十年程序員學習

① 有哪些老程序員都知道對新手很有用的經驗

一說到程序員，想必大家的第一印象就是頭發少，很大程度上就是因為壓力大導致的，有生活壓力，也有工作壓力。

今天說說工作方面的壓力，想必看到這個問題的小夥伴都有一個認知，就是一個項目往往比預期的要長，說不定從哪天開始就加班了，一出現BUG真的要人命。此時，考研新老選手心態的時候和經驗的時候了，老程序員或許能從容應對，新手可能完全不知錯所。

七、個人信息一定要保管好

這些信息包括戶口檔案、社保、公積金等信息，程序員新手可能跳槽比較頻繁，有人甚至還換個城市工作。除了戶口可能其他的信息都亂了，可能當時覺得不那麼重要，但是十年、二十年後，可能會非常重要。

八、幾條名言

·工作日誌可以提升腦容量；

·不要先寫框架再寫實現，要反過來；

·重構/優化/修復Bug，不要同時做；

·簡化開發流程，加快迭代速度；

·紙筆是最好的工具，其次是markdown；

·畫出結果，一目瞭然。

·首選明文文本，二進制、加密、壓縮等到時候再加；

·要學會進行清晰的命名；

·問問題前先調查，要問到點上。

·不要小看程序員

② 未來十年程序員越來越多，工資會變成白菜價嗎

說到程序員的薪水，每個人都會想到一個詞：高！後來有人說，現在大家都轉向它，將來程序員的供過於求，這肯定會成為白菜的價格。

互聯網作為一個新興的產業，從1995年發展至今。它經歷了信息門戶、電子商務、搜索、社交和共享經濟等幾個里程碑式的產品階段。微軟、蘋果、谷歌、優步、騰訊等標桿企業不斷將行業推向巔峰。如今，互聯網和移動互聯網正逐步向縱深和精準方向發展。基於大數據，人們開始從滿足用戶的一般需求擴展到個性化需求。此外，「互聯網產業」已成為共識。以互聯網和移動互聯網為基礎設施，推動「物聯網」時代已經悄然到來。

③ 編程 10年

計算機語言的種類非常的多，總的來說可以分成機器語言，匯編語言，高級語言三大類。

電腦每做的一次動作，一個步驟，都是按照以經用計算機語言編好的程序來執行的，程序是計算機要執行的指令的集合，而程序全部都是用我們所掌握的語言來編寫的。所以人們要控制計算機一定要通過計算機語言向計算機發出命令。

計算機所能識別的語言只有機器語言，即由0和1構成的代碼。但通常人們編程時，不採用機器語言，因為它非常難於記憶和識別。

目前通用的編程語言有兩種形式：匯編語言和高級語言。

匯編語言的實質和機器語言是相同的，都是直接對硬體操作，只不過指令採用了英文縮寫的標識符，更容易識別和記憶。它同樣需要編程者將每一步具體的操作用命令的形式寫出來。匯編程序通常由三部分組成：指令、偽指令和宏指令。匯編程序的每一句指令只能對應實際操作過程中的一個很細微的動作，例如移動、自增，因此匯編源程序一般比較冗長、復雜、容易出錯，而且使用匯編語言編程需要有更多的計算機專業知識，但匯編語言的優點也是顯而易見的，用匯編語言所能完成的操作不是一般高級語言所能實現的，而且源程序經匯編生成的可執行文件不僅比較小，而且執行速度很快。

高級語言是目前絕大多數編程者的選擇。和匯編語言相比，它不但將許多相關的機器指令合成為單條指令，並且去掉了與具體操作有關但與完成工作無關的細節，例如使用堆棧、寄存器等，這樣就大大簡化了程序中的指令。同時，由於省略了很多細節，編程者也就不需要有太多的專業知識。

高級語言主要是相對於匯編語言而言，它並不是特指某一種具體的語言，而是包括了很多編程語言，如目前流行的VB、VC、FoxPro、Delphi等，這些語言的語法、命令格式都各不相同。

高級語言所編制的程序不能直接被計算機識別，必須經過轉換才能被執行，按轉換方式可將它們分為兩類:

解釋類：執行方式類似於我們日常生活中的「同聲翻譯」，應用程序源代碼一邊由相應語言的解釋器「翻譯」成目標代碼(機器語言)，一邊執行，因此效率比較低，而且不能生成可獨立執行的可執行文件，應用程序不能脫離其解釋器，但這種方式比較靈活，可以動態地調整、修改應用程序。

編譯類：編譯是指在應用源程序執行之前，就將程序源代碼「翻譯」成目標代碼(機器語言)，因此其目標程序可以脫離其語言環境獨立執行，使用比較方便、效率較高。但應用程序一旦需要修改，必須先修改源代碼，再重新編譯生成新的目標文件(＊ .OBJ)才能執行，只有目標文件而沒有源代碼，修改很不方便。現在大多數的編程語言都是編譯型的，例如Visual C＋＋、Visual Foxpro、Delphi等。

[NextPage]

學習編程，從何入手

如果您想學習編程，卻又不知從何入手，那麼您不妨看看下面的幾種學習方案，可能會給您一些啟示吧！
==============================================
方案一 Basic語言 & Visual Basic

優點
（1）Basic 簡單易學，很容易上手。
（2）Visual Basic 提供了強大的可視化編程能力，可以讓你輕松地做出漂亮的程序。
（3）眾多的控制項讓編程變得象壘積木一樣簡單。
（4）Visual Basic 的全部漢化讓我們這些見了English就頭大的人喜不自禁。

缺點
（1）Visual Basic 不是真正的面向對象的開發文具。
（2）Visual Basic 的數據類型太少，而且不支持指針，這使得它的表達能力很有限。
（3）Visual Basic 不是真正的編譯型語言，它產生的最終代碼不是可執行的，是一種偽代碼。它需要一個動態鏈接庫去解釋執行，這使得Visual Basic 的編譯速度大大變慢。

綜述：方案一適合初涉編程的朋友，它對學習者的要求不高，幾乎每個人都可以在一個比較短的時間里學會vB編程，並用VB 做出自己的作品。對於那些把編程當做游戲的朋友來說，VB 是您最佳的選擇。

Basic/Visual Basic簡介
==============================================
方案二 Pascal語言 & Delphi

優點
（1）Pascal語言結構嚴謹，可以很好地培養一個人的編程思想。
（2）Delphi是一門真正的面向對象的開發工具，並且是完全的可視化。
（3）Delphi使用了真編譯，可以讓你的代碼編譯成為可執行的文件，而且編譯速度非常快。
（4）Delphi具有強大的資料庫開發能力，可以讓你輕松地開發資料庫。

缺點
Delphi幾乎可以說是完美的，只是Pascal語言的過於嚴謹讓人感覺有點煩。

綜述: 方案二比較適合那些具有一定編程基礎並且學過Pascal語言的朋友。

Pascal語言簡介
Delphi簡介
==============================================
方案三 C語言 & Visual C++

優點
（1）C語言靈活性好，效率高，可以接觸到軟體開發比較底層的東西。
（2）微軟的MFC庫博大精深，學會它可以讓隨心所欲地進行編程。
（3）VC是微軟製作的產品，與操作系統的結合更加緊密。

缺點
對使用者的要求比較高，既要具備豐富的C語言編程經驗，又要具有一定的WINDOWS編程基礎，它的過於專業使得一般的編程愛好者學習起來會有不小的困難。

綜述: VC是程序員用的東西。如果你是一個永不滿足的人，而且可以在編程上投入很大的精力和時間，那麼學習VC你一定不會後悔的。

C語言簡介
==============================================
方案四 C++語言 & C++ Builder

優點
（1）C++語言的優點全部得以繼承。
（2）完全的可是化。
（3）極強的兼容性，支持OWL、VCL和MFC三大類庫。
（4）編譯速度非常快。

缺點
由於推出的時間太短，關於它的各種資料還不太多。

綜述：我認為C++ Builder 是最好的編程工具。它既保持了C++語言編程的優點，又做到了完全的可視化。

C語言簡介
==============================================
方案五 SQL語言 & Power Builder

對於一些傳統的數據開發人員來說，Foxpro系列也許讓他們感到更加熟悉。但是對於初學者來說，PowerBuilder也許是最好的資料庫開發工具。各種各樣的控制項，功能強大的PowerBuilder語言都會幫助你開發出自己的資料庫應用程序。

[NextPage]
JSP簡介

在Sun正式發布JSP(java Server Pages)之後，這種新的Web應用開發技術很快引起了人們的關注。JSP為創建高度動態的Web應用提供了一個獨特的開發環境。按照 Sun 的說法，JSP能夠適應市場上包括Apache WebServer 、IIS4.0在內的85%的伺服器產品。

