Re: [問卦] 資工寫程式以後月薪剩下多少?
※ 引述《plzza0cats (9歲幼女管管)》之銘言:
: 欸欸我很好奇
: 當初電腦在台灣發展,
: 一窩蜂的資料處理系
: 然後大家都很資料處理,
: 剩下22K
: 現在變成全民寫程式,
: 這樣10年後寫程式的價值剩下多少?
資深碼農來點評一下:
1. 程式設計訓練本來就有分高低
從 ntu 資工管到國立後段到私立資工管,到技職體系都可能還會碰過程式
而工作類型也有分難易度,從傳產的 ERP/CRM 到內部用的系統、或是俗稱 IT
這類型的系統大概就注重商業邏輯正確性 >> 效能
通常 RDBMS + 後端就搞出來了,
甚至連前端都是用 web form/jsp 等等混雜後端程式碼的方式寫完,再套 bootstrap
這類型的程式工作通常有大量的 CRUD,(新增修改刪除查詢)
而且可以 Copy 別的模組來寫,
然後比較不追求新技術來解決問題,門檻也比較低
較高門檻的工作通常是服務直接面對 end user,此時就要考量效能
不僅僅是瞬間大流量效能,還需要應付 SLA, HA, Sharding 等問題
還有蒐集大量 log 與相對應的大容量/流量 data
後端的 data pipeline 處裡也是最近很紅的職缺: data engineer
搞這些東西所要的技能樹又更廣,如 nosql, cache, hadoop, spark, kafka 之類的
寫的程式也會比較注重架構、效能,
而有資工管理論知識 (如演算法, 網路, 資安 ,OS 等) 會越來越派得上場
而現代前端的難易度也遠遠大於十年前用 jquery 刻的年代
為了應付現代用網頁處理複雜作業的需求
ps. 嵌入式等領域比較不熟,先不提到
更高階的通常是國際型公司,如 google / amazon / fb / ig / ms / apple
這些 user base 更高,分工更細,求品質效能不求快,
也相對嚴謹: 麻煩的測試流程, A/B test, performance test, long run test, POC 等
甚至願意投入研究
不只是純碼農,碼農也是可以點某個領域
最常見的是透過念碩,但有心的如 jserv/唐鳳 也是有辦法自己搞到世界頂尖
領域如: 電腦視覺/ML/影音串流/OS/網路/資安
總結就是: 一個蘿蔔一個坑
2. 寫程式不是上課就會,也不是寫了就會
寫程式科班在到國立尾段的時候,班上已經不到 50% 的同學走工程師之路了
在私立中後段,班上有只有一兩個人走寫程式都算常見
原因不外乎:
- 要動手寫才會,而且初期有很嚴重的撞牆期,心理素質不好的人
可能就會認為自己不適合、需要有興趣,或是分心去做其他事
- 沒花很多課外時間在技術上,上完課就沒了
- 終身學習,技術變換太快,終身學習是工程師基本能力,但很多人滿想要"爽缺"
至於寫程式是不是要有興趣? 我個人覺得不用
因為興趣是由成就感堆成的,
你一開始學 c 跟一開始學 javascript 的成就感肯定不同
剛學 javascript 不久畫面就可以動遠比 c 印星星有趣吧?
簡單說,程式教育普及化我覺得不用擔心十年後薪資變低等等
因為他本來就有門檻,不管是心理上或智商上 (通靈能力強還是有用)
反而是為何國家一直塞廢課給學生 (每個領域都覺得自己很重要,大家都要懂..)
而不像日本一樣多留一點時間給學生進行社團活動
大概是降
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 106.73.26.66 (日本)
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1601200782.A.C5A.html
推
09/27 18:02,
3年前
, 1F
09/27 18:02, 1F
噓
09/27 18:02,
3年前
, 2F
09/27 18:02, 2F
※ 編輯: alihue (106.73.26.66 日本), 09/27/2020 18:04:00
推
09/27 18:02,
3年前
, 3F
09/27 18:02, 3F
→
09/27 18:03,
3年前
, 4F
09/27 18:03, 4F
我覺得不是用不到,而是那些已經是基本常識,俗話說書到用時方恨少
總不能等到哪天需要實作某個資料結構才在讀什麼是 binary tree?
