如何看待2022年秋招Java后端开发岗一片红海？

如何看待2022年秋招Java后端开发岗一片红海？

这可能源于一些有才华的人转向计算机视觉（CV）和自然语言处理（NLP）领域时的雄心壮志——即成为"人上人"的愿望。然而，在追求"一等人上人"的过程中却碰到了难以逾越的门槛——算法岗位的竞争过于激烈。因此他们不得不退而求其次——转向"二等人上人的"后端岗位寻求发展机会。

虽然申请者数量众多导致表面竞争激烈的情况出现,但是一些转行仅精于调参的技术人员同样面临前端客户端的应用开发难题

我国众多高校自2018年起逐步开设人工智能本科专业，在本年度开始推行的保研政策下，这一届本科生在本年度已初步实现保研目标；随后是本年后的两个年级陆续进入校园招聘环节；整体势力仍处于待发状态。

问内存模型，不知道。

问注解本质，不知道。

问反编译，不知道。

问耦合和解耦，不知道。

但凡是稍微要写两行代码debug一下才能究其根本的问题，一问三不知……

面试跟考试背书一样……全是一些套路，背得滚瓜烂熟……

就跟那个著名的“画一条线值1块，知道画在哪里值99块”的寓言里讲的一样。

会写代码值1块，知道什么地方什么时候为什么写代码，值99块。

when, where, why你都不知道，你就知道增删查改背面试题，那怎么不红海？

=============

PS：

spring boot这个东西就跟当年我学的mfc一样。

会用spring boot根本不代表一个人会java了。

你笑人家mfc用魔改宏，

结果自己java用反射用得飞起……

这些框架里，魔改的东西太多了……

自己用起来不求甚解，面试起来一个个都头头是道……

听哥一句，你不往深了搞，是涨不了码的……

但我也不是建议大家钻研很深，对各种奇技淫巧非常熟练的意思；

我是指，你得更了解一门语言的底层实现，才能更好地使用它。

不要以为你不懂杠杆原理就可以用跷跷板……

会坐跷跷板值1块，会修跷跷板值99块，跷跷板总要坏的。

热点人追涨杀跌，人菜瘾大，被割韭菜，可喜可贺。

在阐述这句话之前，在探讨一下：都说这是内卷的话具体指什么？

简单的说就是零和或者负和游戏，玩着玩着觉得很不对，出来抱怨环境。

举个例子来说吧——高考、加班、房价都是零和竞争。讲讲这些事情其实是正常的，归根结底，这就是现状。你也没啥办法。

但是你在寻找计算机行业的入场券啊？生态就是这个领域的底层规则啊！为什么别的人会用你却不会用？

我再说得直白一点，为什么别人能做大蛋糕，你就不行？

我们具体看一看蛋糕是如何做大的：

0：从无到有做一个领域（发明蛋糕）：如Tim Berners-Lee发明互联网一样

这需要天时地利人和，可遇不可求，pass

构建独特的知识体系，并在系统性地整合相关领域的基础上实现对所有相关知识的全面收录，并将其汇编成系列书籍。其中包含龙书、《计算机体系结构：一种量化分析方法》和《计算机程序设计艺术（TAOCP）》等。

这需要成为行业领头羊，pass

2：在一个领域进行革命：RISC vs CISC，Unix vs Multics

这需要挑战领头羊，pass

3：开拓疆土：例如AlexNet应用于计算机视觉领域（CV），DeepMind通过深度学习技术在蛋白质折叠问题上取得突破；大数据驱动的社会学研究；以深度学习为驱动的数据库设计与优化；基于形式化验证的编译器开发；前端开发人员使用Node.js进行后端开发。

4：后排支援工作：使用TensorFlow进行深度学习工作，采用Spark进行大数据处理，并运用React Svelte进行前端开发

没关系嘛！那第12题也别找借口啦！难道就不能完成吗？你为何无法完成？难道 TensorFlow 这样的深度学习框架还不会开发吗？难道就得做一个针对特定 use case 的 quantization/deployment/inference 工具还不够好吗？不行的话那就做一个更高阶的解决方案吧！或者干脆编写一个算法库也成！而 DeepMind 用机器学习搞蛋白质折叠研究, 你为什么不考虑一下机器学习在考古学研究方面的应用呢?为什么就不能用来计算生物树状图了呢? Dean 教授那边搞了个深度强化学习在路线规划上的应用, 你的预算还能支持 ML 的 fuzzing 工作吗?

