首页 > 正文

互联网行业这几年迅猛发展,越来越多的年轻人投入到互联网的浪潮中。互联网公司需求哪些人才,哪一类职业更抢手,哪些人更容易在互联网公司找到工作,各类职业工作年限对应年薪分布如何,哪些城市互联网公司发展的更好,各个细分领域的互联网公司对人才的需求如何?下面就用数据的方式来对互联网行业的职场进行分析。

互联网行业哪个职位比较有前途

1、互联网各类职位需求状况

互联网行业哪个职位比较有前途

整个互联网行业是建立在计算机技术开发的基础之上,因此该行业对于技术类人才的需求占了45%左右。然而现在的互联网产品模仿非常严重,新产品上线不久往往就有很多的竞争者,加之现在的互联网产品中技术越来越不能成为其壁垒,那么,除了产品自身优秀外,市场和运营的作用就非常关键,可以说决定着产品的前途和命运。所以我们从下图可以看到,互联网行业对于市场和运营的人才需求比例也非常大。从排在前三类职位的细分职业来看,互联网行业对研发工程师,销售人员,运营专员的需求分别占了各自所属类别职位的一半以上。

互联网行业哪个职位比较有前途

2、互联网最难招/易招职位

互联网行业哪个职位比较有前途

我根据职位从开放到关闭时所经历的平均天数来衡量各个职位的难易招程度。从下图可以看到,互联网公司招聘一名营销人员平均需要54.4天时间,可谓互联网最难招的职位,排名前五的最难招职位中,有2个职位都属于市场与销售类别,这应该是和目前互联网大量to C项目的创立,对市场与销售人员的庞大需求量成正相关,同时由于互联网市场类职位的起薪相对较低,也成为了该类职位难招到人的制约因素。

互联网行业哪个职位比较有前途

我们看到,互联网最易招的5种职位中,有四种均属于职能类别的职位,表明互联网对这类职位人员的需求量不大。我们发现前段时间兴起的新兴职位:程序员鼓励师属于互联网最易招的职位,一方面是目前行业内公司对该职位需求量较小,要求不高,另一方面由于其有趣的工作职责要求,吸引了很多年轻女性前来应聘。

从下图我们可以看到,基本是技术类的屠榜,其中最抢手的就是架构师,系统架构师是一个既需要掌控整体又需要洞悉局部瓶颈并依据具体的业务场景给出解决方案的团队领导型人物。

互联网工作年限与对应年薪

下图可以看到,前5年里,技术和产品类别的职位年薪属于互联网行业中较高的群体,工作5年后,运营类别的职位年薪有了较大的涨幅,后期甚至超过了做产品的人员。职能部门的人员前期薪酬相对较低,工作10年以上,薪酬和市场,设计相关职位人员达到同一层次。

目前中国市场对IT人才的需求每年超过50万人。而国内目前的IT教育主要是高等学校计算机、电子、电信、信息技术等相关专业的学历教育,每年培养的大学毕业生约为5万,远远不能满足市场的需求。其次,真正地实用的IT技术人才短缺,使得IT公司只能以优厚的待遇来吸引人才。 未来30年是互联网的时代,有时候选择比努力更重要,选择一个好的行业,选择一个合适的职业,将让我们赢在人生起跑线上。

晟司科技就业中心表示:IT从业人员薪酬基本是领跑其他行业,并且IT人员跳槽是非常受欢迎,基本跳槽一次,薪资也大幅度提升。

请问转行做人工智能需要如何准备

我以前是半导体行业,大约五六年前转行到互联网行业做算法工程师,说下我的经验(其实每条经验都是踩完各种坑得出来的惨痛教训)

互联网行业哪个职位比较有前途

一定要自顶向下学习, 而不是自底向上项目(或比赛)驱动学习,而不是没有目标的乱撞深度学习入门用支持动态图的框架学习,比如Pytorch而不是Tensorflow推荐fastai的课程,免费,很多干货一定要自顶向下学习,而不是自底向上相信很多人都见过有人精心整理过的思维导图,密密麻麻的的一大串东西要学,基本上从数学领域到编程领域,基本是下面的这些知识点:

互联网行业哪个职位比较有前途

数学(线性代数、微积分、 概率论与随机统计、信息论、数值计算、统计学等)计算机科学编程(C++、CUDA、MPI、Python、Hadoop、Spark等)下面是《深度学习》这本书的某页截图,公式很多:

互联网行业哪个职位比较有前途

很多人都被唬住了,对于转行人工智能,是从入门到到放弃。也有一些人,有很大的恒心毅力,陆陆续续的将这些知识点都学习了,最后终于入门,突然有一天,发现自己饶了这么多圈子,效率低得一塌糊涂。

自低向上学习,强调打牢基础,最正规路线应该是读个计算机科学的博士(计算机科学,打牢你的编码技能;博士,都需要强大的数学基础)。但是人工智能在快速发展迭代,等你打牢基础,黄花菜可能都凉了,用经济学的概念来说,机会成本太高。

而自顶向下学习,强调全局观,而不是一下陷入某个基础细节(想想盲人摸象)当中。我们又不是造汽车,需要将所有的零件都一一准备好。我们是软件设计,很多虚拟的零件,直接调用即可,后续需要的时候,在进一步钻研这个零件,不妨碍打牢基础。

这里先说理论,至于如何实践从顶向下学习,后文三段会具体展开。

项目驱动,实践中学习,而不是随机学习人生没有目标,和咸鱼有什么区别?建议项目驱动,而不是随机漫步的学习,像咸鱼一样随波逐流。如果没有具体项目,可以通过打比赛,练手。比如国内的天池、国外的kaggle比赛。

项目驱动,每个阶段都有清楚的目标,会让你集中精力,很多理论或算法,才会真正的发力。后续面试中,很多面试官都会感兴趣。

深度学习入门,一定要用动态图框架,比如pytorch谈人工智能,如果不提深度学习,不太可能。Google的Tensorflow深度学习框架, 2.0版本之前,用我朋友的话说,都是反人类的静态图设计,非常不利于调试和学习。入门深度学习,不要被Google的光环吸引了,要用动态图框架,比如PyTorch。

备注: Tensorflow 2.0最近有发布,据说支持动态图,不过目前还没有是用过。不过从支持动态图来看,之前的静态图确实学习、调试成本太高。

最佳实践:推荐fastai的免费课程之前有讲到如何具体实践,那就是学习fastai的免费课程。里面干货很多,会帮助你快速入门。里面几行代码,就可以实现模型训练和预测,里面会让你避免各种坑,我就是上了这里的课程之后,才感叹自己当初是饶了多少圈子。

提示: 最基础的前提你要有: 一定的编码基础, python即可。有GPU资源,自己花几千买块GPU或用云服务。

说明: 陆陆续续整理近三个小时,回答了这个问题。如还有疑问,可评论或关注后私信我。

猜你喜欢
发表评论

电子邮件地址不会被公开。 必填项已用*标注

评论信息