JSP與ASP的簡單比較

JSP與Microsoft的ASP技術非常相似。兩者都提供在HTML代碼中混合某種程序代碼、由語言引擎解釋執行程序代碼的能力。在ASP或JSP環境下，HTML代碼主要負責描述信息的顯示樣式，而程序代碼則用來描述處理邏輯。普通的HTML頁面只依賴於Web伺服器，而ASP和JSP頁面需要附加的語言引擎分析和執行程序代碼。程序代碼的執行結果被重新嵌入到HTML代碼中，然後一起發送給瀏覽器。ASP和JSP都是面向Web伺服器的技術，客戶端瀏覽器不需要任何附加的軟體支持。

ASP的編程語言是VBScript之類的腳本語言，JSP使用的是Java，這是兩者最明顯的區別。

此外，ASP與JSP還有一個更為本質的區別：兩種語言引擎用完全不同的方式處理頁面中嵌入的程序代碼。在ASP下，VBScript代碼被ASP引擎解釋執行；在JSP下，代碼被編譯成Servlet並由Java虛擬機執行，這種編譯操作僅在對JSP頁面的第一次請求時發生。

運行環境

執行 JSP 代碼需要在伺服器上安裝 JSP 引擎。此處我們使用的是 Sun 的 JavaServer Web Development Kit （ JSWDK ）。為便於學習，這個軟體包提供了大量可供修改的示例。安裝 JSWDK 之後，只需執行 startserver 命令即可啟動伺服器。在默認配置下伺服器在埠 8080 監聽，使用 http://localhost:8080 即可打開預設頁面。

在運行 JSP 示例頁面之前，請注意一下安裝 JSWDK 的目錄，特別是" work "子目錄下的內容。執行示例頁面時，可以在這里看到 JSP 頁面如何被轉換成 Java 源文件，然後又被編譯成 class 文件（即 Servlet ）。 JSWDK 軟體包中的示例頁面分為兩類，它們或者是 JSP 文件，或者是包含一個表單的 HTML 文件，這些表單均由 JSP 代碼處理。與 ASP 一樣， JSP 中的 Java 代碼均在伺服器端執行。因此，在瀏覽器中使用"查看源文件"菜單是無法看到 JSP 源代碼的，只能看到結果 HTML 代碼。所有示例的源代碼均通過一個單獨的" examples "頁面提供。

Java Servlet是一種開發Web應用的理想構架。 JSP以Servlet技術為基礎，又在許多方面作了改進。JSP頁面看起來象普通HTML頁面，但它允許嵌入執行代碼，在這一點上，它和ASP技術非常相似。利用跨平台運行的JavaBean 組件，JSP為分離處理邏輯與顯示樣式提供了卓越的解決方案。JSP必將成為ASP技術的有力競爭者。

[NextPage]
SQL語言簡介

SQL全稱是「結構化查詢語言(Structured Query Language)」，最早的是IBM的聖約瑟研究實驗室為其關系資料庫管理系統SYSTEM R開發的一種查詢語言，它的前身是SQUARE語言。SQL語言結構簡潔，功能強大，簡單易學，所以自從IBM公司1981年推出以來，SQL語言，得到了廣泛的應用。如今無論是像Oracle ,Sybase,Informix,SQL server這些大型的資料庫管理系統，還是像Visual Foxporo,PowerBuilder這些微機上常用的資料庫開發系統，都支持SQL語言作為查詢語言。

Structured Query Language包含4個部分：

數據查詢語言DQL-Data Query Language SELECT
數據操縱語言DQL-Data Manipulation Language INSERT, UPDATE, DELETE
數據定義語言DQL-Data Definition Language CREATE, ALTER, DROP
數據控制語言DQL-Data Control Language COMMIT WORK, ROLLBACK WORK

SQL的歷史

在70年代初，E.E.Codd首先提出了關系模型。70年代中期，IBM公司在研製 SYSTEM R關系資料庫管理系統中研製了SQL語言，最早的SQL語言(叫SEQUEL2)是在1976 年 11 月的IBM Journal of R&D上公布的。

1979年ORACLE公司首先提供商用的SQL，IBM公司在DB2 和SQL/DS資料庫系統中也實現了SQL。

1986年10月，美國ANSI採用SQL作為關系資料庫管理系統的標准語言(ANSI X3. 135-1986)，後為國際標准化組織(ISO)採納為國際標准。

1989年，美國ANSI採納在ANSI X3.135-1989報告中定義的關系資料庫管理系統的SQL標准語言，稱為ANSI SQL 89， 該標准替代ANSI X3.135-1986版本。該標准為下列組織所採納：

● 國際標准化組織(ISO)，為ISO 9075-1989報告「Database Language SQL With Integrity Enhancement」
● 美國聯邦政府，發布在The Federal Information Processing Standard Publication(FIPS PUB)127

目前，所有主要的關系資料庫管理系統支持某些形式的SQL語言， 大部分資料庫打算遵守ANSI SQL89標准。

SQL的優點

SQL廣泛地被採用正說明了它的優點。它使全部用戶，包括應用程序員、DBA管理員和終端用戶受益非淺。

(1) 非過程化語言

SQL是一個非過程化的語言，因為它一次處理一個記錄，對數據提供自動導航。SQL允許用戶在高層的數據結構上工作，而不對單個記錄進行操作，可操作記錄集。所有SQL 語句接受集合作為輸入，返回集合作為輸出。SQL的集合特性允許一條SQL語句的結果作為另一條SQL語句的輸入。 SQL不要求用戶指定對數據的存放方法。 這種特性使用戶更易集中精力於要得到的結果。所有SQL語句使用查詢優化器，它是RDBMS的一部分，由它決定對指定數據存取的最快速度的手段。查詢優化器知道存在什麼索引，哪兒使用合適，而用戶從不需要知道表是否有索引，表有什麼類型的索引。

(2) 統一的語言

SQL可用於所有用戶的DB活動模型，包括系統管理員、資料庫管理員、 應用程序員、決策支持系統人員及許多其它類型的終端用戶。基本的SQL 命令只需很少時間就能學會，最高級的命令在幾天內便可掌握。 SQL為許多任務提供了命令，包括：

● 查詢數據
● 在表中插入、修改和刪除記錄
● 建立、修改和刪除數據對象
● 控制對數據和數據對象的存取
● 保證資料庫一致性和完整性

以前的資料庫管理系統為上述各類操作提供單獨的語言，而SQL 將全部任務統一在一種語言中。

(3) 是所有關系資料庫的公共語言

由於所有主要的關系資料庫管理系統都支持SQL語言，用戶可將使用SQL的技能從一個RDBMS轉到另一個。所有用SQL編寫的程序都是可以移植的。

[NextPage]
Java語言簡介

一. Java的由來

當1995年SUN推出Java語言之後，全世界的目光都被這個神奇的語言所吸引。那麼Java到底有何神奇之處呢？

Java語言其實最是誕生於1991年，起初被稱為OAK語言，是SUN公司為一些消費性電子產品而設計的一個通用環境。他們最初的目的只是為了開發一種獨立於平台的軟體技術，而且在網路出現之前，OAK可以說是默默無聞，甚至差點夭折。但是，網路的出現改變了OAK的命運。

在Java出現以前。Internet上的信息內容都是一些乏味死板的HTML文檔。這對於那些迷戀於WEB瀏覽的人們來說簡直不可容忍。他們迫切希望能在WEN中看到一些互動式的內容，開發人員也極希望能夠在WEB上創建一類無需考慮軟硬體平台就可以執行的應用程序，當然這些程序還要有極大的安全保障。對於用戶的這種要求，傳統的編程語言顯得無能為力，面SUN的工程師敏銳地察覺到了這一點，從1994年起，他們開始將OAK技術應用於WEB上，並且開發出了HotJava的第一個版本。當SUN公司1995年正式以Java這個名字推出的時候，幾乎所有的WEB開發人員都想到：噢，這正是我想要的。於是Java成了一顆耀眼的明星，丑小鴨一下了變成了白天鵝。

二. Java的定義

Java是一種簡單的，面象對象的，分布式的，解釋的，鍵壯的安全的，結構的中立的，可移植的，性能很優異的多線程的，動態的語言。

Java的開發環境有不同的版本，如sun公司的Java Developers Kit， 簡稱 JDK。後來微軟公司推出了支持Java規范的Microsoft Visual J++ Java開發環境，簡稱 VJ++。

三. Java的特點

1. 平台無關性

平台無關性是指Java能運行於不同的平台。Java引進虛擬機 原理，並運行於虛擬機，實現不同平台的Java介面之間。使 用Java編寫的程序能在世界范圍內共享。Java的數據類型與 機器無關，Java虛擬機（Java Virtual Machine）是建立在 硬體和操作系統之上，實現Java二進制代碼的解釋執行功能， 提供於不同平台的介面的。

