关于转行的问题

今天的文章,聊一聊大数据从业者,在当前行业低迷的时期,如何继续在职业上更进一步,亦或者逃离。

今天和腾讯的朋友闲聊了两句,他说自己不知道要不要转行,现在职业发展很迷茫。

| 01 要不要转行

咿,大佬也有这个困惑吗?

哈哈哈

不要以为这个命题,在毕业头几年才会出现,其实,这个命题会持续我们整个职业生涯。

只是工作越久,大家的沉没成本越高,也就导致大家不敢轻易去转行,毕竟重头再来需要勇气和努力,还要看有没有合适的机会。

回到转行的命题。

首先,大数据行业不会消失,互联网更不可能。

虽然,以 BAT 为首的互联网大厂都在持续地裁员。比如阿里巴巴在Q4财报中披露了最新的员工数量,截至2024年3月31日,员工总数为204,891人,截至2023年12月31日为219,260人,减少了14369人。

但是,互联网和大数据已经渗透到各行各业了,成为实体企业发展不可缺失的关键融合支撑技术了,因此,行业不会消失。

其次,行业再也不会恢复以往的高增长了。特别是在 2010 年到2020 这 10 年的行业高增长红利,已经一去不复还了,行业再也不会出现一波波造富神话故事了。

基于以上两点,再考虑要不要转行的问题,只有认清客观事实,而不是跟随社会热点讨论,陷入无止境的焦虑,才能更好地做决策。

已经离开的,活得很好。很多人离开了互联网行业,有的去开滴滴,有的去乡村发展,有的则搞起了艺术类创作、更多的人直接去做了自媒体行业,他们故事很精彩,活得也很好。

留下来的,依然获得很好。我有很多同事,依然留在大厂,他们每年上下班不打卡,出差经费 1000/天以上,零食和饮品不限,在高级写字楼中工作,可以俯瞰整个城市,傍晚时,整个楼层都被夕阳包住,映在脸上,很红。

没有活得不好的吗?

当然有了,但是,我们有转行的困惑的时候,当然要奔着更好的生活去啊。既然,转行的和不转行的都有活得很好的人,那么,这个人为什么不可以是我们自己呢?

是吧!

| 02 留下来,如何做更好呢?

由于我本人是选择留下来的人,所以,可以更好的基于自身经验提供一些建议和思路,希望对你有所帮助。


就以我所在的大数据领域举例吧,大数据技术日新月异,很好地体现互联网行业的发展底色。

2.1 不要停止学习

特别是工作 5 年以上的人,很多很多的人一年都看不了一本书。你没看错,就是一本书,而且我甚至没有对这本书加任何限制词汇,比如小说或者行业相关的等等。

这样的人你身边肯定有很多,甚至你自己就符合这一条。

我这里用读书来举例,肯定很多人不以为然,认为自己虽然没读书,但是,听了很多博客,每天上下班都看很多行业新闻,总不能说自己没学习吧。

我这里只是用读书作为案例,核心建议是:不要被动吃老本,躺在过去的功劳薄上。

因为行业发展很快,很多技术层出不穷。特别是最近 2 年,大模型出现后,使得 AI 再一次地站在了行业风口,出现很多的技术变革和行业场景变化。

如果停止学习进步,不出意外,不出 2 年你将被行业无情地淘汰,即使你在大厂,大礼包也可能随时送达。

一旦失业,因为你自身的能力长时间未得到更新迭代,和企业最新的要求严重不匹配,想要找到合适的工作将变得非常困难。

2.2 持续建设长板,选择性弥补致命短板

我们很多人被一句话骗了:决定人生高度的是一个人的最短短板。也就是著名的短板理论。

但事实上,最长的长板决定了我们的人生高度。

在社会化分工越来越精细的情况下(而且不可逆),只有突出的优先,才能让你从人群中脱颖而出。

比如你公司今年准备立项一个新项目,叫数据中台,且需要同时支持离线和实时场景,但是,现有的人员都只懂离线,没人懂实时相关的技术。

而你通过自身的努力,集中突击了一下实时相关的技术,主动承担了实时相关的工作,因此,你成为部门中,同时掌握离线和实时技术能力的人。

那么,你的个人发展一定会优于其他人的,实时技术的掌握就成了你的长板。

我们当然会存在短板,而且每个人都会有。毕竟人的精力是有限的,每个人都只有 24 小时。

好在,很多的短板对我们的人生影响并不大,如果真的存在致命性的短板,适当补到平均水平即可,而不是硬生生把短板补成长板,非常愚蠢。

2.3 去思考 AI 和你的关系,和你工作的关系

AI 是全球互联网从业者逃不开的话题,我们很多人的工作并不直接与 AI 相关,但是,我提醒你一下,即使当前不相关,你依然要思考:AI 和你的关系是什么?和你的工作有什么相关?

相信我,当你有了越来越清晰的答案的时候,你已经将 AI 的运用能力打造成了自己的又一个“长板”。

未来我们很多的工作一定会交给 AI ,比如我们当前需要花费很多精力去整理的会议纪要、会邀、日程编排、邮件答复、文案书写、活动策划、代码书写等等。

未来只有能够熟练掌握 AI 技能,类似熟练掌握今天的 Word、EXCEL一样,才符合企业的用人标准,也会有越来越多的企业在招聘中,明确要求应聘者有使用 AI 辅助工作的经验。


AI时代的职场新潮流
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。
在这里插入图片描述

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。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

请添加图片描述

  • 13
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值