: 簡短的背景介紹:
: 小弟即將滿27,是120土木測量所應屆畢業,碩士時因緣際會跟著研究室弄深度學習,開
: 始接觸寫程式及AI算法(主要是電腦視覺)這塊,由於教授算相當嚴謹&博班學長在軟硬
: 體這塊滿有天份(他十分培養我),雖然非CS本科,但就DL領域來說自認有學到在業界堪
: 用的程度。
: 畢業前夕在開始投履歷之前就被幾間做智慧農業的公司抓去面試(剛好跟研究室也在發展
: 智慧農業),本來懷著畢業登積賺大錢的夢想,但當時女友的爸爸剛好是GG前廠長,表示
: 完全不推薦我去GG,反而滿看好我先去中小公司練功,而抓我去面試的公司也開出對當時
: 的我而言還行的Offer,就選了其中一間起薪年薪4x * 14的PM職就業,公司環境及與面試
: 官的談話都相當投緣,所以拿到offer後也就沒再自己投履歷跑去專心準備論文及口試。
: 工作概況:
: 面試時主管有提到這個職位不太會寫程式,進來的前幾周幾乎做些行政職及UIUX規劃著實
: 有些不習慣;在同事們了解我的背景後,開始有些髒資料處理、GPS訊號處理及影像處理
: 等現有工程師不太有經驗的事情會找我幫忙寫,雖然只會python但都能順利解決問題,so
: urce code我也樂意給工程師參考改寫成他們需要的語言。
: 當初這個職缺好像有點MA(儲備幹部)的意味,總經理在與我多次談話中也發現我在AI的
: 耕耘不僅僅是皮毛,近期開始接了AI的專案、多次提及未來公司會多一個由我主導的AI部
: 門,想藉著我來這間公司的契機拼一波轉型。
: 公司開啟AI專案後,由於內部只有我一人有影像處理/AI的相關背景但我在此之前沒有做
: 服務的經驗,我自學了一些RESTful API及Docker等框架,順利幫公司應急生出了幾個穩
: 定的服務,也常常閱讀最新的paper,雖然公司AI發展晚,但還是能用上近幾年的SOTA架
: 構及概念(最近剛導入ViT及其他Transformer在影像上的應用),而今年年後也直接獲得
: 不錯%數的加薪(4x -> 5x)。
: 我的問題:
: 一開始覺得這個起薪還算不錯,但出社會沒多久研究室學弟妹預辦登積錄取,薪水聽起來
: 真的挺香的,以前認識的四大朋友,幾個順利去發哥等大公司的(甚至一個拼上Google)
: 更香到流口水,我能理解我現在的工作內容及環境(不用加班)拿這個薪水算是不錯,但
: 還是很想在30歲時順利年百。 從總經理的意思來看,他一直都沒有想讓我當RD(眼前是
: 一直還沒找到像樣的AI工程師所以我來代打)、而是想把我培養成未來的管理層,聽起來
: 薪水成長是還有空間,但小公司的天花板也實在不知道能高到哪裡去。
: 為了充實自己、哪天機會降臨時我就能再次抓住,幾乎每天都會抽時間自學新的技術及觀
: 念(如Tensorflow的低階API、Docker、Flask、2022最新的算法等等),並透過線上課程
: 學了C++補齊非CS本科可能缺乏的觀念,也時常規劃下一步要學什麼,目前是GO語言(未
: 來想用GO語言打包AI服務,會比Python執行更有效率)及K8s(下一個專案服務規模會提
: 升,希望能結合Docker做到快速部署)。 為了更好熟悉新學的技術,我會直接用在公司
: 的服務開發上面,也寫了許多技術文件給技術部主管參考,因為這些東西在過去確實是公
: 司沒有接觸過的,技術主管也給過我不少肯定。
: 我的問題在於,這些技術學了,好像沒辦法100%保證對現在公司有所助益,像是最近學
: 了Docker,也寫了技術文件給公司,但因為現存工程師都沒有相關的概念,短時間內好像
: 沒有明顯作用;GO語言是現在的趨勢之一,但就算我能順利用GO幫公司寫了服務,但未來
: 經理如果認真要讓我回到純PM管理職,也沒辦法踏實的熟悉這門語言。
: 既然如此,我該專心的照著經理的規劃去學那些管理類的東西、等著未來升職,還是照著
: 現在自己掌握到的業界趨勢,繼續自學新技術,期待未來跳槽呢?