2. 安全性

Java的編程類似C++,學習過C++的讀者將很快掌握Java的精 髓。Java舍棄了C++的指針對存儲器地址的直接操作，程序 運行時，內存由操作系統分配，這樣可以避免病毒通過指 針侵入系統。Java對程序提供了安全管理器，防止程序的 非法訪問。

3. 面向對象

Java 吸取了C++面向對象的概念,將數據封裝於類中,利用類 的優點,實現了程序的簡潔性和便於維護性。類的封裝性、 繼承性等有關對象的特性，使程序代碼只需一次編譯，然後 通過上述特性反復利用。程序員只需把主要精力用在類和接 口的設計和應用上。Java 提供了眾多的一般對象的類，通 過繼承即可使用父類的方法。在 Java 中，類的繼承關系是單一的非多重的，一個子類 只有一個父類，子類的父類又有一個父類。Java 提供的 Object 類及其子類的繼承關系如同一棵倒立的樹形，根類 為 Object 類， Object 類功能強大，經常會使用到它及其 它派生的子類。

4. 分布式

Java建立在擴展TCP/IP網路平台上。庫函數提供了用HTTP和FTP協議傳送和接受信息的方法。這使得程序員使用網路上的文件和使用本機文件一樣容易。

5. 鍵壯性

Java致力於檢查程序在編譯和運行時的錯誤。類型檢查幫助檢查出許多開發早期出現的錯誤。Java自已操縱內存減少了內存出錯的可能性。Java還實現了真數組，避免了覆蓋數據的可能。這些功能特徵大大提高了開發Java應用程序的周期。Java提供： Null指針檢測、 數組邊界檢測、 異常出口、 Byte code校驗。

四. Java與C/C++語言

Java提供了一個功能強大語言的所有功能，但幾乎沒有一點含混特徵。C++安全性不好，但C和C++被大家接受，所以Java設計成C++形式，讓大家很容易學習。

Java去掉了C++語言的許多功能，讓Java的語言功能很精煉，並增加了一些很有用的功能，如自動收集碎片。

Java去掉了以下幾個C和C++功能：
指針運算
結構
typedefs
#define
需要釋放內存

這將減少了平常出錯的50%。而且，Java很小，整個解釋器只需215K的RAM。

面象對象：Java實現了C++的基本面象對象技術並有一些增強，（為了語言簡單，刪除了一些功能）。Java處理數據方式和用對象介面處理對象數據方式一樣。

五. Java與Internet

我們知道，早先的 www 僅可以傳送文本和圖片，Java的出現實現了互動的頁面，是一次偉大的革命。

Java並不是為 Internet,WWW而設計的，它也可以用來編寫獨立的應用程序。Java 是一種面向對象語言。Java 語言類似於 C++ 語言，所以已熟練掌握 C++語言的編程人員，再學習 Java 語言就容易得多！Java 程序需要編譯。實際上有兩種 Java 程序：一種 Java 應用程序是一個完整的程序，如 Web 瀏覽器。一種 Java 小應用程序是運行於 Web 瀏覽器中的一個程序.

Java程序和它的瀏覽器HotJava，提供了可讓你的瀏覽器運行程序的方法。你能從你的瀏覽器里直接播放聲音。你還能播放頁面里的動畫。Java還能告訴你的瀏覽器怎樣處理新的類型文件。當我們能在2400 baud線上傳輸視頻圖象時，HotJava將能顯示這些視頻。

當今Internet的一大發展趨勢是電子商務，而Internet的安全問題是必須解決的問題，通常大的部門應設置防火牆，阻止非法侵入。

電子商務是當今的熱門話題，然而傳統的編程語言難以勝任電子商務系統，電子商務要求程序代碼具有基本的要求：安全、可靠、同時要求能 與運行於不同平台的機器的全世界客戶開展業務。Java以其強安全性、平台無關性、硬體結構無關性、語言簡潔同時面向對象，在網路編程語言中占據無可比擬的優勢，成為實現電子商務系統的首選語言。

Java程序被放置在Internet伺服器上,當用戶訪問伺服器時,Java程序被下載到本地的用戶機上,由瀏覽器解釋運行。

[NextPage]
PowerBuilder簡介

PowerBuilder的產生

PowerBuilder是美國著名的資料庫應用開發工具生產廠商PowerSoft推出的成功產品，其第一版於1991年6月正式投入市場。它是完全按照客戶/伺服器體系結構研製設計的，採用面向對象技術，圖形化的應用開發環境，是資料庫的前端開發工具。

PowerBuilder的特點

它支持應用系統同時訪問多種資料庫，其中既包括Oracel,Sybase之類的大型資料庫，又包括FOXPRO之類支持ODBC介面的小型資料庫，PowerBuilder是完全可視化的資料庫開發工具，它提供了大量的控制項，大大加快了項目的開發速度，也使開發者更容易掌握資料庫的開發。

它使用的編程語言叫做工PowerScripr，它也是一種高級的，結構化的編程語言。PowerScript提供了一套完整的嵌入式SQL語句，開發人員可以像使用其它語句一樣自由地使用SQL語言，這樣就大大增強了程序操縱和訪問資料庫的能力。可以說PowerBuilder既適合初學者快速學習資料庫的開發，又可以讓有經驗的開發人員開發出功能強大的資料庫，是一種適用面非常廣的開發工具。

PowerBuilder是一個用來進行客戶/伺服器開發的完全的可視化開發環境。使用PowerBuilder,你可以用一種可視的直觀的方式來創建應用程序的用戶界面和資料庫介面。這是一個總的概念，實際上是開發人員使用PowerBuilder去開發應用程序，由於所開發的各種應用程序充分利用了圖形用戶介面(GUI)的優點，所以PowerBuilder被認為是一個圖形工具。

在客戶／伺服器結構的應用中，PowerBuilder具有描述多個資料庫連接與檢索的能力。特別是PowerBuilder能從大多數流行的RDBMS中存取數據，且不管數據存放在什麽地方；另外，各種應用程序又可以獨立於RDBMS,因為PowerBuilder可以使用資料庫的標准操作語言SQL(結構化查詢語言）進行。

使用PowerBuilder，可以很容易地開發出功能強大的圖形界面的訪問伺服器資料庫的應用程序，PowerBuilder提供了建立符合工業標準的應用程序（例如訂單登記、會計及製造系統）所需的所有工具。

PowerBuilder應用程序由窗口組成，這些窗口包含用戶與之交互的控制項。開發人員可以使用所有標准空間（如按鈕、復選框、下拉式列表框或編輯框）以及PowerBuilder提供的特殊的使應用程序更易於開發和使用的控制項。

通常人們把PowerBuilder看成是一種開發工具，實際上它比其他工具強得多，是一種強有力的開發環境。開發人員不僅能用它來開發用戶容易使用的各種應用程序還可以通過PowerBuilder修改資料庫，利用400多個內部定義函數，可以開發能和其他應用程序進行的各種應用程序。

PowerBuilder正在成為客戶／伺服器應用開發的標准。相對於其他任何客戶／伺服器開發環境，PowerBuilder使開發人員的工作更快、成本更低、質量更高、功能更強。

PowerBuilder為應用開發提供了全面綜合性的支持，可以分別概括為如下幾點：

事件驅動的應用程序
功能強大的編程語言與函數
面向對象的編程
跨平台開發
開放的資料庫連結系統

PowerBuilder開發環境

PowerBuilder開發環境由一系列集成的圖形畫板(Painter)組成，應用開發人員通過簡單的滑鼠操作即可設計、建立、交互檢驗和測試客戶／伺服器應用程序。
[NextPage]
Delphi簡介

Delphi這個名字源於古希臘的城市名。它集中了第三代語言
參考資料：http://..com/question/8029.html

④ 程序員應該學哪些課程

最基本的編程能力要具備。
對於C、C＋＋、VB、.NET、JAVA要有初步了解
特別的，如果能熟練掌握JAVA是最好的。
在JAVA方面，推薦你去讀讀《croe java》系列（共三本，最好看影印版的，翻譯過來的書中有些地方有問題）。讀完之後，就可以考慮發展方向的問題了。現在JAVA主要有J2EE、J2ME、J2SE等等。
但是，作為輔助的工具，html語言一定要會，JSP技術也要精通，注意是精通。
現代企業級的應用大多是以模塊來開發設計軟體系統的。這就需要採用各種框架模型。目前比較流行的是MVC模型，在此模型下，又有SPRING框架和STRUTS框架。各有各的好處與不足。有時間你可以仔細研究一下。

