在当今这个数字化时代,计算机专业无疑成为了众多学子心中的热门选择。它不仅代表着高薪酬的吸引力,更象征着未来科技的无限可能。
然而,计算机专业的就业方向中,开发岗和算法岗成为了众多计算机专业毕业生的热门选择。这两个岗位,一个侧重于工程实践,一个专注于算法研究,究竟哪一个更适合你呢?
开发岗和算法岗是什么
软件开发工程师
软件开发工程师是从事软件开发相关工作的人员的统称。
他们在技术层面上需要具备广泛的知识和技能,这不仅包括对基础编程语言的熟练掌握,如C语言、C++、JAVA等,还涉及到对数据库技术的深入了解,例如SQL、ORACLE、DB2等。
此外,软件开发工程师还需熟悉.NET平台及其相关技术,包括C#编程和客户端/服务器(C/S)以及浏览器/服务器(B/S)架构的应用程序开发。
在技术栈的更深层次,软件开发工程师还需掌握一系列先进的编程技术和框架,例如JavaScript、AJAX、Hibernate、Spring、J2EE、Web Service、Struts等,这些都是当前软件开发领域的热门技术。
这些技术的掌握不仅体现了软件开发工程师的专业能力,也是他们适应快速变化的技术环境、满足市场和业务需求的关键。
算法工程师
算法工程师是专注于开发和优化算法的专业人员。
他们的工作领域可以根据研究的特定方向进行分类,比如音频/视频算法处理、图像技术方面的二维信息算法处理和通信物理层、雷达信号处理、生物医学信号处理等领域的一维信息算法处理。
算法工程师通常需要较高的学历背景,他们的工作直接影响产品的核心竞争力。
选开发岗还是算法岗
算法岗和开发岗都是技术人员的热门选择,但两者在工作内容、技能要求和发展前景上存在较大差异。
算法岗
更偏向于研究和创新,需要具备扎实的数学功底和算法思维,专业性和技术门槛较高,薪资待遇也更高,相应的就业机会可能不如其他技术岗位那样普遍。
同时算法岗对学历要求较高,通常需要研究生及以上学历才能进入。
开发岗
更偏向于工程实践,需要具备扎实的编程基础和工程能力,工作内容相对固定,但也有机会参与到一些有挑战性的项目中。
由于其广泛的应用和持续的需求,通常提供更多的就业机会。
开发岗对学历要求相对较低,本科生也能找到不错的工作。
计算机专业的就业前景广阔,选择适合自己的岗位,不仅要考虑当前的市场趋势,更要结合个人的兴趣和长远发展。
在软件开发的世界里,无论是选择开发岗的精雕细琢,还是选择算法岗的精益求精,持续学习和自我提升都是你攀登技术高峰的秘诀。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。