普通本科程序员出路？

一、普通本科程序员出路？

普通本科程序员的出路有很多，首先可以进去公司实习，也可以自行开发软件，可以创业

二、程序员需要考普通话吗？

没有必要考普通话证书。

计算机专业就业方向：毕业生主要面向交通系统各单位、交通信息化与电子政务建设与应用部门、各类计算机专业化公司、广告设计制作公司、汽车营销技术服务等从事IT行业工作。

需要有普通话证书行业的职位：播音员、节目主持人、影视话剧演员为一级以上水平。教师和大学生为二级以上水平。公务员和社会公共服务行业从业人员为三级以上水平。

三、一个普通程序员的前途在哪？

相信大多数编程人员进入职场后都是从一个普普通通的程序员开始成长起来的，也许一开始并不知道自己擅长哪方面，最后都会随着工作经验的积累，对某一领域业务的熟悉或技术的掌控，让自己可以清晰地给自己定位未来的方向；一般随着工作年限的增长，自己给自己定的目标就会越高。

就比如一开始进公司，可能天天都在CRUD，但随时间的推移，你对你做的业务变得更加熟悉了，对所用的技术框架也更了解了，且可以对项目进行更深层次的优化了，从这开始你也就不是一个普普通通程序猿了，起码你会成为这个项目的技术骨干，后面有可能你就慢慢成为项目组长，项目负责人，甚至项目经理，一步一步往上走，一步一步提升自己！

有可能某一天你感觉自己对业务这块感兴趣，而且对业务这块理解的越来越深，可试着做产品设计往产品经理方向发展，随着你的经历成长，你对自己将来的工作定位也会越来越清晰，但不可否认程序员的中年危机，如到了中年，还是一个普通的代码搬运工，确实要思考未来的前途了！

程序员职业规划

四、年龄大的普通程序员最后的出路是哪里？

所谓出路，也就是以后是考虑转行还是在IT行业继续发展吧，我更倾向转行，因为我也是一个程序员，知道程序员的境况。所以我觉得最好先给自己少一条后路吧。

我最近有点想法，想搞副业，下面说一下我的想法，希望答友们给点建议，如果有好的门路，求带。有几点吧（以下三点，会结合起来，相互带动，如果能做好，可以依靠粉丝量做生意）

1、头条号，我最近入手开始做头条号（欢迎关注交流），包含现在答的悟空问答和头条视频及头条文章。悟空问答开始了不到一周，答了几十个，出了一篇阅读量1.5万的问答和一篇5千多的问答，出乎意料；头条视频的话，以前上传过几个，阅读量都很少，只有一个有5千吧；头条文章阅读量都一般，几百。做这些最终想法是想有更多的粉丝，然后通过粉丝获得一定的收益

2、微信公众号，之前开了个公众号，发过几篇关于JAVA开发的原创文章，没有坚持下来，前两天我改了公众号的名称，以及发文思路，通过朋友找的视频VIP会员代理（价格比平台底很多，比如腾讯年卡大概不到90，他做了很久了，也算有保障吧），希望能通过头条带动一下

3、自主开发网站，开发一个结合线下实体的抽奖系统（需要实物奖品，我想着去地铁口，买袜子，抽奖送袜子），把抽奖用户引流到微信公众号，主要思路如下图（欢迎吐槽）

五、30岁以后还可以做普通的程序员吗？

首先对你的愿望表示肯定和支持。谁说超过三十岁就肯定不能做程序员的，只要有强烈的愿望和脚踏实地的努力，就一定能做，而且可以做好。当然这其中的艰辛也是肯定有的。

除了需要一定的基础之外，计算机技术的日新月异，也是一个原因，需要不断地充实自己；年轻人有体力，适合连续地加班，年纪大了就不一定吃得消；而有了家庭，还有家庭中各种事情的搅扰（你说常年海外出差，估计很少这种情况）；更重要的原因，是在心理上：想一下，刚到一个新公司，而且是半路转行过来的，在单位只能是一个新人，单位的大小领导可能都比自己小，心理上的压力肯定有，即使自己能够心态平和，对方如何也是个问题。