⑤ 十年前的程序員，現在在做什麼

如果說十年前就是程序員的話，我覺得現在而言可能有幾種發展的可能性。

繼續做程序員

即使都是程序員，有不同的職業規劃，也會有不同的發展現狀，畢竟，就算是老師也有人是主任，有人是校長呢。

⑥ 作為一個好的程序員，都需要具備哪些基本的素質和能力

我上班第一天我的老闆讓我做的第一件事
看兩篇文章：
程序員隨想
雷軍
我不是天生的程序員，也並非天生就喜歡電腦，上高中時也沒有想過將來會當程序員，接觸電腦純屬偶然－－小時候的一個好朋友上大學時選擇了電腦專業，為了和這個朋友有更多的「共同語言」我便選擇了計算機系。在大學，我略窺電腦世界，開始為之「發燒」；畢業後，開始了一個程序員的職業生涯。
從開始寫程序到現在快十年了，寫過的程序不少。從這些年的風風雨雨中走過來，不能不有些體會。說到體會，最大的體會就是這條路太漫長。
一、一輩子有你 苦一點也願意
我沒有奢望大家把寫程序和文學創作相提並論，但其中的苦楚卻不是一個普通用戶能夠體味的。為了寫好一個程序，我們度過太多不眠之夜。有個朋友如此評價道，「寫程序簡直是在自殺，巨費精力巨費腦子巨累」。但還是有許多人不畏其苦，前仆後繼。
我剛接觸到電腦就發現電腦的妙處：電腦遠沒有人那麼復雜，如果你的程序寫得好，你就可以和電腦有著非常融洽的關系，就可以指揮電腦干你想乾的事，這個時候，你是十足的主宰。每每坐在電腦面前，你就如同在一個王國里巡行。
電腦里的世界很大，程序員是活在自己想像的王國里。你可以細微到電腦里的每一個位元組、每一個比特的東西。
這樣的日子簡直就是天堂般的日子，很多人都愛上了這樣的日子。
不少人認為程序員最多干到三十五歲就可以收山，腦子也差不多該歇歇了，並認為寫程序是年輕人的事情，到了一定年齡，估計沒什麼人再當程序員。
我剛畢業時，意氣風發，也想先吃點苦，到了三十歲就不幹了。年長一點後就發現了自己的無知。一個人大學畢業就二十一二歲，技術成熟一點後可能二十五，接著就是票子、妻子和房子等等諸多忙不完的事情。一切搞掂的時候，也許就是三十五歲。如果三十五歲就放棄的話，我們就不用選擇程序員的道路。
電腦進入我國時間不短，但真正大規模開始用，還是八五年PC登陸我國時候的事。因此國內真正寫電腦程序的人最長也就寫了十幾年（不知道是否還有這樣的人）。由於電腦應用在國內時間比較短，國內程序開發的主力以三十五歲以下的年輕人為主，但這並不表示程序員如同紅粉佳人般的容易衰老。美國和台灣地區的開發者以三四十歲的人為主。開始寫程序的時候，我們覺得沒有什麼不能做的（現在還能聽到這樣的豪言壯語），而且更要命的是，好象我們特別聰明，特別適合開發軟體，比老外強得多。當我們真正接觸那些傑出的國外開發人員的時候，發現他們太厲害了，都有十多年的開發經驗，絕對多數的產品出自這些有豐富開發經驗的程序員之手。
畢業後，編程不僅僅是愛好，而且成了一輩子的工作，可以肯定會干一輩子，雖然我沒有打算一生只干這一件事。用一生來編程是一件既容易又困難的事。如果碌碌無為，為交差寫點程序，這樣寫兩輩子的人都有。但如果想全身心地寫程序，寫十年都不是一件容易的事。現在我的不少朋友都洗手了，有時我也有這種想法，但一旦面對電腦，立刻頓悟：電腦還是自己最擅長乾的事，也是最順手的事。
二、我的未來不是夢
有的人刻苦學習編程技術，努力提高編程水平，並把高級程序員作為追求的目標，甚至是終身的奮斗目標。後來參與了真正的商品化軟體開發後，感到非常困惑和茫然。
當我上大學的時候，高級程序員也曾是我的目標。當時，我通過等級考試獲得了高級程序員證書，並在自己的名片上印上「高級程序員」的字樣。後來，我的水平提高了，似乎也成了大家認可的好程序員了。這個時候我卻開始茫然。我希望我的技術能得到別人的承認，當得到別人的承認後，我又能如何呢？後來我發現，無論成為多麼高級的程序員都沒用，關鍵是是否能夠出想法、出產品，你的勞動是否能被社會承認，是否能為社會創造財富。
我的未來是明確的，開發出高質量的適用社會的產品，為社會創造財富。
三、每一個程序都是藝術品
有人認為程序員沒有什麼了不起，不過是一種熟練工種而已；也有人把編程說成是藝術創作，捧上天。這兩種意見爭論比較激烈，甚至可以說針鋒相對。
我們換個工種來看，石匠應該是熟練工種，跟藝術似乎沾不上邊。；但正是這些石匠，給我們留下了數不勝數的文物古跡，如樂山大佛、莫高窟等等。應該說這此石匠給我們留下了無窮的文化財富。我認為編程的工作和石匠比較相似，是技術，也是藝術。
現代軟體工業已具相當規模，很多軟體的完成需要的是大兵團作戰。一名精通程序員接受編寫某一塊的任務後，往往只是寫代碼，發揮的餘地很小。在大項目中，很多程序員只能了解到和自己所編模塊相關的很局部的細節，另外還受到開發環境的限制，真的很難體會到自己在從事「藝術」創造，更多的時候是感到自己在從事重體力勞動。有的時候還擔心自己苦苦參與的這個項目究竟有沒有意義，是不是在同類產品中有競爭力，會不會開發出來以後就因為硬體的發展、操作系統的換代而過時．．．．．．
編程是技術活，才有可能大規模進行，才會有軟體工程的理論。也正是編程具備藝術創作的特點，我們的生活才會有如此多的好軟體產品。寫一個程序需要付出腦力和體力，當我—我們—某個群體完成一個程序之後，在我們的眼裡，每一個程序就都是藝術品。

程序員應具備的素質
前言
程序員是一種技術工作，在IT的發展中有相當重要的地位，從底層硬體通訊協議的建立， 到數據傳輸層的處理，到操作系統的建設，到資料庫平台的建設，一直到應用層上各種數 據營銷平台的搭建，程序員在裡面都扮演著舉足輕重的角色並為IT事業的發展做出了巨大 的貢獻。

中國有很多精於編碼的人，但是中國軟體行業，尤其是網路應用開發方面誤區很大，很難形成有規模的軟體開發力量和產品能力，不但比美國差距甚遠，和印度相比也是頗有不 如。這些問題不是在於中國程序員的智商和工作努力狀況，也不是在於國家和民間對開發 的投入程度，而是很大程度上，有一些對技術，對程序開發，對項目設計方面的思想誤 區，這些誤區，導致了軟體行業的產品化能力不足，缺乏規模化和大型復用系統研發能 力，可以說，改變認識誤區，是解決軟體行業小作坊模式和個體英雄模式所帶來的局限性 的重要工作。

中國有很多小朋友，他們18,9歲或21,2歲，通過自學也寫了不少代碼，他們有的代碼寫的很漂亮，一些技術細節相當出眾，也很有鑽研精神，但是他們被一些錯誤的認識和觀點左右，缺乏對系統，對程序的整體理解能力，這些人，一個網上的朋友說得很好，他們實際 上只是一些Coding fans，壓根沒有資格稱為程序員，但是據我所知，不少小網路公司的 CTO就是這樣的coding fans,拿著嚇人的工資，做著嚇人的項目，項目的結局通常也很嚇人。

一、程序員基本素質
作一個真正合格的程序員，或者說就是可以真正合格完成一些代碼工作的程序員，應該具有的素質。
1：團隊精神和協作能力
把它作為基本素質，並不是不重要，恰恰相反，這是程序員應該具備的最基本的，也是最 重要的安身立命之本。把高水平程序員說成獨行俠的都是在囈語，任何個人的力量都是有 限的，即便如linus這樣的天才，也需要通過組成強大的團隊來創造奇跡，那些遍布全球 的為linux寫核心的高手們，沒有協作精神是不可想像的。獨行俠可以作一些賺錢的小軟 件發點小財，但是一旦進入一些大系統的研發團隊，進入商業化和產品化的開發任務，缺 乏這種素質的人就完全不合格了。
2：文檔習慣
說高水平程序員從來不寫文檔的肯定是乳臭未乾的毛孩子，良好的文檔是正規研發流程中 非常重要的環節，作為代碼程序員，30％的工作時間寫技術文檔是很正常的，而作為高級 程序員和系統分析員，這個比例還要高很多。
缺乏文檔，一個軟體系統就缺乏生命力，在未來的查錯，升級以及模塊的復用時就都會遇 到極大的麻煩。

3：規范化，標准化的代碼編寫習慣
作為一些外國知名軟體公司的規矩，代碼的變數命名，代碼內注釋格式，甚至嵌套中行縮 進的長度和函數間的空行數字都有明確規定，良好的編寫習慣，不但有助於代碼的移植和 糾錯，也有助於不同技術人員之間的協作。
有些coding fans叫囂高水平程序員寫的代碼旁人從來看不懂，這種叫囂只能證明他們自 己壓根不配自稱程序員。代碼具有良好的可讀性，是程序員基本的素質需求。
再看看整個linux的搭建，沒有規范化和標准化的代碼習慣，全球的研發協作是絕對不可 想像的。

