真正改变命运的并不是知识

2017 年 7 月 17 日 嘀嗒嘀嗒 朱赟

题图:Blue Moom Expedition by Duy Huynh


经常有读者问类似于这样的问题:

我做的工作主要是偏运维(或者测试、业务逻辑等不同情况),我能不能转和数据相关的领域,比如数据分析、机器学习什么的?只要下决心,困难我倒不怕,只希望对未来长期的职场发展有助益。


其实现在机器学习越炒越火,我自己有机器学习和数据建模的背景,有没有想过转回去再做机器学习呢?


说实话,想过。但近期不会去转,主要原因有两个。一来我放弃现在在支付领域的背景和经验,以及现在的职位、项目等等,成本太高;二来对于机器学习这个风口,看似机会遍地都是,其实真的对自己和企业而言都有前途的并不多。很多的项目都有其局限性:比如模型拿来直接用就行的一个应用,门槛太低;或者就是一个已经成熟的团队,去了能施展的有限;或者能做靠谱就一定要有大量的数据和能处理这些数据的足够大的团队,而对方能不能有这样的资源;再或者就是研究的东西过于前沿,没有 GF 那样的人才配备,实在很难有突破。


所以大部分时候,虽然也观望,但却是安心做好自己的本分职责。短时间内,我确切知道自己想往哪里走。长期而言,我知道我自己还能往哪里走。


但其实很多人都会对自己长期该做什么有或多或少的不确定性:

  • 不确定自己的大方向应该定到哪个坐标。尤其是还没有在任何领域积累足够背景的人。

  • 知道自己要做什么,但是对于可以做的每一件事,都不确定是不是会让自己离理想更近。或者是有限的精力要投资到多个可能有益的努力上的时候,不知道该怎么分配自己的时间和精力。


现在不论什么信息和知识都随手可得,如果你确切地知道如何掌握和运用它们,对让你做事效率和能力大大提高。但信息爆炸带来的一个问题,就是很多时候很难甄别优劣和主次。如果是已经对领域的大方向有所把握,这种自我吸收的方式自然不会有什么大问题。但如果没有一些方向感和坐标,就很可能被带偏。


记得罗辑思维上曾经提到过:有些人每天花大量的时间去读各种新的知识和信息,希望自己能进步。但其实真正改变命运的并不是知识,而是这些知识带给你的能力的提高。也就是说,转化为能力的知识,才能够改变你的命运。所以,首先还是要想清楚自己的大方向在哪,需要的能力是什么。


对于这两个不确定,来问我的朋友,我也仅仅能根据自己的经历和眼界说说自己的想法。但更多时候,遇到经历和我完全没有交集的时候,我也爱莫能助。


其实很多时候,听别人讲道理,不如看看别人走过的路和正在走的路。多看看同行们都在做什么,对自己未来的选择,有时候会有意想不到的帮助。


推荐一个运维和性能相关的大会:APMCon。


2016年举办了第一届APMCon,以“驱动应用架构优化与创新”为主题,致力于推动APM在国内的成长与发展。大会吸引了3500+运维、研发人员,50+国内外知名行业大牛共聚一堂,一同探讨了APM相关的性能优化、技术方案以及架构细节,传递应用架构优化和创新内容,会议内容和交流氛围深受参会者好评。


今年,听云联合极客邦科技/InfoQ将共同主办国内第二届应用性能管理大会-APMCon 2017,会议的演讲内容聚焦行业内最新的技术和最接地气的实践案例,共同探讨APM相关的性能优化、技术方案以及创新思路,为更多的行业从业者指点应用效能提升的迷津。由隔壁池老师、驰名已久的 PHP 惠新宸、听云 Wood 作为大会联席主席。这次大会邀请了相关领域最好的讲师,比如:

  • 微信的开发者,他们是如何通过问题监控和深度分析,依据终端重度⽤户体验的通⽤优化原则,对出现的故障进行修复和提升用户体验的。

  • 熊猫直播的技术专家,分享熊猫 TV 创新性的根据弹幕信息对 CDN 进行多个维度的预判,采用不同的 CDN 进行拉流观看,确保用户最佳观看体验。

  • 在线教育平台 tutorabc(原 vipabc)架构师,如何对订课和DCGS排课环节进行了全面监控和业务层面分析预警的,结合上课环节涉及到的音视频流处理系统与监控,做到了动态感知线上状态,并能够做出智能反馈。

  • ……


十一个专场:

  • CDN加速

  • 数据库运维

  • 智能化运维AIOps

  • 微服务与容器最佳实践

  • 前端性能优化

  • 大规模网络架构优化

  • 应用程序拓扑发现和可视化

  • Web服务器性能优化

  • 移动性能优化

  • 云架构优化

  • 金融应用性能优化


看完这些标题我也是不由得心动了。感兴趣的朋友可以扫描二维码了解详情。购票时输入优惠码 APMCon_Angela,原价门票立减600元。



登录查看更多
2

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
192+阅读 · 2020年6月29日
【开放书】SLAM 中的几何与学习方法,62页pdf
专知会员服务
109+阅读 · 2020年6月5日
打怪升级!2020机器学习工程师技术路线图
专知会员服务
98+阅读 · 2020年6月3日
【纽约大学】最新《离散数学》笔记,451页pdf
专知会员服务
128+阅读 · 2020年5月26日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
专知会员服务
123+阅读 · 2020年3月26日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
IBM《人工智能白皮书》(2019版),12页PDF,IBM编
专知会员服务
20+阅读 · 2019年11月8日
离开清华的99种方式 | 刘维特:去央行,从随口说说到梦想成真
清华大学研究生教育
26+阅读 · 2019年6月21日
战略|咨询公司在中国的困境与出路
智慧云董事会
16+阅读 · 2019年3月13日
王维嘉:暗知识——机器认知的颠覆
亚布力中国企业家论坛
5+阅读 · 2019年3月12日
关于机器学习你要了解的 5 件事
机器学习算法与Python学习
7+阅读 · 2018年9月7日
PPTV创始人姚欣:人工智能到底怎么赚钱?
关于Python数据分析,这里有一条高效的学习路径
算法与数据结构
5+阅读 · 2018年1月17日
专知,一个新的认知方式!
专知
167+阅读 · 2017年9月16日
Arxiv
20+阅读 · 2019年9月7日
Arxiv
12+阅读 · 2018年9月5日
VIP会员
相关VIP内容
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
192+阅读 · 2020年6月29日
【开放书】SLAM 中的几何与学习方法,62页pdf
专知会员服务
109+阅读 · 2020年6月5日
打怪升级!2020机器学习工程师技术路线图
专知会员服务
98+阅读 · 2020年6月3日
【纽约大学】最新《离散数学》笔记,451页pdf
专知会员服务
128+阅读 · 2020年5月26日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
专知会员服务
123+阅读 · 2020年3月26日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
IBM《人工智能白皮书》(2019版),12页PDF,IBM编
专知会员服务
20+阅读 · 2019年11月8日
相关资讯
离开清华的99种方式 | 刘维特:去央行,从随口说说到梦想成真
清华大学研究生教育
26+阅读 · 2019年6月21日
战略|咨询公司在中国的困境与出路
智慧云董事会
16+阅读 · 2019年3月13日
王维嘉:暗知识——机器认知的颠覆
亚布力中国企业家论坛
5+阅读 · 2019年3月12日
关于机器学习你要了解的 5 件事
机器学习算法与Python学习
7+阅读 · 2018年9月7日
PPTV创始人姚欣:人工智能到底怎么赚钱?
关于Python数据分析,这里有一条高效的学习路径
算法与数据结构
5+阅读 · 2018年1月17日
专知,一个新的认知方式!
专知
167+阅读 · 2017年9月16日
Top
微信扫码咨询专知VIP会员