将汉字转拼音，竟然能带声调

后端工程师知道浏览器的工作原理，前端工程师也具备一些数据库的概念。两者都能防止如SQL注入这样的安全漏洞。对软件有一个整体理解能使改换专业变得更容易，还能帮助构建端到端解决方案。

广泛的技能组合使软件工程师能更好地适应模棱两可的环境。随着需求的增长，软件工程师经常转行到数据科学领域。但反过来，数据科学家则不太可能去开发软件。随着人们开始将机器学习看作硬编码条件逻辑的替代品，更多软件工程师去涉足机器学习领域。

成为有竞争力的全栈开发者需要数年时间

实际上，优化数据库、构建API微服务以及构建响应式前端这三者之间并没有什么共同点。他们可能是由3种不同的语言实现的，这些领域里几乎没有自动化。

与此相比，全栈机器学习工程师正在实现愈加强大的自动机器学习技术(AutoML)，笔者可以为此编写一个SOP(标准操作程序)，并将训练分类器的任务交给实习生。软件工程技能组各个部分的自动化淘汰还需时日。

 

如果每位机器学习工程师都具备使用Python的经验，那么你的竞争对手就是每一位机器学习工程师。但从软件的角度来说，你只会和使用相同技术的部分工程师竞争。

我总是能看到许多高薪的软件工程师(Ruby onRails)职位，这令我很惊讶，这个职位早在几年前就过时了，但是由于历史遗留问题，许多大公司，如Shopify、Instacart、Kickstarter等，仍在使用它。

你确实可以并且应该学习多种语言，这对于能否成为一名优秀的软件工程师来说至关重要。

软件工程需要更多技能

我们总是期待软件工程师对每个方面都至少有一些了解。

 

原因何在?事实上，这是机器学习到软件工程，数据科学到数据分析发展的进程。

机器学习工具正愈加“平民化”

谷歌希望每个人都能接触到机器学习模型的训练，不论他们的技术知识如何。随着机器学习大众化，云服务的市场逐渐增长，理解算法的价值则逐渐下降。

很久以前，我们手动编码算法。后来，Sklearn可以在几行代码中完成同样的操作。原始的TensorFlow很难使用，Keras使其变得容易。如今，谷歌、微软和亚马逊都提供服务用以选择、训练和调整云中模型，然后立即在API后提供模型。

可能在不久的将来，人人都可以训练人工智能。但是随着复杂性的降低，对于经验丰富的软件工程师来说，它只是信手拈来的另一个工具而已。

机器学习发展集中于几门语言上

语言的重要性不必多说。你知道COBOL(面向商业的通用语言)吗?如果知道，便能获得一份终身工作。世界金融体系依赖于此。然而如今没有人再学习COBOL了，大多数机器学习是通过Python来实现，而软件开发则是通过多种语言实现的。

 

这也就带来了一些全新的问题。通过与同事的讨论，并合作实现许多想法，我学到了很多关于Python的知识，也有了一些很好的实践经验。与团队合作解决复杂的问题，促使我在版本控制、单元测试和持续集成/持续部署方面扩展了自己的视野。

展示自己的产品，你身边的人可能会面临类似的挑战。在最坏的情况下，身边的人可能并不会感兴趣，但是即使如此，展示也不会让你失去任何东西。在最好的情况下，身边的人会促进工作，也会给你提出新的问题，提高你的技术。

接受新的挑战

从那之后，我们面临的挑战也越来越大。意外之下，一个遗留的财务应用程序没法使用了，我们的部门曾经依靠这个程序来发布财务结果。

接受Python的挑战原本只是想想而已，但现在却成了必然选择。我被要求组建一个团队并领导一个Python程序的开发，时限两个月。意料之中，我们这个小团队按时完成了这个任务。

这个挑战非常伤脑筋，但并非不可解决。我如果只是一直妄想获得一个这样大任务的机会，当这个机会真正来临时我也会悲惨的失败。而我选择了慢慢地提高我和团队的技能，这使我们逐渐走向成功。

后来的事情便不再受我控制。由于这个项目开发的成就，我获得了第一次晋升和加薪。一年之内，我找到了一份新的工作。我现在负责一个拥有金融功能的数据集成。我使用最先进的数据平台和分布式，解决了一些在几年前无法想象的问题。

从细微之处开始提升，当更大的挑战来临时，就能够做好准备，成就也会随之而来。

学习Python是一段艰难的旅程。开源社区创造了许多神奇的工具，和培训的材料，也为众多问题提供了答案，它是我学习之路上的最大帮手。在过去几年中，我一直从这些内容中获益。而如今，我有能力去在技术上帮助别人了，有更多的事情等着我去完成。



 

（编辑：信阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!