这都需要努力沟通和不断改进。我本人就是一个很好的例子。不过当时我还比你年轻一些，27岁从国企出来。当时三个项目经理和我同岁，部门经理比我大一岁。

也是从最基层做起，项目经理分几个最基本的模块，开始编码的。

总之，相信自己，只要肯努力，总会成功的。-------------------------------------------英语好，海外出差，不能说没有加分，但有限；外包项目或许更有帮助，但外包项目要新手的概率要低得多。

六、做建筑工程和普通IT程序员应该怎样选择？

你跟着你爸混，就相当于有人带你，比你自己做程序员努力十年都强啊，方向不对努力白费，还是跟你爸混吧，开发商很有前途的

七、普通程序员如何正确学习人工智能方向的知识？

排名较高的几个回答有一些问题：1.起点较高，不适合题主所问的普通程序员；2.资源很多，但是没有主次之分，全部学习的话时间久，难度曲线也高低不平；3.缺乏对AI领域的介绍，AI并不仅仅是机器学习。本人也算是一名普通程序员，也刚转入AI领域，因此结合自身经验，想回答这个问题。我的回答有以下特色：较为简单，介绍学习资源不多，但有主次之分。

一. 本文的目的

本文的目的是给出一个简单的，平滑的，易于实现的学习方法，帮助“普通”程序员踏入AI领域这个门。这里，我对普通程序员的定义是：拥有大学本科知识；平时工作较忙；自己能获取的数据有限。因此，本文更像是一篇 “from the scratch” 的AI入门教程。

二. AI领域的特点

AI，也就是人工智能，并不仅仅包括机器学习。曾经，符号与逻辑被认为是人工智能实现的关键，而如今则是基于统计的机器学习占据了主导地位。最近火热的深度学习正是机器学习中的一个子项。目前可以说，学习AI主要的是学习机器学习。但是，人工智能并不等同于机器学习，这点在进入这个领域时一定要认识清楚。关于AI领域的发展历史介绍推荐看周老师写的《机器学习简介》。下面一个问题是：AI的门好跨么？其实很不好跨。我们以机器学习为例。在学习过程中，你会面对大量复杂的公式，在实际项目中会面对数据的缺乏，以及艰辛的调参等。如果仅仅是因为觉得这个方向未来会“火”的话，那么这些困难会容易让人放弃。考虑到普通程序员的特点，而要学习如此困难的学科，是否就是没有门路的？答案是否定的。只要制定合适的学习方法即可。

三. 学习方法

学习方法的设定简单说就是回答以下几个问题：我要学的是什么？我怎样学习？我如何去学习？这三个问题概括说就是：学习目标，学习方针与学习计划。学习目标比较清楚，就是踏入AI领域这个门。这个目标不大，因此实现起来也较为容易。“过大的目标时就是为了你日后放弃它时找到了足够的理由”。学习方针可以总结为 “兴趣为先，践学结合”。简单说就是先培养兴趣，然后学习中把实践穿插进来，螺旋式提高。这种方式学习效果好，而且不容易让人放弃。有了学习方针以后，就可以制定学习计划，也称为学习路线。下面就是学习路线的介绍。

四. 学习路线

我推荐的学习路线是这样的，如下图：

这个学习路线是这样设计的：首先了解这个领域，建立起全面的视野，培养起充足的兴趣，然后开始学习机器学习的基础，这里选择一门由浅入深的课程来学习，课程最好有足够的实验能够进行实战。基础打下后，对机器学习已经有了充足的了解，可以用机器学习来解决一个实际的问题。这时还是可以把机器学习方法当作一个黑盒子来处理的。实战经验积累以后，可以考虑继续进行学习。这时候有两个选择，深度学习或者继续机器学习。深度学习是目前最火热的机器学习方向，其中一些方法已经跟传统的机器学习不太一样，因此可以单独学习。除了深度学习以外，机器学习还包括统计学习，集成学习等实用方法。如果条件足够，可以同时学习两者，一些规律对两者是共通的。学习完后，你已经具备了较强的知识储备，可以进入较难的实战。这时候有两个选择，工业界的可以选择看开源项目，以改代码为目的来读代码；学术界的可以看特定领域的论文，为解决问题而想发论文。无论哪者，都需要知识过硬，以及较强的编码能力，因此很能考察和锻炼水平。经过这个阶段以后，可以说是踏入AI领域的门了。“师傅领进门，修行在个人”。之后的路就要自己走了。

