【工作】2024年,计算机相关专业还值得选择吗?

2024年,计算机相关专业还值得选择吗?

随着2024年高考落幕,数百万高三学生又将面临人生中的重要抉择:选择大学专业。在这个关键节点,计算机相关专业是否仍是“万金油”的选择?在过去很长一段时间里,计算机科学与技术、人工智能、网络安全、软件工程等专业一直以来是炙手可热的存在,吸引了大批学生前往。然而,随着行业竞争加剧和市场饱和度提高,该类专业是否仍具有长远的发展潜力和就业前景呢?

我不会声称计算机科学学士学位是通往幸福未来的灵丹妙药,因为我只知道我所见过的东西,而我没有那个学位。因此,在这里我只会客观地分享我所了解的信息,希望可以对在考虑选专业的高考生有帮助。


一. 计算机科学毕业生太多了吗?

计算机科学学位毕业生永远不会太多,因为技术在各个行业和垂直领域的应用无限,新的创新不断涌现。

然而,对于应届毕业生来说,技术领域似乎已经过度饱和,因为不断有新人进入这一领域,既有来自大学,也有来自编程训练营或在线认证途径。

二. 你需要计算机学位才能从事 IT 工作吗?

1)虽然学位对许多 IT 工作都有好处,但并非总是一项严格要求

许多 IT 工作至少需要相关领域的学士学位,例如计算机科学、信息技术或软件工程。但是,具体的大学学位要求可能因工作角色和雇主而异。有些职位可能会接受具有数学、电气工程或物理学等相关领域高级学位的候选人,特别是如果他们具有相关经验或技能。 

因此,许多雇主更看重实用技能、经验和认证,而不是从哪个大学毕业可以通过自学、实习或入门级职位积累经验进入IT行业。建立强大的项目并通过实践展示的技术技能通常与学位一样有价值,甚至更有价值。最重要的是展示必要技能的能力以及在快节奏的 IT 行业中不断学习和适应的意愿。

2)然而,编程训练营和自学并不是万能的

目前有很多人没有学习编程的学术背景,而由于“编程训练营”的数量正在增加,其中一些人也取得了不错的就业成功,但大多数拥有其他领域学士学位的学生会多多少少受到不公平的待遇他们通常也会接受基本编程软件、网络数据库开发的培训,但他们通常对算法、数据结构、软件设计、分析和其他关键技能一无所知。如果他们能完成训练营,找到工作,并在学习过程中学习这些技能,那就太好了,但大多数人都不是这样的。

CS 技能并不完全等同于软件开发技能。老师要向学生传授原理、概念和理论,以便他们能够适应技术变化(并且,对于更优秀的学生,可以引领这些变化)。加州州立大学马里兰州分校计算机科学副教授乔舒亚·格罗斯表示:“即使我有近十年的全职软件工程师经验、软件工程硕士学位、博士学位以及六年的博士后教学和研究经验,如果我想重返软件开发领域,我至少需要几个月的时间来适应新的框架和工具(集成开发的问题比以前大得多,这也是我离开开发领域的部分原因)。即使受过良好的教育,在软件开发领域保持领先地位也就像在柔软、深厚的沙地上奔跑一样。”

三. 编程仍然有需求吗?

未来五到十年内最大的需求可能会在这些领域

1)网络安全

通常谈论网络安全时,我们考虑的是防止黑客获取你的私人数据,或者防止人们入侵你的帐户、冒充你、获取你的银行记录等。但如果将其扩展到诸如虚假宣传活动和影响决策者和政策制定者(通过歪曲你的身份以隐晦的方式使用技术)如果我们将网络安全扩展到包括这些方面,那么它将成为未来五到十年最热门的领域之一。

2)数据分析

数据分析也将继续扩展,有更多数据可供使用在某种程度上是一个更大的挑战,因为更多数据并不一定意味着更好的数据,但这意味着有更多机会从我们记录的内容中得出有用的结论。

3)虚拟现实与云计算

虚拟现实可能会成为下一场革命,其影响力将不亚于智能手机,从根本上改变人与技术之间的互动方式。随着更多通用媒体(如 Netflix 和 Hulu 以及所有不同的流媒体服务变得如此突出)的出现,它们都建立在云计算和分布式网络这一强大的基础设施之上。因此,市场对它们的依赖也在增加。

四. 你可以探索不同的行业和领域吗?

“很酷的是,商业分析、数据分析和数据科学存在于你能想象到的每一种企业中,”南新罕布什尔大学 (SNHU) 全球校园 STEM 和商业项目副总裁Gwen Britton说道。“如果你对医疗保健充满热情,你可以进入医疗保健行业,成为一名商业分析师或数据科学家。如果你对商品销售、酒店业、政府、军队,甚至成为新闻人物充满热情,你可以选择你的热情所在。”

你想成为一名全栈开发人员吗?那你的技能也适用于软件工程师、应用程序开发人员和用户界面或用户体验设计师。你想成为一名云架构师吗?那你的技能对于网络安全分析师或网络软件工程师的角色来说也很有价值。有超过一千个职位需要“计算机科学”作为一项技能,你可以从其中任何一个职位获得相关经验。

五. 选择专业时还可以考虑哪些事项?

从某种程度上来说,选择专业比随后的学习更困难。但是,你可以做很多事情来减轻这个过程的压力,并帮助你做出一个你可以自信的决定。 

1)了解目前的优势和技能

首先盘点一下擅长什么以及喜欢做什么。考虑一下的优势,无论是解决问题、创造力、沟通技巧还是其他软技能。然后,思考这些技能如何转化为不同的行业。了解的优势将帮助将职业道路与擅长并能带来成就感的领域相结合。

2)参加一两门课程

探索不同行业的最佳方式之一是参加与感兴趣的领域相关的课程。Springboard、Coursera、Udemy 和 LinkedIn Learning 等在线平台提供涵盖各种主题的各种课程。通过深入研究这些课程,将获得对不同行业的宝贵见解,发现新的兴趣并磨练的技能。有些课程专门针对初学者培训入门级工作。 

3)探索就业前提条件和未来前景

研究不同行业的就业前提条件和未来前景。研究就业增长、薪资潜力和技能需求等因素。劳统计局或行业特定论坛等网站可以提供有价值的信息。了解就业市场将帮助做出明智的决定,确定哪些行业为的职业发展提供了最有希望的机会。

4)加入在线社区,与业内人士交流

探索不同行业时,建立人脉至关重要。加入与感兴趣的行业相关的在线社区、论坛和社交媒体群组。与已经在这些领域工作的技术专业人士交流,提出问题,并学习他们的经验。建立人脉可以提供宝贵的见解,并帮助建立联系,从而在求职过程中打开新的机会之门。


最后,用加州大学伯克利分校数据科学职业发展教育员 Eric Van Dusen 的一句话来结尾:“我们的愿景不仅仅是吸引那些进入数据科学垂直领域的人才。计算机是每个人都应该具备的 21 世纪职业技能。每个人都应该掌握一些这些工具的知识。每个领域都是如此。”

以上就是全部内容了,下期再见,Bye!

  • 29
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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