: 整理幾個重點問題:
: 1. 現在公司給我滿大的信任、環境好,但天花板不會太高,大家建議我就順著經理的培
: 養走管理職,還是繼續自學未來等跳槽? (以30歲年薪百萬、不追求發哥那種3~4百但
: 還是希望人生巔峰可以到200萬為前題)
: 2. 如果學習管理/研發只能二選一,大家怎麼建議?
: 3. 就我上述的概況,若是繼續學軟體的話,大家是否有更推薦的方向及技術?
: 謝謝大家的耐心閱讀!!
: (補充一個工作內容:目前我上班,每天固定8小時,大概是2/3行政跟1/3 Coding的比例
: ,算是滿特別的身份現在)
關於學技術,小弟也常在學習:
隨便舉10有用到專案或論文的程式語言吧:
C, C++, perl, java, c#, vb.net,JS,PHP, Ruby, Python…(懶得打字了)
隨便舉10個我有的資料庫/類資料庫吧:
Oracle, Mysql, PostgreSQL, MSSQL, MongoDB,Redis,Hbase,Hive,ES,Neo4j,Milvus…
小弟也常在學AI,隨便舉我用過到專案上的幾十個模型…
(略,懶得打字。我不只玩NLP,我業餘也要做CV, Speech)
小弟之前工作也常用 jira, git, Jenkins, docker,k8s…(略)
以前大數據那套Spark, Kafka等我也常用。現在工作沒需要比較少用。
Web framework更不用說了,這20年來從早期EJB時代,到現在微服務,追了10個以上。
可惜的是:
我描述自己在學技術時,或寫履歷時,
我完全不會這樣來經營自己來提升競爭力。
因為這些工具或系統,
大部分難的工作都被指令API包好了,
剩下大部分就是就是考我的記憶能力,
熟悉能力而已。
遇到問題就是上網路查一下指令或API自己哪裡不熟悉。
這樣對我來說,根本不敢說是競爭力。
拿修汽車來說好了,要看一個人修車技術好不好,
如果你看到一個人說:我有10種扳手,我有100種螺絲釘子,
我有修過10種車子…有意義嗎? 只會讓人覺得,這個人工具很多。
如果這個人是說:我之前在德國xxx車隊,F1性能調教工程師。是不是聽起來比較厲害呢。
拿廚師來說,要看一個人的煮菜好不好,如果他是用嘴巴說:
我煮過100道不同的菜喔,我有9把刀喔,我有8種醬油喔…。
只會讓人覺得,這個人煮菜很多年,實際上好不好吃根本無法體會。
如果這個人說:我待過法國米其林餐廳當主廚,然後還煮給我吃,我馬上佩服。
同樣的,一個工程師,技術學得好不好,
通常我們也不是看,這個人學不學AI,會多少模型,
這個人有沒有學K8S。而是看:你透過AI模型完成什麼事情呢?
這模型準確率多少,這產品多少人用?如何解決計算性能的問題?創造多少收入?。
你用K8S去提升多少員工的效率呢,或解決用戶數量擴增的問題呢?
能做到多自動與彈性呢?如何解決雙11突然爆量呢。
如果你履歷能說出,你的AI模型,月活有xxx萬人,
而且模型準確率,不斷演進與進步,或計算成本逐步下降,哪技術就有得聊下去了。
學技術當然好,但是職場上要的不只是你學很多東西,你有很多工具。
工具只會讓你找工作的機會變"多",不代表找得工作會變更"好"
不代表你有技術競爭力。
真正要建立技術競爭力,你要思考一下上述修車與廚師的例子。
為什麼大家都有學技術工具,有人可以修F1領高薪,有人到路邊修車廠鎖螺絲。
有技術產生好的戰功才是重要的。
選擇戰場一直都比學習技術重要。
要有戰功,最快的方法就是逐步到有戰場的團隊或產品。
跳槽時,越跳越大的戰場。這樣才能把技術工具越玩越深
做得東西越來越有價值。成就感與薪水當然與眾不同。
這就是同樣大家都學技術,為什麼有人走向了,修車廠鎖螺絲工人
有人走向了F1性能專家。
不管是PM,還是工程師,都是 如此。
希望以上廢話,能給你一點除了學習以外的啟發。
--