在大流量的公司中,棄用 open source 改自幹一個符合需求的軟體其實也是會發生
而且有時候所謂的"用不到"是因為個人當時不會、不知道原來可以這樣用
推
09/27 18:03,
3年前
, 5F
09/27 18:03, 5F
→
09/27 18:03,
3年前
, 6F
09/27 18:03, 6F
※ 編輯: alihue (106.73.26.66 日本), 09/27/2020 18:06:45
※ 編輯: alihue (106.73.26.66 日本), 09/27/2020 18:07:56
→
09/27 18:07,
3年前
, 7F
09/27 18:07, 7F
以不實作資料結構而言,至少對於採用哪些解法會有更好的複雜度而言會比較有想法
畢竟有讀過幾種不同的演算法,會比較知道眉角
※ 編輯: alihue (106.73.26.66 日本), 09/27/2020 18:10:09
→
09/27 18:08,
3年前
, 8F
09/27 18:08, 8F
→
09/27 18:08,
3年前
, 9F
09/27 18:08, 9F
→
09/27 18:09,
3年前
, 10F
09/27 18:09, 10F
推
09/27 18:09,
3年前
, 11F
09/27 18:09, 11F
→
09/27 18:09,
3年前
, 12F
09/27 18:09, 12F
→
09/27 18:09,
3年前
, 13F
09/27 18:09, 13F
→
09/27 18:10,
3年前
, 14F
09/27 18:10, 14F
※ 編輯: alihue (106.73.26.66 日本), 09/27/2020 18:10:58
→
09/27 18:11,
3年前
, 15F
09/27 18:11, 15F
我自己也是 leetcode 苦手XD
但我覺得如果目標在頂尖公司,同事都是頂尖的狀況下,演算法只是基本功
而其他大多工作是不會直接用到沒錯
※ 編輯: alihue (106.73.26.66 日本), 09/27/2020 18:14:34
推
09/27 18:13,
3年前
, 16F
09/27 18:13, 16F
→
09/27 18:13,
3年前
, 17F
09/27 18:13, 17F
推
09/27 18:13,
3年前
, 18F
09/27 18:13, 18F
→
09/27 18:13,
3年前
, 19F
09/27 18:13, 19F
→
09/27 18:14,
3年前
, 20F
09/27 18:14, 20F
→
09/27 18:14,
3年前
, 21F
09/27 18:14, 21F
"重點在 domain knowledge" 這其實是你的工作經驗得出的結論XD
寫程式累積的 best practices 與技巧、架構能力通常也能帶到其他工作
※ 編輯: alihue (106.73.26.66 日本), 09/27/2020 18:17:03
→
09/27 18:16,
3年前
, 22F
09/27 18:16, 22F
推
09/27 18:17,
3年前
, 23F
09/27 18:17, 23F
推
09/27 18:17,
3年前
, 24F
09/27 18:17, 24F
→
09/27 18:19,
3年前
, 25F
09/27 18:19, 25F
→
09/27 18:22,
3年前
, 26F
09/27 18:22, 26F
→
09/27 18:23,
3年前
, 27F
09/27 18:23, 27F
→
09/27 18:23,
3年前
, 28F
09/27 18:23, 28F
→
09/27 18:24,
3年前
, 29F
09/27 18:24, 29F
→
09/27 18:25,
3年前
, 30F
09/27 18:25, 30F
→
09/27 18:26,
3年前
, 31F
09/27 18:26, 31F
→
09/27 18:27,
3年前
, 32F
09/27 18:27, 32F
我覺得在學界的老師大多是帶入門的腳色 (當然還是有很厲害的老師)
帶入門懂大概的基礎後,要變專家/知道最新作法,
通常就要靠自己讀 paper / trace code、加入社群等
尤其專精到某個程度,已經 google 不到分享文,
通常要從官方文件/paper/trace code 下手
※ 編輯: alihue (106.73.26.66 日本), 09/27/2020 18:31:58
推
09/27 18:37,
3年前
, 33F
09/27 18:37, 33F
推
09/27 18:49,
3年前
, 34F
09/27 18:49, 34F
推
09/27 18:53,
3年前
, 35F
09/27 18:53, 35F
※ 編輯: alihue (106.73.26.66 日本), 09/27/2020 18:58:51
推
09/27 19:00,
3年前
, 36F
09/27 19:00, 36F
→
09/27 19:00,
3年前
, 37F
09/27 19:00, 37F
→
09/27 19:00,
3年前
, 38F
09/27 19:00, 38F
*
*
推
09/27 19:01,
3年前
, 39F
09/27 19:01, 39F
※ 編輯: alihue (106.73.26.66 日本), 09/27/2020 19:03:05
※ 編輯: alihue (106.73.26.66 日本), 09/27/2020 19:05:48
推
09/27 19:14,
3年前
, 40F
09/27 19:14, 40F
推
09/27 21:29,
3年前
, 41F
09/27 21:29, 41F
推
09/27 22:55,
3年前
, 42F
09/27 22:55, 42F
→
09/27 22:55,
3年前
, 43F
09/27 22:55, 43F
→
09/27 23:00,
3年前
, 44F
09/27 23:00, 44F
→
09/27 23:00,
3年前
, 45F
09/27 23:00, 45F
→
09/27 23:00,
3年前
, 46F
09/27 23:00, 46F
討論串 (同標題文章)