30岁文秘自述转行做程序员的忠告：如果迷茫，趁早转行。

Posted 2023-03-28 Yuki程序员

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了30岁文秘自述转行做程序员的忠告：如果迷茫，趁早转行。相关的知识，希望对你有一定的参考价值。

阿文，30岁，原专业：文秘

阿文：说出来可能你们不信，我学的是文秘专业，后来转行做了互联网，目前在杭州的一家电商公司做开发技术支持。

阿文高中时就很喜欢计算机，没事就去网吧倒腾各种新鲜的软件、黑客软件，当时他最崇拜的是凯文·米特尼克，觉得能成为一名黑客是一件很牛的事情，比较中二的年纪就是这样的思想。自学网页设计，当时的阿文在学校也是出了名的计算机“高手”，但是选专业的时候，脑子进了水，选了个文秘专业。

由于文秘专业发展面比较窄，尤其是男生，同专业的不是去做了销售就是去当老师了，在印象中只记得有一位是真的还在这个行业混，因为她是个女生。

但世界上没有后悔药，知道选错专业后，阿文并没有放弃，而是继续不误正业的朝计算机这个行业自学（当时大学不能转专业）。蹭计算机网络专业的课，自学Linux，毕业后找了运维的工作，可以说，他所做的这一切都在为转行做准备。

后来发现纯运维是没啥前途的，于是开始自学+参加培训学习了CCIE的课程、Java编程，又自学了Python。阿文说，这个过程中需要有兴趣+不停的练习+理论知识巩固，如果没有兴趣，其他都是浮云。

阿文认为，非科班学生最大的问题就是专业度不被人认可，前期找工作会比较困难。他的做法是先从小公司做起，修炼内功，等待时机，多看机会，把自己的成果和内功展示出来，比如多写博客，多去参加GitHub上的一些开源项目，做翻译、贡献源码等等，这些在面试的时候都是加分项。

同时要多沉淀吸收理论知识。因为面试官会看你的内功修炼的程度，会问一些很基础的知识，比如 TCP 协议的原理、进程、线程这些和编码本身不相干的问题，这些知识会侧面反映你的编程能力。

一个合格的程序员不应局限于某一种语言的好坏，语言都是相同的，要求同存异，学一些通用、基础的理论知识，例如操作系统原理、网络协议、数据库原理，这些才是实现一个优秀程序的必备能力。另外，程序员要学会与人沟通，在一个企业或组织能力，沟通表达能力不仅仅关系到你与其他团队的写作，更关系到你的晋升，阿文说道。

阿文认为程序员这一行的魅力就在于能够通过自己写的一行行代码为非常多的人服务，提升效率，尤其是当一个功能被实现之后，那种成就感。但是这一行技术发展特别快，建议大家多买点防脱发膏！

在谈到“35岁危机”时，阿文建议小伙伴先把驾照考到手，实在不行送外卖或跑滴滴吧。他说，这一行越往上走，就不仅仅是对技术能力有要求，管理能力、沟通能力、协调资源等等这些能力都要会，如果你过了30几岁，还只是专注做一线的业务逻辑编写，只知道耕耘自己的一亩三分地，那么说明你没怎么成长，肯定是会被淘汰的。

多把握机会，提升自己各方面的综合能力；帮助部门更多的新人成长；体现自己的价值，发挥自己的长处吧。如果你确实到了这个年纪，很纠结，参考上面说的，趁早转行吧。

对于正在准备转行做程序员的小伙伴，阿文建议到，首先你要是能接受这个行业的不足，比如996，同时又对这个行业非常感兴趣，而不是三分钟热度的那种，学习能力强，那么先把基本功打扎实，先入行，再找机会换更合适的，切勿好高骛远，眼高手低。

初中级阶段多实践，多练习，多总结，多沉淀。等积累了一定经验，不要局限于程序本身，多思考如何去优化它，这个就需要你对系统、网络拥有更深的理解，你才能把一个程序优化的更好。到了高级阶段，其实不需要我说什么了，你自己可能都悟出了自己的一套方法论。