下面是关于每个阶段的具体介绍：

0. 领域了解：在学习任何一门知识之前，首先第一步就是了解这个知识是什么？它能做什么事？它的价值在什么地方？如果不理解这些的话，那么学习本身就是一个没有方向的舟，不知道驶向何处，也极易有沉船的风险。了解这些问题后，你才能培养出兴趣，兴趣是最好的引路人，学习的动力与持久力才能让你应付接下来的若干个阶段。关于机器学习是什么，能做什么，它与深度学习以及人工智能的关系，可以看我写的博客

。

1. 准备工作：如果你离校过久，或者觉得基础不牢，最好事先做一下准备复习工作。“工欲善其事，必先利其器”。以下的准备工作不多，但足以应付后面阶段的学习。

• 数学：复习以下基本知识。线性代数：矩阵乘法；高数：求导；概率论：条件与后验概率。其他的一些知识可以在后面的学习的过程中按需再补；
• 英文：常备一个在线英文词典，例如爱词霸，能够不吃力的看一些英文的资料网页；
• 翻墙：可以随时随地上Google，这是一个很重要的工具。不是说百度查的不能看，而是很多情况下Google搜出来的资料比百度搜的几十页的资料还管用，尤其是在查英文关键字时。节省时间可是很重要的学习效率提升；

2. 机器学习：机器学习的第一门课程首推Andrew Ng的机器学习 (

)。这门课程有以下特点：难度适中，同时有足够的实战例子，非常适合第一次学习的人。在

的回答下首推了cs229 (

) 这门课程，但我这里不推荐，为什么，原因有以下：

• 时间：cs229 的时间太早，一些知识已经跟不上当今的发展，目前最为火热的神经网络一笔带过。而Cousera上神经网络可是用了两个课时去讲的！而且非常详细；
• 教学：Ng在cs229 时候的教学稍显青涩，可能是面对网络教学的原因。有很多问题其实他都没有讲清楚，而且下面的人的提问其实也很烦躁，你往往不关心那些人的问题。这点在Coursera上就明显得到了改善，你会发现Ng的教学水平大幅度改善了，他会对你循循善诱，推心置腹，由浅入深的教学，在碰到你不明白的单词术语时也会叫你不要担心，更重要的，推导与图表不要太完善，非常细致清晰，这点真是强力推荐；
• 字幕：cs229 的字幕质量比Coursera上的差了一截。Coursera上中文字幕翻译经过了多人把关，质量很有保证；
• 作业：cs229 没有作业，虽然你可以做一些，但不会有人看。这点远不如Coursera上每周有deadline的那种作业，而且每期作业提交上去都有打分。更重要的是，每期作业都有实际的例子，让你手把手练习，而且能看到自己的成果，成就感满满！

3. 实践做项目：学习完了基础课程，你对机器学习就有了初步了解。现在使用它们是没有问题的，你可以把机器学习算法当作黑盒子，放进去数据，就会有结果。在实战中你更需要去关心如何获取数据，以及怎么调参等。如果有时间，自己动手做一个简单的实践项目是最好的。这里需要选择一个应用方向，是图像（计算机视觉），音频（语音识别），还是文本（自然语言处理）。这里推荐选择图像领域，这里面的开源项目较多，入门也较简单，可以使用

