后疫情时代的技术岗

上周，我们在Reddit上举办了一个AMA (关于R/CS职场领域的问题)，讨论了疫情后的技术就业市场，包括对顶尖技术技能的需求、机器学习是否被夸大、以及人们在一段时间后重返科技行业的方法。这是一段寓教于乐的时光；对于那些不能参加的人，我们在下面发布一些问题和答案(在后续文章中)。

记住，无论你有什么经验技能，现在都是激动人心的时刻，尽情探索在技术领域中的机会吧。

Question 1: AWS、Azure、GCP、Kubernetes、Docker、Terraform/Ansible/Pulumi——普遍熟知的云存在。但是在云社区中，你还注意到有哪些尚未成为公共主流知识的趋势呢？

考虑到云生态系统(以及整个科技行业)的不可预测性，这个问题很复杂。一直以来，我听到很多关于公司的讨论，他们表示更愿意接受多云模式，而不依赖单一的供应商，如AWS，主要是因为担心供应商锁定。

一些公司已经在使用混合云服务、混合云（内部部署与一些云混合等）了，但如果这种方式在未来变得更流行，可能也会给技术人员带来更多的机遇和挑战。机遇，是因为部署和管理复杂环境的能力意味着大量的工作机会和工作保障；挑战，是因为许多云专家把大量时间、资源都投入到了单一堆栈（如 AWS），把知识扩展到更广泛的生态系统，而这些都要求更多努力（尤其是当你需要获取更多认证可能时）。

之前与我交谈过的一些开发人员也对边缘计算（edge computing）进行了大量研究，这是另一个流行词，但还没有“完全”成为主流。边缘计算可以帮助公司克服一些延迟和处理问题，特别是那些想要从大量数据集中获取洞察力、人工智能的公司。技术专家经常把它和ML相提并论，因为他们设想的未来可能是用ML来帮助网络工程师、云架构师等以一种既安全又高效的方式管理分布式网络。

Question2: 你认为有多少关于机器学习的内容是过度炒作的?你觉得在不久的将来，机器学习岗位的招聘率会下降吗？

现在的确有很多关于人工智能和机器学习的炒作，而且我认为很多非技术人士读过这些术语，可能会觉得我们的技术发展到了“2001”水平。但实际情况并非如此。任何与聊天机器人互动或对Alexa喊叫过的人都知道，这项技术距离任何广义上的人工智能都差几十年的历程。

Burning Glass (BG)收集、分析了全国数百万份工作招聘信息，据该公司预测，未来十年，机器学习岗会以39.3%的惊人速度增长。而且这些工作现在的薪酬也很高，BG称目前的平均工资为10.7万美元。但机器学习技术岗的需求量仍然较低;例如，只有4%的软件工程师/开发人员职位要求机器学习技能，而数据分析师对这一要求的比例为8%。

所以实际上我认为机器学习的招聘率在未来十年内会“上升”，特别是基础技术更加商品化、也更容易使用、越来越多公司决定投预算到“智能化”现有应用程序和服务上。不过虽然有这样的传言，但目前的实际雇佣率仍然很低。

Questions3: 应届毕业生如何在充斥着高级开发人员职位、而初级开发人员职位寥寥无几的就业市场中脱颖而出呢？

当你看到许多职位要求10年以上的工作经验和广泛的技能时，这种沮丧是可以理解的。幸运的是，有一些方法可以让你在吸引招聘经理注意的同时，在拥挤的求职者领域中脱颖而出。

专业是关键。昨天下午，我和一位云工程师交谈过，他强调，一旦他选择专注于某一项特定技术或子行业中，他职业生涯的每个阶段就会开启。比如，当他对云架构感兴趣时，他投入了大量精力去获得所有可能的AWS和Azure认证，然后在此基础上增加了对网络安全方面的关注。虽然他刚接触技术领域，但通把对自己定位成一个非常了解最流行云平台的云/网络安全专家，他取得了重大进展。

话虽如此，但你并不一定需要证书来证明你的专业度(虽然它们真的很有用;有些招聘人员和招聘经理会看重你申请材料上所列的证书，因为这是你所拥有相关技能的具体证据)。比如，在Tesla，你可以利用机器学习和人工智能找到一份工作，但前提是你能在一系列(非常困难的)测试中展示这些技能。但如果你在GitHub上有一个项目组合，即使目前你的工作经验不多，也可以向招聘经理展示你在某一特定技术领域上的出色表现。

进入就业市场也不要低估导师和顾问的力量，尤其是在刚申请工作的时候。在线社区(比如certain subreddit)、大学校友网络和更有经验的同事都可以帮你找到新的工作机会，也能在申请某个职位方面给你很好的建议。

作者：Nick Kolakowski

AI聘