在谈到是否后悔转行做程序员时，阿文说如果转去做其他传统行业，我可能更后悔。这个行业已经比其他行业好太多了，如果你抱怨996，不如去工厂看看那些一线工人，他们是过着什么样的日子，不是抬杠，国情如此。阿文曾在大学时期去某知名工厂体验过1个多月，每天早上7点30到晚上7点30都是正常的工作时间，经常到晚上12点才下班，上个厕所都得跟组长打报告，出来后他发誓，这辈子绝对不会进入这样的行业。

最后给大家分享我的学习资源

一、Python所有方向的学习路线
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、Python全套PDF电子书

阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python学习视频

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

这份完整版的Python全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

Python资料、技术、课程、解答、咨询也可以直接点击下面名片，添加官方客服斯琪↓

我也已经25岁其实就有转行的打算了，想转数据分析大数据行业，我大学本科是和这个专业相关的，

可是我毕了业却阴差阳错的没有从事这个行业，所以想通过考研重新考上本专业完成转行，可是结果第一次考研失败了，于是我又找了个不沾边的工作就先凑活着干着，边工作边考，顺便我考了很多的证书，比如数据分析师，数据库相关的证书，现在也27岁了，又试了一次，不过最终算是才考上了国外的研究生，打算出国，算是迈出了转行的第一步吧，可是我一想毕了业了我都29了，我就在想在数据分析领域我工作经验一点儿都没有，又是29岁了，和刚毕业的24、5岁的人竞争，就是一个研究生学历和几个证书，我还有可能找到好的工作嘛？我现在有点后悔去读研究生了，到底该不该去读，还是应该继续工作呢？如果去读了这两不安我肯定不可能像其他22、3岁的人那么肆无忌惮的，我到底该干些什么在学校里呢？

读研期间多跟着导师做项目，有些导师手上有很多横向项目，是参与实践的良好途径，其实有人读研期间跟上班一样忙，不要让学校时光虚度。另外，你年龄不小了，可以在读书期间思考以后就业的问题，读书时成家政策也支持，当然有合适的结婚对象才行。参考技术A 来得及就赶紧哦
首先，大数据行业的入行门槛至少是大专及以上学历，按照大多数人受教育的年纪来说，大专毕业至少21+，本科生至少22+，研究生以上学历年龄会更大，不少人的职业生涯是从本科或研究生起步的，那样少说也得二十四五了
现今大数据人才的来源主要靠市场培训，市场上的大数据培训以技术入门为主，不少人是程序员转行做大数据的，大多数程序员是大专及本科毕业后入职，经过几年职场历练后，程序员在工作中不仅对业务知识有一定积累，且对IT行业也有自己的积累和理解，这样意味这部分人进入大数据市场有先发优势，同时意味着他们年纪也应该在25岁+ 参考技术B 怎么说，你现在年龄问题其实是也不算事。太多都是你这个年龄转行到互联网这边，而且你是有基础的参考技术C

转行这个词汇，一直是职场上此起彼伏的一个热门话题，相信很多朋友都想过或已经经历过转行。工作可谓是我们生存乃至生活的主要收入来源，谁都希望拥有一份高薪又稳定的工作，以此来改善自己的生活和实现自己的大大小小的梦想!但又担心转行后的工作待遇达不到自己的预期，顾虑重重……

不少想进入大数据分析行业的零基础学员经常会有这样一些疑问：大数据分析零基础应该怎么学习?自己适合学习大数据分析吗?人生，就是在不断地做选择，然后在这个选择过程中成长，让自己从一棵小树苗变成参天大树。就是我们每个对大数据充满幻想终于下定决心行动的学员的选择，我们给了自己4个月的时间，想要在大数据分析这个领域汲取养分，让自己壮大成长。

【明确方向】

通过国家的战略规划，看到BAT的大牛们都在大数据行业布局，新闻媒体追捧这大数据分析行业的项目和热点，我想如果我还没有能力独立判断的时候，跟着国家政策和互联网大佬们的步调走，这应该是错不了的。

【付诸行动】

明确了方向之后，我就整装待发，刚开始是在网络上购买了很多的视频教程，也买了很多书籍，但是最大的问题就在于，我不知道怎么入手，没关系，有信心有耐心肯定能战胜困难，我坚持了一个月，学习的节奏越来越乱，陆陆续续出现了很多的问题，没人指导，请教了几个业内的朋友，但对方工作繁忙，问了几次之后就不好意思了，自学陷入了死循环。

意识到我学习效率的低下，以及无人指导的问题想想未来的康庄大道，咬咬牙告诉自己，一定好好好学，不然就浪费太多时间最后还会是一无所获。最后找到组织一起学习进步!