做开发，里面已经实现好了神经网络，SVM等机器学习算法。项目做好后，可以开源到到

上面，然后不断完善它。实战项目做完后，你可以继续进一步深入学习，这时候有两个选择，深度学习和继续机器学习；

4. 深度学习：深度学习是目前最火热的研究方向。有以下特点：知识更新快，较为零碎，没有系统讲解的书。因此学习的资源也相对零散，下面是一些资源介绍。其中不推荐的部分并不代表不好，而是在这个初学阶段不合适：

• 推荐，UFLDL： 很详尽的推导，有翻译，且翻译质量很高；
• 推荐，Deep learning (paper)：论文，高屋建瓴，一览众山小；
• 推荐，Neural networks and deep learning：由浅入深；
• 推荐，Recurrent Neural Networks： RNN推导初步学习的最佳教程；

• 不推荐，Neural Networks for Machine Learning - University of Toronto | Coursera：太难；
• 不推荐，Deep Learning (book)：面面俱到，但缺乏深入；
• 不推荐，CS231n：翻译与字幕问题；

5. 继续机器学习：传统的机器学习有如下特点，知识系统化，有相对经典的书。其中统计学习（代表SVM）与集成学习（代表adaboost）是在实践中使用非常多的技术。下面是相关资源：

• 推荐，机器学习：如果是在以前，机器学习方面的经典教材首推PRML，但现在周老师的书出来以后，就不再是这样了。首先推荐读周老师的书。这本书有一个特点，那就是再难的道理也能用浅显精炼的语言表达出来。正如周老师的名言：“体现你水平的地方是把难的东西讲容易了，而不是把容易的东西讲难，想把一个东西讲难实在太简单”；
• 不推荐，Pattern Recognition And Machine Learning：当前阶段不推荐。PRML是以贝叶斯的观点看待很多机器学习方法，这也是它的一大特色。但对于初学者来说，这种观点其实并无必要。而且此书没有中文翻译，当前阶段硬啃很容易放弃；

6.开源项目：当知识储备较为充足时，学习可以再次转入实践阶段。这时候的实践仍然可以分两步走，学习经典的开源项目或者发表高质量的论文。开源项目的学习应该以尽量以优化为目的，单纯为读代码而学习效果往往不太好。好的开源项目都可以在

里搜索。这里以深度学习为例。深度学习的开源优秀库有很多，例如torch，theano等等，这里列举其中的两个：

• 推荐，DeepLearnToolbox：较早的一个深度学习库，用matlab语言撰写，较为适合从刚学习的课程转入学习
• 推荐，tensorflow：Google的开源库，时至今日，已经有40000多个star，非常惊人。

7.会议论文：一般较好的课程都会推荐你一些论文。一些著名的技术与方法往往诞生于一些重要的会议。因此，看往年的会议论文是深入学习的方法。在这个阶段，如果是在校学生，可以选择某个课题，以发论文为目的来学习研究。一般来说，论文是工作的产物。有时候一篇基于实验的论文往往需要你写很多代码，利用一些开源项目。因此开源项目的学习与读会议论文的工作两者之间是有相关的。两者可以同时进行学习。关于在哪里看论文，可以看一下

，了解一下这个领域里有哪些优秀的会议。下面介绍两个图像与机器学习领域的著名顶级会议：

• CVPR：与另两个会议ICCV和ECCV合称计算机视觉领域的三大会。
• Conference on Neural Information Processing Systems：简称NIPS，许多重要的工作发表在这上面，例如关于CNN的一篇重要论文就是发表在上面。

8.自由学习：到这里了，可以说是进入这个门了。下面可以依据兴趣来自由学习。前阶段不推荐的学习资源也可随意学习，下面是点评。

• cs229 (斯坦福大学公开课 ：机器学习课程)：Ng写的讲义很不错，其中关于SVM的推导部分很清晰，想学习SVM推荐；
• Neural networks (Neural Networks for Machine Learning - University of Toronto | Coursera )：大牛的视角跟人就是不一样，看看Hinton对神经网络是怎么看的，往往会让你有种原来如此的感悟。其实看这门课程也等同于读论文，因为几乎每节课的参考资料里都有论文要你读；
• cs231n (CS231n: Convolutional Neural Networks for Visual Recognition)：最新的知识，还有详细的作业。国内应该有团队对字幕进行了翻译，可以找找；
• PRML (Pattern Recognition And Machine Learning)：作为一门经典的机器学习书籍，是很有阅读必要的，会让你对机器学习拥有一个其他的观察视角。