4：需求理解能力
程序員需要理解一個模塊的需求，很多小朋友寫程序往往只關注一個功能需求，他們把性 能指標全部歸結到硬體，操作系統和開發環境上，而忽視了本身代碼的性能考慮，有人曾 經放言說寫一個廣告交換程序很簡單，這種人從來不知道在百萬甚至千萬數量級的訪問情 況下的性能指標是如何實現的，對於這樣的程序員，你給他深藍那套系統，他也做不出太 極鏈的並訪能力。性能需求指標中，穩定性，並訪支撐能力以及安全性都很重要，作為程 序員需要評估該模塊在系統運營中所處的環境，將要受到的負荷壓力以及各種潛在的危險 和惡意攻擊的可能性。就這一點，一個成熟的程序員至少需要2到3年的項目研發和跟蹤經 驗才有可能有心得。
5：復用性，模塊化思維能力
經常可以聽到一些程序員有這樣的抱怨，寫了幾年程序，變成了熟練工，每天都是重復寫 一些沒有任何新意的代碼，這其實是中國軟體人才最大浪費的地方，一些重復性工作變成 了熟練程序員的主要工作，而這些，其實是完全可以避免的。

復用性設計，模塊化思維就是要程序員在完成任何一個功能模塊或函數的時候，要多想一 些，不要局限在完成當前任務的簡單思路上，想想看該模塊是否可以脫離這個系統存在， 是否可以通過簡單的修改參數的方式在其他系統和應用環境下直接引用，這樣就能極大避 免重復性的開發工作，如果一個軟體研發單位和工作組能夠在每一次研發過程中都考慮到 這些問題，那麼程序員就不會在重復性的工作中耽誤太多時間，就會有更多時間和精力投 入到創新的代碼工作中去。

一些好的程序模塊代碼，即便是70年代寫成的，拿到現在放到一些系統裡面作為功能模塊 都能適合的很好，而現在我看到的是，很多小公司軟體一升級或改進就動輒全部代碼重 寫，大部分重復性工作無謂的浪費了時間和精力。
6：測試習慣
作為一些商業化正規化的開發而言，專職的測試工程師是不可少的，但是並不是說有了專 職的測試工程師程序員就可以不進行自測；軟體研發作為一項工程而言，一個很重要的特 點就是問題發現的越早，解決的代價就越低，程序員在每段代碼，每個子模塊完成後進行 認真的測試，就可以盡量將一些潛在的問題最早的發現和解決，這樣對整體系統建設的效 率和可靠性就有了最大的保證。

測試工作實際上需要考慮兩方面，一方面是正常調用的測試，也就是看程序是否能在正常 調用下完成基本功能，這是最基本的測試職責，可惜在很多公司這成了唯一的測試任務， 實際上還差的遠那；第二方面就是異常調用的測試，比如高壓力負荷下的穩定性測試，用 戶潛在的異常輸入情況下的測試，整體系統局部故障情況下該模塊受影響狀況的測試，頻 發的異常請求阻塞資源時的模塊穩定測試等等。當然並不是程序員要對自己的每段代碼都 需要進行這種完整測試，但是程序員必須清醒認識自己的代碼任務在整體項目中的地位和 各種性能需求，有針對性的進行相關測試並盡早發現和解決問題，當然這需要上面提到的 需求理解能力。
7：學習和總結的能力
程序員是人才很容易被淘汰，很容易落伍的職業，因為一種技術可能僅僅在三兩年內具有 領先性，程序員如果想安身立命，就必須不斷跟進新的技術，學習新的技能。
善於學習，對於任何職業而言，都是前進所必需的動力，對於程序員，這種要求就更加高 了。
但是學習也要找對目標，一些小coding fans們，他們也津津樂道於他們的學習能力，一 會學會了asp，一會兒學會了php，一會兒學會了jsp，他們把這個作為炫耀的資本，盲目 的追逐一些膚淺的，表面的東西和名詞，做網路程序不懂通訊傳輸協議，做應用程序不懂 中斷向量處理，這樣的技術人員，不管掌握了多少所謂的新語言，永遠不會有質的提 高。
善於總結，也是學習能力的一種體現，每次完成一個研發任務，完成一段代碼，都應當有 目的的跟蹤該程序的應用狀況和用戶反饋，隨時總結，找到自己的不足，這樣逐步提高， 一個程序員才可能成長起來。
一個不具備成長性的程序員，即便眼前看是個高手，建議也不要選用，因為他落伍的時候 馬上就到了。
具備以上全部素質的人，應當說是夠格的程序員了，請注意以上的各種素質都不是由IQ決 定的，也不是大學某些課本里可以學習到的，需要的僅僅是程序員對自己工作的認識，是一種意識上的問題。

二、高級程序員/項目設計者還需具備的素質
那麼作為高級程序員，以至於系統分析員，也就是對於一個程序項目的設計者而言，除了應該具備上述全部素質之外，還需要具備以下素質：
第一，需求分析能力
對於程序員而言，理解需求就可以完成合格的代碼，但是對於研發項目的組織和管理者， 他們不但要理解客戶需求，更多時候還要自行制定一些需求，為什麼這么說呢？
一般而言，進行研發任務，也許是客戶提出需求，也許是市場和營銷部門提出的需求，這 時候對於研發部門，他們看到的不是一個完整的需求，通常而言，該需求僅僅是一些功能 上的要求，或者更正規些，可能獲得一個完整的用戶視圖；但是這都不夠，因為客戶由於 非技術因素多一些，他們可能很難提出完整和清晰，或者說專業性的性能需求，但是對於 項目組織者和規劃者，他必須能夠清醒認識到這些需求的存在並在完成需求分析報告的時 候適當的提出，同時要完整和清晰的體現在設計說明書裡面，以便於程序員編碼時不會失 去這些准則。
程序設計者必須正確理解用戶需求所處的環境，並針對性做出需求的分析，舉例而言，同 樣一個軟體通過ASP租用方式發布和通過License方式發布，性能需求可能就是有區別的， 前者強調的是更好的支撐能力和穩定性，而後者則可能更強調在各種平台下的普適性和安 裝使用的簡捷性。
第二，項目設計方法和流程處理能力
程序設計者必須能夠掌握不少於兩到三種的項目設計方法（比如自頂至下的設計方法，比如快速原型法等等），並能夠根據項目需求和資源搭配來選擇合適的設計方法進行項目的 整體設計。
設計方法上選擇不當，就會耽誤研發周期，浪費研發資源，甚至影響研發效果。
一個程序設計者還需要把很多功夫用在流程圖的設計和處理上，他需要做數據流圖以確立 數據詞典；他需要加工邏輯流圖以形成整體的系統處理流程。
一個流程有問題的系統，就算代碼多漂亮，每個模塊多精緻，也不會成為一個好的系統。 當然，做好流程分析並選擇好項目設計方法，都需要在需求分析能力上具有足夠的把 握。
第三，復用設計和模塊化分解能力
這個似乎又是老調重談，前面基本素質上不是已經說明了這個問題嗎？
作為一個從事模塊任務的程序員，他需要對他所面對的特定功能模塊的復用性進行考慮， 而作為一個系統分析人員，他要面對的問題復雜的多，需要對整體系統按照一種模塊化的 分析能力分解為很多可復用的功能模塊和函數，並針對每一模塊形成一個獨立的設計需 求。舉個例子，好比是汽車生產，最早每輛汽車都是獨立安裝的，每個部件都是量身定做 的，但是後來不一樣了，機器化大生產了，一個汽車廠開始通過流水線來生產汽車，獨立 部件開始具有一定的復用性，在後來標准化成為大趨勢，不同型號，品牌甚至不同廠商的 汽車部件也可以進行方便的換裝和升級，這時候，汽車生產的效率達到最大化。軟體工程 也是同樣的道理，一個成熟的軟體行業，在一些相關項目和系統中，不同的部件是可以隨 意換裝的，比如微軟的許多桌面軟體，在很多操作模塊（如打開文件，保存文件等等）都 是復用的同一套功能模塊，而這些介面又通過一些類庫提供給了桌面應用程序開發者方便 掛接，這就是復用化的模塊設計明顯的一個佐證。

