整理和思考，自己对这个方向会有更深入的理解。然后再重新问自己，是不是确定要走这条路。而且做了这个事情后，你问别人相关问题，也能问得更具体些。

看完上面的文字，估计很多同学要喷我了。 我本也可以写些政治正确的废话，鼓励大家努力往前。不过那么写，觉得对不住良心。所以还是写了实话。

有做工程的同学，发觉自己的发展遇到了瓶颈，然后抱怨自己所处的方向，天花板太低。于是他想转到数据方向。其实我看他所处的方向是没问题的，也有很多大牛人。只是他自己遇到了瓶颈，突破不了。对于这类同学，我的经验是。如果这个坎，你跨不过去，那么在数据，AI上面的坎，你也跨不过去。遇到了坎，不去努力突破，而是想绕过它，在后面你也依然难以突破。

最后希望大家能走在正确并且适合自己的道路上。

Python的爱好者社区历史文章大合集 ：

2018年Python爱好者社区历史文章合集（作者篇）

2018年Python爱好者社区历史文章合集（类型篇）

福利：文末扫码关注公众号， “Python 爱好者 社区” ，开始学习Python课程：

关注后在公众号内回复 “  课程  ” 即可获取：

小编的转行入职数据科学（数据分析挖掘/机器学习方向） 【最新免费】

小编的Python的入门免费视频课程 ！

小编的Python的快速上手matplotlib可视化库！

崔老师 爬虫实战案例 免费学习视频。

陈老师 数据分析报告扩展制作 免费学习视频。

玩转大数据分析！Spark2.X + Python精华实战课程 免费学习视频。

本文由Python爱好者社区 创作，采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。

转载、引用前需联系作者，并署名作者且注明文章出处。

本站文章版权归原作者及原出处所有 。内容为作者个人观点， 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台，并不用于任何商业目的，如果有任何问题，请及时联系我们，我们将根据著作权人的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。