大数据分析零基础学习路线，有信心能坚持学习的话，那就当下开始行动吧!

一、大数据技术基础

1、linux操作基础

linux系统简介与安装

linux常用命令–文件操作

linux常用命令–用户管理与权限

linux常用命令–系统管理

linux常用命令–免密登陆配置与网络管理

linux上常用软件安装

linux本地yum源配置及yum软件安装

linux防火墙配置

linux高级文本处理命令cut、sed、awk

linux定时任务crontab

2、shell编程

shell编程–基本语法

shell编程–流程控制

shell编程–函数

shell编程–综合案例–自动化部署脚本

3、内存数据库redis

redis和nosql简介

redis客户端连接

redis的string类型数据结构操作及应用-对象缓存

redis的list类型数据结构操作及应用案例-任务调度队列

redis的hash及set数据结构操作及应用案例-购物车

redis的sortedset数据结构操作及应用案例-排行榜

4、布式协调服务zookeeper

zookeeper简介及应用场景

zookeeper集群安装部署

zookeeper的数据节点与命令行操作

zookeeper的java客户端基本操作及事件监听

zookeeper核心机制及数据节点

zookeeper应用案例–分布式共享资源锁

zookeeper应用案例–服务器上下线动态感知

zookeeper的数据一致性原理及leader选举机制

5、java高级特性增强

Java多线程基本知识

Java同步关键词详解

java并发包线程池及在开源软件中的应用

Java并发包消息队里及在开源软件中的应用

Java JMS技术

Java动态代理反射

6、轻量级RPC框架开发

RPC原理学习

Nio原理学习

Netty常用API学习

轻量级RPC框架需求分析及原理分析

轻量级RPC框架开发

二、离线计算系统

1、hadoop快速入门

hadoop背景介绍

分布式系统概述

离线数据分析流程介绍

集群搭建

集群使用初步

2、HDFS增强

HDFS的概念和特性

HDFS的shell(命令行客户端)操作

HDFS的工作机制

NAMENODE的工作机制

java的api操作

案例1：开发shell采集脚本

3、MAPREDUCE详解

自定义hadoop的RPC框架

Mapreduce编程规范及示例编写

Mapreduce程序运行模式及debug方法

mapreduce程序运行模式的内在机理

mapreduce运算框架的主体工作流程

自定义对象的序列化方法

MapReduce编程案例

4、MAPREDUCE增强

Mapreduce排序

自定义partitioner

Mapreduce的combiner

mapreduce工作机制详解

5、MAPREDUCE实战

maptask并行度机制-文件切片

maptask并行度设置

倒排索引

共同好友

6、federation介绍和hive使用

Hadoop的HA机制

HA集群的安装部署

集群运维测试之Datanode动态上下线

集群运维测试之Namenode状态切换管理

集群运维测试之数据块的balance

HA下HDFS-API变化

hive简介

hive架构

hive安装部署

hvie初使用

7、hive增强和flume介绍

HQL-DDL基本语法

HQL-DML基本语法

HIVE的join

HIVE 参数配置

HIVE 自定义函数和Transform

HIVE 执行HQL的实例分析

HIVE最佳实践注意点

HIVE优化策略

HIVE实战案例

Flume介绍

Flume的安装部署

案例：采集目录到HDFS

案例：采集文件到HDFS

三、流式计算

1、Storm从入门到精通

Storm是什么

Storm架构分析

Storm编程模型、Tuple源码、并发度分析

Storm WordCount案例及常用Api分析

Storm集群部署实战

Storm+Kafka+Redis业务指标计算

Storm源码下载编译

Strom集群启动及源码分析

Storm任务提交及源码分析

Storm数据发送流程分析

Storm通信机制分析

Storm消息容错机制及源码分析

