你的護城河在哪？老程序員的一些2016感悟

因爲工做職位關係，在公司一直作一些技術儲備工做。沒有實際的開發任務，只是多看一些新東西，萬一有需求能夠出解決方案。
回顧2016，從前端開發到移動，從算法到機器學習，天然語言處理等，看過的東西不少很雜。

我一直有個疑問，什麼才叫技術好？其實技術好，多是個僞概念。
一門語言，一個方向，大部分人的水平都差很少，只是熟練度，知識廣度的問題。
C#，有人能夠用極其簡單的Linq寫出很複雜的功能，有人要使用大段大段的代碼來實現相同的功能。
之間的差距就是，前者熟悉Linq，後者不熟悉（熟練度不夠）或者根本不知道Linq（廣度不夠）。
不少狀況下，後者若是不是不好勁，後者其實能夠經過培訓作到和前者相同的事情。

那麼，若是技術能夠經過培訓就能得到提高，那麼，老程序員的護城河在哪裏？
一個畢業生，經過不斷的學習一門語言，大量的練習，就能寫出代碼了，老程序員的價值在哪？

1.技術整合和全棧技能

能夠很負責任的說，老程序員在某個領域的90%的知識，新人能夠很快速的掌握。可是新人沒法很快速的將全部知識整合起來，靈活使用。
例如，一個抓取網站數據的程序，其實這裏牽涉到HTTP協議，HTML和DOM知識，異步和併發，數據存儲等問題。
若是這個程序出了問題，老程序員能夠快速判斷錯誤的位置和解決方法，新人可能要耗費不少時間。（有些權限，異步的問題，新人可能根本沒有概念）
因此，知識儲備要有必定的廣度。

2.某個領域的深度

這個在數據庫領域特別重要。建數據庫，建表，查詢，這些都是隻要肯百度就能夠的。
可是，每每資深DBA，思考的是，索引的類型是否正確，索引的字段是否正確，SQL語句是否優化。集羣，主從備份的參數是否穩當等等。
（在作MongoCola的時候，我幾乎將全部的MongoDB的用戶手冊看了一遍。MongoDB要真正精通，其實很難的。）
若是你長期操做MySql，Oracle，可以將這些數據庫的精髓都學到，變成專家，也是可喜可賀的事情。
（數據優化，參數設定，故障恢復，都是以時薪計算的）

3.觀念的改變

新人和老司機，在不少觀念上不一樣。

對於一個新人來講，總以爲程序能作到100%正確，可以看到畫面，是很牛逼的事情。
開發一個手機APP，正確排序一堆數據，很不錯啊。

其實，真正難的程序，每每是那些不可能作出最優解的問題。也就是所謂的PN問題。
沒有最優解，說明這個問題每每是隨着規模增大，算法的複製度高的硬件沒法承受了。（今年的天池算法比賽的題目就是這樣一道NP問題）
在機器學習和天然語言處理領域，更加如此，這些領域都只能求得正確可能性最高的答案。（滴滴出行的大數據比賽，我也參加了）
在加密解密上，包括Hash算法上，工業標準也並不是100%要求正確，有些Hash算法，在時間空間上要求很高的前提下，容許百萬分之一的錯誤率的。
例如，爬蟲在考慮哪些網址爬過的算法上，每每把網址經過MD5等算法，轉換爲數字指紋，這個指紋，其實作不到100%正確的。

其實，真正難的程序，每每是那些沒有任何界面的庫，好比gensim（NLP），scipy（ML），MeCab（日語分詞）這樣的東西。
這些庫沒有辦法在朋友面前演示，沒有好看的界面，可是，這些庫踏踏實實是不少項目的基石。（這裏沒有貶低不少GUI庫的意思，Bootstrape這樣的皮膚也很重要）

4.多個解決方案和隨機應變

新手處理Excel，可能只會VBA。
老手處理Excel，能夠用C#操做，能夠用NPOI這樣的庫。能夠調用VBA的宏。
不少時候，解決方案有不少，正確的解決方案，最優的解決方案，須要大量的經驗。

個人護城河在哪？涉獵不少領域，深耕某個領域

在信息爆炸的時代，沒有什麼技術壁壘。Python，Nodejs，React，NLP，只要你想研究，資料滿天飛。
若是有時間，各類技術最好都能看一下，知道這個技術的使用場景，優勢，缺點。這樣就能夠了。
大部分技術，看一下用戶手冊，API函數一調就能夠跑了。若是沒有需求，沒有必要去深刻學習。
知識豐富以後，你能夠快速的制定一個最優的解決方案，以及多個備選方案。
和別人交流的時候，不會被別人忽悠，不會沒法理解對方的想法。

可是，若是你立志於在某個領域變成不可或缺的人。就必須從基礎上認認真真學習。
例如，機器學習方向，
100%的人，都會調用Python的Package，
95%的人，知道迴歸，聚類背後的理論知識，
80%的人，知道拉格朗日和對偶算法。
50%的人知道怎麼一步步推導公式。
可是再深刻下去，如何調整參數，如何活用LDA模型，這樣的大牛不多了。
要知道這些，閱讀大量的論文，作大量的研究，跑大量的數據，必須這樣作，沒有捷徑。
只有這樣的人，才能得到 養兵千日用兵一時 的待遇。平時積累經驗，須要的時候，爲公司一槌定音。
固然，大牛，有些關鍵知識，請自行作好保密工做。有些東西說破就不靈了。世道艱險，自我保護不可少。

固然，以上這些有個前提：學習本身喜歡的東西，注意保養本身的身體。 年初在接觸React Native這樣的東西的時候，我以爲很前衛。等到我學習機器學習，天然語言處理後，我發現，這些纔是最前衛的。 惋惜園子裏面的機器學習氛圍很差，不少文章閱讀數不過百。再過幾年，將是機器學習的天下，你們應該開始轉型了。 機器學習，入門難，學好難，可是真的學好了，高薪高待遇容易。