`
owlman
  • 浏览: 63343 次
  • 性别: Icon_minigender_1
  • 来自: 杭州
最近访客 更多访客>>
社区版块
存档分类
最新评论

技术学习的选择因素

阅读更多
应该说我们很幸运,我们生活在一个百花齐放的技术世界,每个技术领域都有四五个方向可以选择,但是,这又是非常不幸的,因为选择正是一切痛苦的根源,很久以来,我就不停的收到提问,“我应该选择什么语言?”、“我应该学那方面的编程?”、“我应该选择那个平台?”等等,每次我都对提问者的具体情况做了详细的回答,但久而久之,连我自己都有一个要总结一下的欲望,看看那些因素应该左右我们的选择,或者说我们选择的时候应该考虑什么?
首先是市场,对,没错,我们生活在一个物欲横流的世界,我们不能也无法无视市场的作用,但是,很关键的一点,我们对市场的认识是基于什么的分析?这里有三个可能,
第一,来自身边的高手,这些人肯定至少在我们这些请教者看来在他自己的领域是有相当的能力和见解的,因此他们的建议肯定是值得关注的,但是我们必须注意两点,首先,你应该肯定一下,你请教他的领域是不是就是你选择的领域,而你请教的只是在这个领域内部的某个具体的选择,举个例子,你请教一个C#程序员,而他对.NET框架很有研究,那么你可以问他:“.NET框架在未来的几年里那些方面比较有希望?”但你千万不要问他:“J2EE和.NET那个好?”因为首先他会鄙视这样的问题,然后,就是他告诉你了他的答案,也不能保证这种答案的价值,因为他对J2EE的认识可能不如.NET;再次,你不能把他带有感情色彩的话太当回事,比如,“.NET是个垃圾,微软的东西都是垃圾! ”,可能他自己有充足的理由这么说,但是,这是不是垃圾应该你自己来判断,而且说真的,你还不知道他本人在某些方面是不是垃圾,如果是垃圾说的垃圾,说不定还是宝贝呢(双重否定等于肯定?)!是吧?
第二,来自媒体,网络上到处都有一堆一堆的统计数据,而且不可否认都有一定的准确性,关键是我们怎么用这些数据?我们知道程序员群体肯定是个精英群体,因此他的水平分布肯定是个金字塔型的结构,你把自己定位在那儿?人多,市场小,市场大,人就少,而且还要加上你的学习时间过后的走势,恩,不会比买股票容易,而且如果你能完全料准的话,还不如去炒股……
第三,来自身边的群体,大家学什么你就学什么,这样的好处是利于交流,而且大家都这样,有安全感,中国人也向来喜欢如此,但这个方法问题很多呀,你不知道为什么学?(因为大家在学)。你不知道学来做什么?(等看大家做什么)。你总是跟着,等人家在前面把市场占满了,还能跟吗?
所以,市场分析基本上是句空话,他最多只能给你一个大致的选择方向。
然后呢,应该是兴趣,你喜欢什么就学什么,这当然很好,而且我的大部分计算机能力也是这样得到的,但是这样也会遭遇一些尴尬的局面,你苦苦专攻了三四年,突然发现你很难凭他找到工作,因为你身边没这样的公司,而这样的公司离你十万八千里,或者公司里这样的部门人满为患,除非我们有诸葛亮这样的耐心和自信。否则肯定是郁闷不止。
所以兴趣可以成为动力,但不能指定方向,这个因素可以重视,但不能唯一依靠。
接着是技术认识,一项技术肯定具有他的意义,这些意义可能决定了他未来的走向,而且技术往往决定了一系列具体技术方向,比如虚拟机技术,java也好,。NET也好,都离不开这个本质,而这项技术又比较好的在一定的范围内解决了程序界一直在追求的移植问题,那么他应该值得你花点时间关注一下,一旦你掌握了虚拟机的基本原理。Java或者.NET对你都不是太难的问题了,学好了其中一个,另一个基本上也就不学自通了。
因此,对技术本身的认识是进一步选择技术发展方向的一个不可忽视的因素,这样的因素也一般是可靠的。
最后,我们还应该明白,如今并不缺乏多面手,缺乏的是各个领域的顶级的专业人才,我们应该固定一下自己的涉及范围,把有限的精力发挥好,这样才会有实质性的收获。
分享到:
评论
2 楼 owlman 2007-06-24  
是的,语言之争是小朋友干的事儿,就好像我们小时候和别人争论刀好还是剑好一样。。。
1 楼 xombat 2007-06-23  
读过
是不是一个人不再考虑语言的问题的时候,就已经证明自己是高手了。

相关推荐

    机器学习对学生学习成绩的预测-系统评价-研究论文

    增量学习技术管理着过去的专业知识,以适应未来的选择和更新系统。 在我们的整个工作中,我们使用机器学习方法或识别模型来预测学生的学业成绩,并且可以应用于教育的数据挖掘中。 我们希望在我们的研究报告中预测...

    利用机器学习技术检测心脏疾病

    项目致力于利用机器学习技术检测心脏疾病。...通过该项目,用户可以学习和探索机器学习在医学领域的应用,了解心血管疾病的风险因素和预测模型的建立过程,为早期预防和诊断心血管疾病提供技术支持。

    基于Python的房价影响因素分析(源码+文档).zip(高分可用项目)

    4. 特征选择和降维:使用机器学习中的特征选择方法,如方差过滤、相关系数、互信息等,来选择对房价影响最大的特征。还可以使用降维算法,如主成分分析(PCA)等,将高维数据降低到低维,以便建立模型和进行可视化...