將一個大型的，錯綜復雜的應用系統分解成一些相對獨立的，具有高度復用性的，並能僅 僅依靠幾個參數完成數據聯系的模塊組合，是作為高級程序員和系統分析員一項最重要的 工作，合適的項目設計方法，清晰的流程圖，是實現這一目標的重要保證。
第四，整體項目評估能力
作為系統設計人員，必須能夠從全局出發，對項目又整體的清醒認識，比如公司的資源配 置是否合理和到位，比如工程進度安排是否能最大化體現效率又不至於無法按期完成。評 估項目整體和各個模塊的工作量，評估項目所需的資源，評估項目可能遇到的困難，都需 要大量的經驗積累，換言之，這是一種不斷總結的累計才能達到的境界。在西方一些軟體 系統設計的帶頭人都是很年長的，比如4，50歲，甚至更老，他們在編碼方面已經遠遠不 如年輕人那樣活絡，但是就項目評估而言，他們幾十年的經驗積累就是最重要和寶貴的財 富。中國缺這么一代程序員，主要還不是缺那種年紀的程序員，而是那種年紀的程序員基 本上都是研究單位作出來的，都不是從專業的產品化軟體研發作出來的，他們沒有能積累 那種產品化研發的經驗，這也是沒有辦法的事情。
第五，團隊組織管理能力
完成一個項目工程，需要團隊的齊心協力，作為項目設計者或研發的主管人，就應當有能 力最大化發揮團隊的整體力量，技術管理由於其專業性質，不大同於一般的人事管理，因為這裡面設計了一些技術性的指標和因素。
首先是工作的量化，沒有量化就很難做到合適的績效考核，而程序量化又不是簡單的代碼 行數可以計算的，因此要求技術管理人員需要能真正評估一個模塊的復雜性和工作量。
其次是對團隊協作模式的調整，一般而言，程序開發的協作通常分為小組進行，小組有主 程序員方式的，也有民主方式的，根據程序員之間的能力水平差距，以及根據項目研發的 需求，選擇合適的組隊方式，並能將責權和成員的工作任務緊密結合，這樣才能最大發揮 組隊的效率。
一個代碼水平高的人，未必能成為一個合格的項目研發主管，這方面的能力欠缺往往是容 易被忽視的。

綜上可以看到，作為一個主管研發的負責人，一個項目設計者，所需要具備的素質和能力 並不是程序代碼編寫的能力，當然一般情況下，一個程序員通過不斷的總結提高達到了這種素質的時候，他所具有的代碼編寫能力也已經相當不簡單了，但是請注意這裡面的因果 關系，一個高水平的項目設計者通常已經是代碼編寫相當優秀的人了，但是並不是一個代 碼相當優秀的程序員就可以勝任項目設計的工作，這裡面存在的也不是智商和課本的問 題，還是在於一個程序員在積累經驗，逐步提升的時候沒有意識到應當思考哪方面的東 西，沒有有意識的就項目的組織和復用設計進行揣摩，沒有經常性的文檔習慣和總結習 慣，不改變這些，我們的合格的項目設計者還是非常欠缺。

另外，為防止有無聊的人和我較真，補充一點，本文針對目標是作商業化的軟體項目和工程，那些科研機構的編程高手，比如演算法高手，比如圖象處理高手，他們的工作是研究課題而非直接完成商業軟體（當然最終間接成為商業產品，比如微軟研究院在作的研究課 題），因此他們強調的素質可能是另外的東西，這些人（專家），並不能說是程序員，不能用程序員的標准去衡量。

三、軟體項目研發的設計流程
最後補充一點東西，一個軟體項目研發的設計流程是怎樣的呢？以通常標準的設計方法為例，（不過筆者喜歡快速原型法）。
第一個步驟是市場調研
技術和市場要結合才能體現最大價值。

第二個步驟是需求分析
這個階段需要出三樣東西，用戶視圖，數據詞典和用戶操作手冊。
用戶視圖是該軟體用戶（包括終端用戶和管理用戶）所能看到的頁面樣式，這裡麵包含了 很多操作方面的流程和條件。

數據詞典是指明數據邏輯關系並加以整理的東東，完成了數據詞典，資料庫的設計就完成 了一半多。
用戶操作手冊是指明了操作流程的說明書。
請注意，用戶操作流程和用戶視圖是由需求決定的，因此應該在軟體設計之前完成，完成 這些，就為程序研發提供了約束和准繩，很遺憾太多公司都不是這樣做的，因果顛倒，順 序不分，開發工作和實際需求往往因此產生隔閡脫節的現象。
需求分析，除了以上工作，筆者以為作為項目設計者應當完整的做出項目的性能需求說明 書，因為往往性能需求只有懂技術的人才可能理解，這就需要技術專家和需求方（客戶或 公司市場部門）能夠有真正的溝通和了解。
第三個步驟是概要設計
將系統功能模塊初步劃分，並給出合理的研發流程和資源要求。 作為快速原型設計方法，完成概要設計就可以進入編碼階段了，通常採用這種方法是因為 涉及的研發任務屬於新領域，技術主管人員一上來無法給出明確的詳細設計說明書，但是 並不是說詳細設計說明書不重要，事實上快速原型法在完成原型代碼後，根據評測結果和 經驗教訓的總結，還要重新進行詳細設計的步驟。

第四個步驟是詳細設計
這是考驗技術專家設計思維的重要關卡，詳細設計說明書應當把 具體的模塊以最』干凈』的方式(黑箱結構）提供給編碼者，使得系統整體模塊化達到最 大；一份好的詳細設計說明書，可以使編碼的復雜性減低到最低，實際上，嚴格的講詳細 設計說明書應當把每個函數的每個參數的定義都精精細細的提供出來，從需求分析到概要 設計到完成詳細設計說明書，一個軟體項目就應當說完成了一半了。換言之，一個大型軟 件系統在完成了一半的時候，其實還沒有開始一行代碼工作。
那些把作軟體的程序員簡單理解為寫代碼的，就從根子上犯了錯誤了。

第五個步驟是編碼
在規范化的研發流程中，編碼工作在整個項目流程里最多不會超過1/ 2，通常在1/3的時間，所謂磨刀不誤砍柴功，設計過程完成的好，編碼效率就會極大提 高，編碼時不同模塊之間的進度協調和協作是最需要小心的，也許一個小模塊的問題就可 能影響了整體進度，讓很多程序員因此被迫停下工作等待，這種問題在很多研發過程中都 出現過。編碼時的相互溝通和應急的解決手段都是相當重要的，對於程序員而言，bug永 遠存在，你必須永遠面對這個問題，大名鼎鼎的微軟，可曾有連續三個月不發補丁的時候 嗎？從來沒有！
第六個步驟是測試
測試有很多種：
按照測試執行方，可以分為內部測試和外部測試
按照測試范圍，可以分為模塊測試和整體聯調
按照測試條件，可以分為正常操作情況測試和異常情況測試
按照測試的輸入范圍，可以分為全覆蓋測試和抽樣測試
以上都很好理解，不再解釋。

總之，測試同樣是項目研發中一個相當重要的步驟，對於一個大型軟體，3個月到1年的外 部測試都是正常的，因為永遠都會又不可預料的問題存在。

完成測試後，完成驗收並完成最後的一些幫助文檔，整體項目才算告一段落，當然日後少 不了升級，修補等等工作，只要不是想通過一錘子買賣騙錢，就要不停的跟蹤軟體的運營 狀況並持續修補升級，知道這個軟體被徹底淘汰為止。

寫這些步驟算不上賣弄什麼，因為實話講我手邊是一本《軟體工程》，在大學里這是計算 機專業的必修課程，但是我知道很多程序員似乎從來都只是熱衷於什麼《30天精通VC》之 類的，他們有些和我一樣游擊隊出身，沒有正規學過這個專業，還有一些則早就在混夠學 分後就把這些真正有用的東西還給了老師。
網上現在也很浮躁，一些coding fans亂嚷嚷，混淆視聽，實際上真正的技術專家很少在 網上亂發帖子的，如筆者這樣不知天高地厚的，其實實在是算不上什麼高手，只不過看不 慣這種對技術，對程序員的誤解和胡說，只好挺身而出，做撥亂反正之言，也希望那些還 沉迷於一些錯誤人士的coding fans們能認真想想，走到正途上，畢竟那些聰明的頭腦還 遠遠沒有發揮應有的價值。

⑦ 好程序員：十年老程序員告誡新人，別動不動就說自

好程序員是千鋒旗下高端教育品牌，目前在國內屬於領先水平的高端IT人才教育機構，堅持100%面授，保證學員高就業率和高收入薪資。

⑧ 電腦程序員怎麼學

計算機編程的學習過程雖然具有一定的難度，但是只要有一個系統的學習規劃，大部分人都能學得會。對於初學者來說，可以按照以下步驟完成編程入門：

第一：選擇一門編程語言。雖然目前編程語言有600種左右，但是比較流行的編程語言只有幾十種，所以盡量選擇流行程度比較高的編程語言來入門編程。對於沒有明確編程場景的初學者來說，盡量選擇全場景編程語言，比如Java、python、C#等就是不錯的選擇，不僅應用范圍廣泛，而且也有大量的開發案例可以參考學習。