这还真整不出。我就来分析一下为什么。

为了实现AlexNet模型的构建，在缺乏现成深度学习框架的情况下，则需要手动编写CUDA代码以完成GPU加速优化工作

你需要掌握深度学习数据库的基本架构。作为一个学生党，你至少需要了解数据库的基本组成。然而，在逃课期间使用PyTorch进行数据挖掘的行为是不可取的。这显然是不对的。

You want to handle Node, this is the runtime environment. If you go to study operating systems and C language, you can’t handle it if you only know CSS's four common methods.

学习Svelte可能是一个明智的选择；它结合了编译器与FRP框架的优势，并非易学之物。

你定一个小目标，我就整一个库，只需要领域知识！

。。。。。

但是你还是整不来。

对于那些包含2000行代码的高级功能来说，在设计时就需要运用Python进行元编程实现，并完成这项工作所花费的码工量也不仅仅是编写基础神经网络那么简单。简单地导入PyTorch并编写基础神经网络的人根本不可能达到这种高度复杂的开发需求。

即使不掌握Python元编程技巧，在开发一个项目时也必须具备一定的代码组织能力作为基础。了解代码应该如何遵循既定的结构进行排列，并进行模块化重构是必要的。同时要测试哪些功能内容才能确保系统的稳定性和可靠性。这些软件工程与编码规范的知识并不是凭空产生的。

换句话说，在某个领域取得具有重要意义的成就之前，你需要掌握基础知识。这也是为什么在大学学习期间通常不会教授如何使用React的原因。但你似乎还没有学到。

你若不开拓新领域，则非领军者，在开拓疆土方面亦无作为，则需坚守自己的那一片 ground 做任何人均可担任的角色——若你未被优化，则无人可优待于你？

这是你人菜。

I'm sorry, I'm not good enough. Why don't you consider seeking a more straightforward career? Even if you pursue something unconventional like a 'three and half' professional, you can still manage to work one day and rest two days.

你渴望超越众人，并追求卓越成就。你对传统CS持有偏见，并对其不屑一顾。你希望实现弯道超车的目标，在竞争中占据有利位置，并通过获取红利来实现高薪收入的同时捕获低 hanging opportunities。

于是你去看其他人怎么找low hanging fruit的，然后跟着做。

笑死我了，其他人做X是去摘low hanging fruit，是在创造，

你再去跟着做X是去做创人，表演东北二人转给大家看吗？

别人早就摘完了，你吃不到红利，反而变成那个红利了。

真正的问题在于新兴领域更新换代迅速且具有短暂的生命 span（魔理沙：半条命），即便你进入了这个领域，在短时间内也难以积累优势并占据竞争地位。

这是你瘾大。

那我怎么办？

首先，请不要全部投入。通过长期坚守联结主义研究的 thirty years, 杨立昆最终取得突破性进展。归功于 Xavier Leroy 天才般的指导与实践, 形式验证领域才得以突飞猛进。随后推出的compcert项目彻底改变了这一领域, 使得形式验证不再被视为遥不可及。请问您是否有勇气投资于那些充满风险的股票并持续持有它们而获得暴利？或者您是否习惯于顺势而为？

过去一段时间里，在移动设备端、网页设计端以及人工智能应用端等新兴领域均呈现出一种繁荣的状态。如今看来已显疲态的新兴领域与新技术应用正在逐渐显现其局限性与挑战；未来当遇到新的热门领域时，请观察其当前的发展状态与前景，并从中寻找存在的潜在问题与发展方向；这或许能帮助我们更好地把握住机遇与挑战

随后，在整个计算机体系结构领域系统性地学习。

假设大学每学年分为两个学期，在每个学期中开设两门核心课程，则总共只需要三年的时间足够（但同时也建议合理安排学习任务以避免过度负担）。如果学生所在的大学还有其他相关课程需要修读的话，则可以选择同时修读这两门课程。这样一来学习压力相对较小，并且能够及时完成作业。余下的时间则可以投入到个人感兴趣的领域或潜力较大的新兴领域。无论你如何利用剩余的时间进行规划与分配，在选择合适的机会后你必定能够找到理想的工作。

如果你实在忍不住了，并且还想投入更多精力，在职业发展上做出更大努力的话