30岁遇到发展瓶颈？AI来了，你的职业规划可能才刚刚开始

“很多程序员，毕业时薪资让同学羡慕，快到30岁却反了过来，干了4-5年后，上升路径要么模糊要么让人失望。”

我今年正好刚过 30 岁，理解了编程其实是一个更新换代非常快的技术，所以我们更应该精通 one，学习 another，关注 next。 说说我自己吧。自从我参加工作到现在：

• 物价涨了 3 倍

• 房价涨了 10 倍

• 工资涨了 20 倍

• 比特币涨了 1000 倍

• ……

对我的职业生涯帮助最大的是 2 张图：第一张是《黑客与画家》中的如何创造财富：

《黑客与画家》是硅谷创业之父 Paul Graham 的文集，1995年他创办了 Viaweb，帮助个人用户在网上开店，这是世界上第一个互联网应用程序，3 年后以 5000 万美元的价格卖给了雅虎。 

文中指出创造财富的关键是可测量行和可放大性，举例：血汗工厂的工人报酬是可测量的，但是缺少可放大。而高科技则具备了可放大性。 

对我影响最大的另一张图则是“个人知识管理”：

这张图也很古老，以至于里面提到的好些工具都已经不存在或者不流行了。但是这张图让我明白了一个道理：你的知识需要管理。【选择技术驱动型公司】 

为什么过去十年间，油条的价格上涨了 5 倍，而巨无霸的价格只上涨了约 60%。这就是前文中提到的科技具有可放大性。 

如果别人的工资都翻了好几倍，你却原地不动，想想自己从事的工作，是不是每天都在重复同一劳动。 

那么大多数程序员如何选择自己的职业呢？

• 离家近？

• 去大公司？

• 自己创业？

• ……

很多人找工作的一个误区就是盲目的追求“大公司”。我们应该加入技术驱动型公司，而不是业务驱动型。对于某些“大公司(外包公司)”而言，程序员的工作就是用软件实现某个功能，而不是设计软件。在那里，程序员被当作技工，职责就是将产品经理的构想翻译成代码。公司这么做的原因是为了避免设计上的灾难，而选择了减少设计结果的标准差。这对公司来说不是问题，因为生产特别优秀的产品不是它们的获胜手段。公司产品只要做到不太烂，就能赢。 

【抢占高薪朝阳行业】 

有很多人成为程序员都是因为程序员工资高（确切的说是不低），但是却不知道程序员工资为什么高。而且程序员根据语言和应用领域也非为不同的工种，不同的工种也会有很高的薪酬浮动。 

那么我们如何选择和提升自己的技能呢？ 

一个很重要的一点就是选择朝阳领域，而不是夕阳领域。比如传统 IT 现在已经逐渐变成夕阳产业，取而代之的是互联网。但是你要明白，互联网总有一天（或者已经）会“夕阳化”。 

而目前新兴的朝阳行业无疑是人工智能、大数据、VR、AR、…… 

去年阿尔法狗(AlphaGo)战胜了李世石的消息，又把人工智能重新推上了科技的巅峰。而根据今年 github 的统计报告，Python 的关注程度已经超越了 Java，成为本年度受欢迎语言的亚军。

去年最火热的前 10 个项目排行榜上，人工智能机器学习框架 TensorFlow 排在了第一名，更说明了越来越多的人对人工智能感兴趣，并且正在学习和研究。所以不少开发者还是积极拥抱未来，喜欢研究新兴技术的。

可以看到 TensorFlow 的 fork 数量已经远远超越了第二名的 BootStrap。然而 TensorFlow 创建于 2015 年 11 月，距今才刚刚 2 年多，而 BootStrap则发布于 2011 年 4 月，距今已经超过 8 年了。我们仔细观察这个榜单还会发现，在这个榜单中 TensorFlow 组织也是唯一 1 个两次上榜的。

行业的热度，从学习者的选择上也可见一斑。比如“硅谷云端大学”Udacity 的《机器学习工程师》课程，已经超过了 1 万人次预览学习，这从另一个侧面也反映了 TensorFlow 的火热。观察一下最近的招聘信息，就会发现人工智能的岗位数量以及薪资待遇都一路飙升，从目前的趋势来看，对人工智能、机器学习的人才需求也会出现井喷式增长。正所谓“技多不压身”，如果现在想学习一门新的技术，毫无疑问人工智能是首选。 

【选择专业的学习平台】 

Udacity 的《机器学习课程》由 Google x Kaggle x DiDi 联合推出，正所谓“谷歌出品、必定精品”。除了跟随硅谷明星导师进行系统学习，享受逐行代码审阅服务外，还可以挑战硅谷独家项目，实打实为自己的简历增加含金量。 

机器学习工程师进阶课程需要你掌握中级编程知识、中级统计学知识、中级微积分和线性代数知识，在硅谷无人车之父Sebastian Thrun的带领下，跟随业界大牛学习机器学习进阶知识！ 

【课程内容+实战】

• 第一部分：机器学习基础

  在这里，你可以学习到机器学习的基础知识，并初步了解一些机器学习可以完成的任务，如分类与回归问题，包括机器学习涉及到的统计分析知识以及模型评估和验证知识。 实战项目 1预测房价

• 第二部分：监督学习

  监督学习是通过已标注过的训练数据来完成分类或回归任务的一类机器学习方法。在这一部分中，你将学习决策树，神经网络，支持向量机等监督学习算法。 实战项目 2慈善机构寻找捐助者

• 第三部分：非监督学习

  当数据样本没有标签的情况下，非监督学习是其解决问题的最佳方案。在这一部分中，你将学习聚类，特征工程和降维等非监督学习算法。 实战项目 3创建客户细分

• 第四部分：强化学习

  强化学习也是一类重要的机器学习方法，它是一个序列决策问题。在这一部分中，你将学习Markov 决策过程与博弈论等强化学习知识。 实战项目 4训练机器人走迷宫

• 第五部分：深度学习

  深度学习是当今世界上最火热的一类机器学习方法，在许多领域中甚至超过了人类的能力。在这一部分中，你将学会使用 Tensorflow，并且学习卷积神经网络等知识。 实战项目 5小狗品种分类

• 第六部分 毕业项目

  选择一个你最感兴趣的内容，用你所学的机器学习和技术解决它。在毕业报告中，如果有引用，也一定要注明出处。 实战项目 6毕业项目

2018年，人工智能依然是一个异常火爆的领域。去年6月份，马云曾说：“回望历史，第一次技术革命和第二次技术革命先后引发了一战和二战，人工智能可能会引爆第三次世界大战。”不管是30岁还是60岁，保持学习的激情和毅力，都能够乘上人工智能的浪潮，为自己的职业发展可能性锦上添花。

机器学习工程师（进阶）课程已经开放报名，本期中国区仅剩不到100席位！扫描下方二维码，获得课程免费体验入口，领取300元课程红包。

↓点击阅读原文，了解《机器学习（进阶）》基石纳米学位项目详情