五. 总结

本文的目的是帮助对AI领域了解不深，但又想进入的同学踏入这个门。这里只说踏入，是因为这个领域的专精实在非常困难，需要数年的积累与努力。在进行领域学习前，充分认识自己的特点，制定合适的学习方法是十分重要的。首先得对这个领域进行充分了解，培养兴趣。在学习时，保持着循序渐进的学习方针，不要猛进的学习过难资源；结合着学习与实践相辅的策略，不要只读只看，实际动手才有成就感。学习某个资源时要有充分的目的，不是为了学开源项目而看代码，而是为了写开源项目而看；不是为了发论文而写论文，而是为了做事情而写论文。如果一个学习资源对你过难，并不代表一定是你的问题，可能是学习资源的演讲或撰写人的问题。能把难的问题讲简单的人才是真正有水平的人。所以，一定要学习优质资源，而不是不分青红皂白的学习。最后，牢记以兴趣来学习。学习的时间很长，过程也很艰难，而只有兴趣才是让你持之以恒，攻克难关的最佳助力。

谨以此文与诸位在学海中乘舟的各位共勉。

八、普通的程序员想进外企，英文听说读写要到什么水平？

可能没有大多数人想的那么高：

1.听

找一段英语的技术讲解视频，如果不开字幕能听懂个八九不离十，那一定够用了。

实际工作会更麻烦一些，因为印度同事的口音很重（你大概率会有印度同事），但也不用怕。

开会时如果没听懂，友好地告诉对方，请对方重说一遍；也可以复述一下自己的理解。对方一般都会放慢语速，或者换个方式重说一遍。

如果还没听懂就再问，我有时会反复听两三遍，直到听懂为止。

2.说

能简洁表达意图，不结结巴巴即可。

其实词汇量不见得要多大，最好多掌握一些固定表达，都是常见词。比如跟同事解释你在做什么，不是 “I'm doing...”，而是 “I've been working on...”；有道理不是 “reasonable”，而是 ”makes sense“。

口音不是大问题，因为你的口音一定不会比印度人的差。

关于口语提升，可以参考我的另一篇回答：

3.读

如果能不靠翻译看懂英语技术文档，就肯定没问题。

因为实际工作中主要也是看技术文档，以及 Stack Overflow 这种解决问题的网站。

4.写

在 Stack Overflow 上提问，如果下面的人都能看懂，就够用了。

因为实际工作中，主要也是描述一些技术问题和现象，无论是求助同事还是写技术文档。

（对了，还有个基本素养：命名变量之前多查单词，选择含义最准确的那个。国内很多程序员都做不到，能做到的已经很好了。）

如果对你有帮助，别忘了点赞 + 收藏~

九、计算机毕业，普通二本，做程序员可以拿薪资多少？

IT行业普遍都会比其他岗位的薪资高一点，至于具体薪资，还得看地域城市。就广州而言，8000左右应该是基本工资吧，如果有足够能力进入到大厂，那薪资可以达到好几十万一年。（应届生）

如果想进入Java技术交流圈，可以添加v:ff1341658，纯技术交流，无广告无推销

十、普通程序员一个月能挣多少钱？

普通程序员一个月能挣1万块钱左右。

现如今，程序员已经是比比皆是的了。而一个普通的程序员的话，一个月至少也能挣1万块钱左右，当然这个前提是你的工作年限已经达到了一定的标准，或者你的工作能力也达到了一定的强度。所以普通程序员的话，一个月至少是能挣1万块钱的，具体能做多少的话是需要根据你的能力来算的。