第二：建立基本的編程思想。編程語言本身的難度並不高，只要掌握了相應的編程規則就能逐漸建立起自己的編程思想。建立編程思想的第一步是了解編程語言的基本語法規則，以Java語言為例，要掌握各種抽象概念，比如類、對象、屬性、方法等；第二步是了解基本的編程過程，比如類的定義、對象的創建、方法的調用；第三步是學習經典的編程模式。

第三：注重實驗。學習編程語言一定要重視實驗，實驗不僅能夠幫助理解各種抽象概念，也能在一定程度上積累編程經驗。

最後，在學習編程語言的過程中，也需要同時學習計算機網路、資料庫等相關知識，在當前的雲計算和大數據時代背景下，還需要掌握如何通過雲計算（PaaS）來輔助開發，以及如何利用大數據平台的各種資源。

⑨ 程序員為什麼要學深度學習

費良宏：程序員為什麼要學深度學習？

深度學習本身是一個非常龐大的知識體系。本文更多想從程序員的視角出發，讓大家觀察一下深度學習對程序員意味著什麼，以及我們如何利用這樣一個高速發展的學科，來幫助程序員提升軟體開發的能力。
本文根據費良宏在2016QCon全球軟體開發大會（上海）上的演講整理而成。
前言
1973年，美國上映了一部熱門的科幻電影《WestWorld》，三年之後又有一個續集叫做《FutureWorld》。這部電影在80年代初被引進到中國叫《未來世界》。那部電影對我來講簡直可以說得上是震撼。影片中出現了很多機器人，表情豐富的面部下面都是集成電路板。這讓那時候的我覺得未來世界都是那麼遙遠、那麼神秘。
時間到了2016年，很多朋友可能都在追看HBO斥巨資拍攝的同一題材的系列劇《WestWorld》。如果前兩部電影還是局限在機器人、人工智慧這樣的話題，2016年的新劇則在劇情和人工智慧的思考方面有了很大的突破。不再渲染機器人是否會威脅到人類，而是在探討「Dreamsaremainlymemories」這一類更具哲理的問題。
「記憶究竟如何影響了智能」這個話題非常值得我們去思考，也給我們一個很好的啟示——今天，人工智慧領域究竟有了怎樣的發展和進步。
今天我們探討的話題不僅僅是簡單的人工智慧。如果大家對深度學習感興趣，我相信各位一定會在搜索引擎上搜索過類似相關的關鍵字。我在Google上以deeplearning作為關鍵字得到了2,630萬個搜索的結果。這個數字比一周之前足足多出了300多萬的結果。這個數字足以看得出來深度學習相關的內容發展的速度，人們對深度學習的關注也越來越高。

從另外的一個角度，我想讓大家看看深度學習在市場上究竟有多麼熱門。從2011年到現在一共有140多家專注人工智慧、深度學習相關的創業公司被收購。僅僅在2016年這種並購就發生了40多起。
其中最瘋狂的是就是Google，已經收購了 11 家人工智慧創業公司，其中最有名的就是擊敗了李世石九段的 DeepMind。排名之後的就要數 Apple、Intel以及Twitter。以Intel 公司為例，僅在今年就已經收購了 3 家創業公司，Itseez、Nervana 和 Movidius。這一系列大手筆的並購為了布局人工智慧以及深度學習的領域。
當我們去搜索深度學習話題的時候，經常會看到這樣的一些晦澀難懂的術語：Gradient descent（梯度下降演算法）、Backpropagation（反向傳播演算法）、Convolutional Neural Network（卷積神經網路）、受限玻耳茲曼機（Restricted Boltzmann Machine）等。
如打開任何一篇技術文章，你看到的通篇都是各種數學公式。大家看到如下左邊的圖，其實並不是一篇高水準的學術論文，而僅僅是維基網路關於玻耳茲曼機的介紹。維基網路是科普層面的內容，內容復雜程度就超過了大多數數學知識的能力。

在這樣的背景之下，我今天的的話題可以歸納成三點：第一，我們為什麼要學習深度學習；第二，深度學習最核心的關鍵概念就是神經網路，那麼究竟什麼是神經網路；第三，作為程序員，當我們想要成為深度學習開發者的時候，我們需要具備怎樣的工具箱，以及從哪裡著手進行開發。
為什麼要學習深度學習
首先，我們談談為什麼要學習深度學習。在這個市場當中，最不缺乏的就是各種概念以及各種時髦新技術的詞彙。深度學習有什麼不一樣的地方？我非常喜歡AndrewNg（吳恩達）曾經用過的一個比喻。
他把深度學習比喻成一個火箭。這個火箭有一個最重要的部分，就是它的引擎，目前來看在這個領域裡面，引擎的核心就是神經網路。大家都知道，火箭除了引擎之外還需要有燃料，那麼大數據其實就構成了整個火箭另外的重要組成部分——燃料。以往我們談到大數據的時候，更多是強調存儲和管理數據的能力，但是這些方法和工具更多是對於以往歷史數據的統計、匯總。
而對於今後未知的東西，這些傳統的方法並不能夠幫助我們可以從大數據中得出預測的結論。如果考慮到神經網路和大數據結合，我們才可能看清楚大數據真正的價值和意義。AndrewNg就曾經說過「我們相信（神經網路代表的深度學習）是讓我們獲得最接近於人工智慧的捷徑」。這就是我們要學習深度學習的一個最重要的原因。

其次，隨著我們進行數據處理以及運算能力的不斷提升，深度學習所代表的人工智慧技術和傳統意義上人工智慧技術比較起來，在性能上有了突飛猛進的發展。這主要得益於在過去幾十間計算機和相關產業不斷發展帶來的成果。在人工智慧的領域，性能是我們選擇深度學習另一個重要的原因。

這是一段Nvidia在今年公布的關於深度學習在無人駕駛領域應用的視頻。我們可以看到，將深度學習應用在自動駕駛方面，僅僅經歷了3千英里的訓練，就可以達到什麼樣的程度。在今年年初進行的實驗上，這個系統還不具備真正智能能力，經常會出現各種各樣的讓人提心吊膽的狀況，甚至在某些情況下還需要人工干預。
但經過了3千英里的訓練之後，我們看到在山路、公路、泥地等各種復雜的路況下面，無人駕駛已經有了一個非常驚人的表現。請大家注意，這個深度學習的模型只經過了短短幾個月、3千英里的訓練。
如果我們不斷完善這種模型的話，這種處理能力將會變得何等的強大。這個場景裡面最重要的技術無疑就是深度學習。我們可以得出一個結論：深度學習可以為我們提供強大的能力，如果程序員擁有了這個技術的話，無異於會讓每個程序員如虎添翼。
神經網路快速入門
如果我們對於學習深度學習沒有任何疑慮的話，接下來就一定會關心我需要掌握什麼樣的知識才能讓我進入到這個領域。這裡面最重要的關鍵技術就是「神經網路」。說起「神經網路」，容易混淆是這樣兩個完全不同的概念。
一個是生物學神經網路，第二個才是我們今天要談起的人工智慧神經網路。可能在座的各位有朋友在從事人工智慧方面的工作。當你向他請教神經網路的時候，他會拋出許多陌生的概念和術語讓你聽起來雲里霧里，而你只能望而卻步了。
對於人工智慧神經網路這個概念，大多數的程序員都會覺得距離自己有很大的距離。因為很難有人願意花時間跟你分享神經網路的本質究竟是什麼。而你從書本上讀的到的理論和概念，也很讓你找到一個清晰、簡單的結論。
今天就我們來看一看，從程序員角度出發神經網路究竟是什麼。我第一次知道神經網路這個概念是通過一部電影——1991年上映的《終結者2》。男主角施瓦辛格有一句台詞：
「MyCPUisaneural-netprocessor;alearningcomputer.」（我的處理器是一個神經處理單元，它是一台可以學習的計算機)。從歷史來看人類對自身智力的探索，遠遠早於對於神經網路的研究。
1852年，義大利學者因為一個偶然的失誤，將人類的頭顱掉到硝酸鹽溶液中，從而獲得第一次通過肉眼關注神經網路的機會。這個意外加速了對人類智力奧秘的探索，開啟了人工智慧、神經元這樣概念的發展。
生物神經網路這個概念的發展，和今天我們談的神經網路有什麼關系嗎？我們今天談到的神經網路，除了在部分名詞上借鑒了生物學神經網路之外，跟生物學神經網路已經沒有任何關系，它已經完全是數學和計算機領域的概念，這也是人工智慧發展成熟的標志。這點大家要區分開，不要把生物神經網路跟我們今天談到的人工智慧有任何的混淆。