Storm多stream项目分析

编写自己的流式任务执行框架

2、Storm上下游及架构集成

消息队列是什么

Kakfa核心组件

Kafka集群部署实战及常用命令

Kafka配置文件梳理

Kakfa JavaApi学习

Kafka文件存储机制分析

Redis基础及单机环境部署

Redis数据结构及典型案例

Flume快速入门

Flume+Kafka+Storm+Redis整合

四、内存计算体系Spark

1、scala编程

scala编程介绍

scala相关软件安装

scala基础语法

scala方法和函数

scala函数式编程特点

scala数组和集合

scala编程练习(单机版WordCount)

scala面向对象

scala模式匹配

actor编程介绍

option和偏函数

实战：actor的并发WordCount

柯里化

隐式转换

2、AKKA与RPC

Akka并发编程框架

实战：RPC编程实战

3、Spark快速入门

spark介绍

spark环境搭建

RDD简介

RDD的转换和动作

实战：RDD综合练习

RDD高级算子

自定义Partitioner

实战：网站访问次数

广播变量

实战：根据IP计算归属地

自定义排序

利用JDBC RDD实现数据导入导出

WorldCount执行流程详解

4、RDD详解

RDD依赖关系

RDD缓存机制

RDD的Checkpoint检查点机制

Spark任务执行过程分析

RDD的Stage划分

5、Spark-Sql应用

Spark-SQL

Spark结合Hive

DataFrame

实战：Spark-SQL和DataFrame案例

6、SparkStreaming应用实战

Spark-Streaming简介

Spark-Streaming编程

实战：StageFulWordCount

Flume结合Spark Streaming

Kafka结合Spark Streaming

窗口函数

ELK技术栈介绍

ElasticSearch安装和使用

Storm架构分析

Storm编程模型、Tuple源码、并发度分析

Storm WordCount案例及常用Api分析

7、Spark核心源码解析

Spark源码编译

Spark远程debug

Spark任务提交行流程源码分析

Spark通信流程源码分析

SparkContext创建过程源码分析

DriverActor和ClientActor通信过程源码分析

Worker启动Executor过程源码分析

Executor向DriverActor注册过程源码分析

Executor向Driver注册过程源码分析

DAGScheduler和TaskScheduler源码分析

Shuffle过程源码分析

Task执行过程源码分析

五、机器学习算法

1、python及numpy库

机器学习简介

机器学习与python

python语言–快速入门

python语言–数据类型详解

python语言–流程控制语句

python语言–函数使用

python语言–模块和包

phthon语言–面向对象

python机器学习算法库–numpy

机器学习必备数学知识–概率论

2、常用算法实现

knn分类算法–算法原理

knn分类算法–代码实现

knn分类算法–手写字识别案例

lineage回归分类算法–算法原理

lineage回归分类算法–算法实现及demo

朴素贝叶斯分类算法–算法原理

朴素贝叶斯分类算法–算法实现

朴素贝叶斯分类算法–垃圾邮件识别应用案例

kmeans聚类算法–算法原理

kmeans聚类算法–算法实现

kmeans聚类算法–地理位置聚类应用

决策树分类算法–算法原理

决策树分类算法–算法实现

时下的大数据分析时代与人工智能热潮，相信有许多对大数据分析师非常感兴趣、跃跃欲试想着转行的朋友，但面向整个社会，最不缺的其实就是人才，对于是否转行大数据分析行列，对于能否勇敢一次跳出自己的舒适圈，不少人还是踌躇满志啊!毕竟好多决定，一旦做出了就很难再回头了。不过如果你已经转行到大数据分析领域，就不要后悔，做到如何脱颖而出才是关键。因此本文给出一些建议，针对想要转行大数据分析行列且是零基础转行的小伙伴们，希望对你们有所裨益，也希望你们将来学有所成，不后悔，更不灰心!