    动手学深度学习

    本书⾯向希望了解深度学习,特别是对实际使⽤...第 8 章检验了影响深度学习计算性能的⼏个重要因素。第 9 章和第 10 章分别列举了深度学习在计算机视觉和⾃然语⾔处理中的重要应⽤。这部分内容可供你根据兴趣选择阅读。

    论文研究 - 创业学习环境和内在学习者需求对创业教育的影响

    345名学生构成了样本量,该样本量是使用先验样本量计算器绘制的,并且采用分层抽样技术来选择受访者。 使用结构方程模型分析数据。 研究结果表明,ELE是影响学生的ELO的最重要因素,而ILN和EM对ELO的影响很小。 ...

    机器学习中特征选问题研究

    影响机器学习性能的最重要因素之一是向系统提供的数据的质量。随着计算机技术的高速发展和广泛应用,高维度的大规模数据不断涌现和积累,这些高维数据中存在着大量的冗余、无关特征,给现有的机器学习算法提出了更高...

    深度学习技术在医疗图像诊断中有什么样的应用

    此外,一些文章的研究结果表明,无论是激活的幅度或选择性,还是对网络决策的影响,都不足以决定一个神经元对给定任务的重要性[2],即,现有的深度学习模型中的主要参数和结构都不能直接解释模型。因此,在医学、...

    基于pytorch的深度学习花朵种类识别项目完整教程(内涵完整文件和代码)

    1、项目要求: ...选择GPU计算、选择训练哪些层、优化器设置、损失函数设置… 训练全连接层...... 详细介绍见:https://blog.csdn.net/zhaohaobingniu/article/details/119922606?spm=1001.2014.3001.5501

    用机器学习来预测学生成绩表现-python实现

    这是一个简单的机器学习项目,使用分类器预测影响学生成绩的因素,使用 CSV 文件中的数据 在这个项目中,使用了一个数据集,其中包含来自不同国籍、不同年级的学生以及举手人数、出勤人数、学习时数等 SOE 决定因素...

    2021-2023年中型企业新兴技术路线图

    2021年,企业会更有选择性地采用自动化相关技术,进而他们在部署某些新兴的IT自动化技术时会十分谨慎。在今年介绍的所有IT自动化技术中,只有20%的技术自去年以来在技术采用周期中取得了进展,而2020年的数据为30%。...

    2021-2023 大型企业新兴技术路线图.pdf

    2021年,企业会更有选择性地采用自动化相关技术,进而他们在部署某些新兴的IT自动化技术时会十分谨慎。在今年介绍的所有IT自动化技术中,只有20%的技术自去年以来在技术采用周期中取得了进展,而2020年的数据为30%。...

    基于Python 机器学习进行医疗保险价格预测数据集

    基于Python的机器学习进行医疗保险价格预测,是一个结合了数据科学、统计学和机器学习技术的复杂...通过训练模型,我们可以让机器学习算法从数据中学习到影响医疗保险价格的关键因素,并基于这些因素来预测未来的价格。

    论文研究 - 尼日利亚东南部海事组织州大专院校女大学生中的性虐待:流行,模式和决定因素

    使用多阶段抽样技术对他们进行选择,并使用预先测试的,半结构的和自我管理的问卷收集数据,并使用计算机软件(EPI INFO版本3.3.2)进行分析。 描述性统计数据使用汇总索引,频率表和百分比表示。 变量之间的关联...

    TI运算放大器学习资料2

    的其他一些主要因素会形成回路,如印制板 (PCB) 上的寄生电容、电容中的寄生电感以及电阻中的寄生电容与电 感等。我们下面介绍的大多数经验与技术并非仅仅是理论上的,而且是从利用增益带宽小于 20MHz的运放、实际 ...

    基于机器学习的道路事故预测分析-研究论文

    如今,机器学习技术在道路事故领域的应用越来越受欢迎。 机器学习分类器的部署取代了传统的数据挖掘技术,以产生更高的结果和准确性。 这项工作对使用机器学习领域的与事故预测相关的各种现有工作进行了调查。

    TI的运放学习资料1

    选择增益带宽小于 20MHz的原因是,随着运放带宽的增加,电路中的其他一些主要因素会形成回路,如印制板(PCB) 上的寄生电容、电容中的寄生电感以及电阻中的寄生电容与电感等。我们下面介绍的大多数经验与技术并非仅仅...

    论文研究 - 腹腔镜技术培训的教学方法:肠吻合术

    这项研究为外科技术的学习设计了一种新方法,该方法可将所有先前因素对外科医师培训的影响降至最低。 分析了其在腹腔镜人工肠吻合术教学中的有效性。 已经要求一组由24位专家组成的外科医师进行肠吻合术教学,这些...

    知识领域:人工智能;技术关键词:网络搭建和训练;内容关键词:模型构建、参数优化;用途:构建和训练深度学习模型,用于图像处理、语言

    搭建过程中需要考虑网络的深度(层数)、宽度(每层的单元或神经元数量)以及激活函数,这些都是决定模型性能的关键因素。 训练过程则是通过大量数据来调整模型的权重和偏置,使其能够准确预测或分类。这涉及到损失...

    基于机器学习的糖尿病检测系统内含数据集和论文.zip

    基于机器学习的糖尿病检测系统是一种利用人工智能算法分析医疗数据,以辅助诊断糖尿病及其相关并发症的技术。这类系统通常依赖于大量的医疗数据,包括患者的个人信息、临床检测结果、生活方式等,通过机器学习算法对...

Global site tag (gtag.js) - Google Analytics