一、大环境
国内就业环境不好,各行各业都在内卷。
互联网行业不像传统行业和体制内那样,过度依赖资历、经验,能吃老本。计算机从业需要不断地学习,更新知识储备,若是中断学习摆烂,就会逐渐被行业抛弃。
计算机相关岗位基本都会有 35 岁危机,很少有例外。算法工程师看上去门槛要比普通程序员高,但它同样会有 35 岁这道坎儿。而且随着技术发展,现成的模型、框架、代码越来越多,入门的门槛会进一步降低(搜索推荐等几个有核心竞争力的算法岗位门槛仍相对较高)。
算法相关从业人员多了,不可避免的是内卷程度越来越高,红利越来越少,个体淘汰率越来越高。若要想往上走不被淘汰,就要不断地学习前沿知识,拼命卷自己,拼命卷别人。
举个例子。
计算机视觉(CV)领域相关理论研究几十年了,工业应用也有一二十年了,有大量现成的算法和代码。CV 入门其实并不难,很多人做的创新工作其实就是「调参」。
看近几年的 CVPR 可以发现,不少国内顶尖高校的本科学生(在导师指导下或独立)已经成为顶会的常见嘉宾,做到了许多博士都做不到的程度(你说有多卷)。
还有一部分喜欢做项目的学生,能够独立检索文献资料手撸代发做项目,依靠各种框架做出不少像样(孵化投产)的东西。
今日不同往昔。现在的大学生水平越来越高,动手能力越来越强,能接触到的前沿知识和资源越来越多。对比从业十多年,学习能力逐渐到了瓶颈期的 CV 工程师(35 岁上下),有过之而无不及。
或许一开始老员工还能靠经验取胜,但工作一年后,效率对比显然易见了。
人终究不是机器,老人很难卷过年轻人。
企业始终是效率为王,为了实现效益最大化,企业家最喜欢做的事情(也是最经济有效的做法是),开除卷不动的老员工,用他的工资请两个甚至更多便宜好用的应届生继续卷。能成功留到最后往往只有少数人,大部分企业的现实是非升即走。
要想留在这个战场,就要有把自己卷成大佬觉悟。这就要求个人保持对工作的热爱,加强学习,不仅要懂算法,还要懂业务以及技术发展趋势和市场变化。
我的两个搞算法的朋友,都是深度学习最火的时候杀入市场的。一个毕业后在研究所里面卷,后来卷不动去读博了;另一个在大厂卷了两年,后来他觉得他搞的那个方向没啥出路,上面也不打算烧钱了,就找了个机会内部转到开发岗去了(他代码能力还不错)。
二、提升建议
如果不是卷王体质,完全可以提前规划,从算法行业内卷的环境中挣脱出来,趁着自己还有学习的精力,拓宽自己的技术面,多点开花,把技能点往开发上点一点,尝试在开发方向走出一条康庄大道。
毕竟目前软件开发岗位市场需求量还是非常大的,各行各业都亟需软开人才,也不用担心自己失业下家的问题,而且国企、银行这类单位对大厂程序员也持欢迎态度。
最重要的是,现在的开发与过去的开发有很大不同。以前入门难,一边要苦哈哈地啃书、读技术手册,然后写代码,再一遍遍地调试,苦不堪言。但现在,基于 AI 大模型的编程,让开发变得更加容易上手。
技术迭代就是不停地把大家拉回到同一起跑线,谁先掌握前沿技术,谁就更容易实现弯道超车。要把握好技术迭代的最佳入场时间,才能享受到技术红利。
借助大语言模型,开发变得越来越简单。
随着大语言模型技术的迭代,在最新的用例、最优质且足够庞大的训练集加持下,手撸枯燥无味代码的日子正在逐渐成为过去式,对写代码的能力要求逐渐降低。
借助框架,可以快速实现应用程序的开发(如 LangChain,开发者可以直接调用其中封装好的大量相关逻辑和代码实现,实现基于语言模型的应用程序的快速开发)。
大模型技术的发展,一定程度上改变了计算机行业的生态。越来越多的程序员为了提高工作效率,一人分饰数角,前端后端 UI 一人包揽,借助大模型完成大量繁复的工作。
P.S. 这里多说一句。
问了几个在大厂里卷的同学,大家在实际工作中已经开始使用各类大模型辅助程序开发,而且效率提升明显。-
随着技术迭代,开发一定会变得越来越简单,就像拼乐高积木一样,只需按照设计好的 MOC,需要哪个零件就取哪个零件,拼接组合,而不用去考虑如何制作零件,这样会大大降低了时间和人工成本。从节约成本考虑,未来开发的趋势一定是结合 AI 的。
三、一些思考
我前几年就职某国企的开发岗,那时候还没有 AI 辅助开发的概念。
传统企业不像互联网大厂那样,有精细化的分工协作,中小型项目一般就一到两个人完成,大项目完全依赖外包。做项目的时候,有时候一个人既要做前端,又要做后端,资源不够的话还要自己设计 UI,效率可想而知。
在这个背景下,难度有三:
一是开发手册看到吐血,有时被一个 API 折磨得抓耳挠腮;二是遇到不明 BUG 调试一天没结果,特别是前后端交互传参老出错;三是框架老旧,有些新功能无法实现(国企怎么可能用到最新的技术,能实现基本功能就可以)。
现在回想起来,如果当时能够借助 AI 来做开发,这三个难题或许就迎刃而解了,起码不会因为实现或改进一个功能加班到凌晨。
个人感觉,大语言模型应用于开发逐渐成熟,许多冗余工作可以完全交给它来实现,程序员可以把工作重点放在核心代码块。特别是对于一个刚刚入门的开发者来说,AI 的助益绝对是不可忽视的。
在开发上,大厂更重效率和产出,国企更重实现和可用,借助 AI 大模型,其他岗位(尤其是算法岗)向开发岗转岗过渡会更加平滑。
大模型&AI产品经理如何学习
求大家的点赞和收藏,我花2万买的大模型学习资料免费共享给你们,来看看有哪些东西。
1.学习路线图
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
2.视频教程
网上虽然也有很多的学习资源,但基本上都残缺不全的,这是我自己整理的大模型视频教程,上面路线图的每一个知识点,我都有配套的视频讲解。
(都打包成一块的了,不能一一展开,总共300多集)
因篇幅有限,仅展示部分资料,需要点击下方图片前往获取
3.技术文档和电子书
这里主要整理了大模型相关PDF书籍、行业报告、文档,有几百本,都是目前行业最新的。
4.LLM面试题和面经合集
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集***
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