90年代中期，由Vapnik等人提出了支持向量機演算法（Support Vector Machines，支持向量機）。很快這個演算法就在很多方面體現出了對比神經網路的巨大優勢，例如：無需調參、高效率、全局最優解等。基於這些理由，SVM演算法迅速打敗了神經網路演算法成為那個時期的主流。而神經網路的研究則再次陷入了冰河期。
在被人摒棄的十年裡面，有幾個學者仍然在堅持研究。其中很重要的一個人就是加拿大多倫多大學的Geoffery Hinton教授。2006年，他的在著名的《Science》雜志上發表了論文，首次提出了「深度信念網路」的概念。
與傳統的訓練方式不同，「深度信念網路」有一個「預訓練」（pre-training）的過程，這可以方便的讓神經網路中的權值找到一個接近最優解的值，之後再使用「微調」(fine-tuning)技術來對整個網路進行優化訓練。這兩個技術的運用大幅度減少了訓練多層神經網路的時間。在他的論文裡面，他給多層神經網路相關的學習方法賦予了一個新名詞— 「深度學習」。
很快，深度學習在語音識別領域嶄露頭角。接著在2012年，深度學習技術又在圖像識別領域大展拳腳。Hinton與他的學生在ImageNet競賽中，用多層的卷積神經網路成功地對包含一千個類別的一百萬張圖片進行了訓練，取得了分類錯誤率15%的好成績，這個成績比第二名高了將近11個百分點。
這個結果充分證明了多層神經網路識別效果的優越性。從那時起，深度學習就開啟了新的一段黃金時期。我們看到今天深度學習和神經網路的火熱發展，就是從那個時候開始引爆的。

利用神經網路構建分類器，這個神經網路的結構是怎樣的？

其實這個結構非常簡單，我們看到這個圖就是簡單神經網路的示意圖。神經網路本質上就是一種「有向圖」。圖上的每個節點借用了生物學的術語就有了一個新的名詞 – 「神經元」。連接神經元的具有指向性的連線（有向弧）則被看作是「神經」。這這個圖上神經元並不是最重要的，最重要的是連接神經元的神經。每個神經部分有指向性，每一個神經元會指向下一層的節點。
節點是分層的，每個節點指向上一層節點。同層節點沒有連接，並且不能越過上一層節點。每個弧上有一個值，我們通常稱之為」權重「。通過權重就可以有一個公式計算出它們所指的節點的值。這個權重值是多少？我們是通過訓練得出結果。它們的初始賦值往往通過隨機數開始，然後訓練得到的最逼近真實值的結果作為模型，並可以被反復使用。這個結果就是我們說的訓練過的分類器。
節點分成輸入節點和輸出節點，中間稱為隱層。簡單來說，我們有數據輸入項，中間不同的多個層次的神經網路層次，就是我們說的隱層。之所以在這樣稱呼，因為對我們來講這些層次是不可見的。輸出結果也被稱作輸出節點，輸出節點是有限的數量，輸入節點也是有限數量，隱層是我們可以設計的模型部分，這就是最簡單的神經網路概念。
如果簡單做一個簡單的類比，我想用四層神經網路做一個解釋。左邊是輸入節點，我們看到有若干輸入項，這可能代表不同蘋果的RGB值、味道或者其它輸入進來的數據項。中間隱層就是我們設計出來的神經網路，這個網路現在有不同的層次，層次之間權重是我們不斷訓練獲得一個結果。
最後輸出的結果，保存在輸出節點裡面，每一次像一個流向一樣，神經是有一個指向的，通過不同層進行不同的計算。在隱層當中，每一個節點輸入的結果計算之後作為下一層的輸入項，最終結果會保存在輸出節點上，輸出值最接近我們的分類，得到某一個值，就被分成某一類。這就是使用神經網路的簡單概述。

除了從左到右的形式表達的結構圖，還有一種常見的表達形式是從下到上來表示一個神經網路。這時候，輸入層在圖的最下方，輸出層則在圖的最上方。從左到右的表達形式以AndrewNg和LeCun的文獻使用較多。而在Caffe框架里則使用的則是從下到上的表達。
簡單來說，神經網路並不神秘，它就是有像圖，利用圖的處理能力幫助我們對特徵的提取和學習的過程。2006年Hinton的那篇著名的論文中，將深度學習總結成三個最重要的要素：計算、數據、模型。有了這三點，就可以實現一個深度學習的系統。
程序員需要的工具箱
對於程序員來說，掌握理論知識是為了更好的編程實踐。那就讓我們看看，對於程序員來說，著手深度學習的實踐需要准備什麼樣的工具。
硬體
從硬體來講，我們可能需要的計算能力，首先想到的就是CPU。除了通常的CPU架構以外，還出現了附加有乘法器的CPU，用以提升計算能力。此外在不同領域會有DSP的應用場景，比如手寫體識別、語音識別、等使用的專用的信號處理器。還有一類就是GPU，這是一個目前深度學習應用比較熱門的領域。最後一類就是FPGA（可編程邏輯門陣列）。
這四種方法各有其優缺點，每種產品會有很大的差異。相比較而言CPU雖然運算能力弱一些，但是擅長管理和調度，比如讀取數據，管理文件，人機交互等，工具也豐富。DSP相比而言管理能力較弱，但是強化了特定的運算能力。
這兩者都是靠高主頻來解決運算量的問題，適合有大量遞歸操作以及不便拆分的演算法。GPU的管理能力更弱一些，但是運算能力更強。但由於計算單元數量多，更適合整塊數據進行流處理的演算法。
FPGA在管理與運算處理方面都很強，但是開發周期長，復雜演算法開發難度較大。就實時性來說，FPGA是最高的。單從目前的發展來看，對於普通程序員來說，現實中普遍採用的計算資源就還是是CPU以及GPU的模式，其中GPU是最熱門的領域。

這是我前天為這次分享而准備的一個AWS 上p2的實例。僅僅通過幾條命令就完成了實例的更新、驅動的安裝和環境的設置，總共的資源創建、設置時間大概在10分鍾以內。而之前，我安裝調試前面提到的那台計算機，足足花了我兩天時間。

另外，從成本上還可以做一個對比。p2.8xLarge 實例每小時的費用是7.2美元。而我自己那台計算機總共的花費了是¥16,904元。這個成本足夠讓我使用350多個小時的p2.8xLarge。在一年裡使用AWS深度學習站就可以抵消掉我所有的付出。隨著技術的不斷的升級換代，我可以不斷的升級我的實例，從而可以用有限的成本獲得更大、更多的處理資源。這其實也是雲計算的價值所在。
雲計算和深度學習究竟有什麼關系？今年的8月8號，在IDG網站上發表了一篇文章談到了這個話題。文章中做了這樣一個預言：如果深度學習的並行能力不斷提高，雲計算所提供的處理能力也不斷發展，兩者結合可能會產生新一代的深度學習，將帶來更大影響和沖擊。這是需要大家考慮和重視的一個方向！
軟體
深度學習除了硬體的基礎環境之外。程序員會更關心與開發相關的軟體資源。這里我羅列了一些曾經使用過的軟體框架和工具。

Scikit-learn是最為流行的一個Python機器學習庫。它具有如下吸引人的特點：簡單、高效且異常豐富的數據挖掘/數據分析演算法實現； 基於NumPy、SciPy以及matplotlib，從數據探索性分析，數據可視化到演算法實現，整個過程一體化實現；開源，有非常豐富的學習文檔。
Caffe專注在卷及神經網路以及圖像處理。不過Caffe已經很久沒有更新過了。這個框架的一個主要的開發者賈揚清也在今年跳槽去了Google。也許曾經的霸主地位要讓位給他人了。
Theano 是一個非常靈活的Python 機器學習的庫。在研究領域非常流行，使用上非常方便易於定義復雜的模型。Tensorflow 的API 非常類似於Theano。我在今年北京的QCon 大會上也分享過關於Theano 的話題。
Jupyter notebook 是一個很強大的基於ipython的python代碼編輯器，部署在網頁上，可以非常方便的進行互動式的處理，很適合進行演算法研究合數據處理。
Torch 是一個非常出色的機器學習的庫。它是由一個比較小眾的lua語言實現的。但是因為LuaJIT 的使用，程序的效率非常出色。Facebook在人工智慧領域主打Torch，甚至現在推出了自己的升級版框架Torchnet。
深度學習的框架非常之多，是不是有一種亂花漸欲迷人眼的感覺？我今天向各位程序員重點介紹的是將是TensorFlow。這是2015年穀歌推出的開源的面向機器學習的開發框架，這也是Google第二代的深度學習的框架。很多公司都使用了TensorFlow開發了很多有意思的應用，效果很好。
用TensorFlow可以做什麼？答案是它可以應用於回歸模型、神經網路以深度學習這幾個領域。在深度學習方面它集成了分布式表示、卷積神經網路(CNN)、遞歸神經網路(RNN) 以及長短期記憶人工神經網路（Long-Short Term Memory, LSTM）。
關於Tensorflow 首先要理解的概念就是Tensor。在辭典中對於這個詞的定義是張量，是一個可用來表示在一些向量、標量和其他張量之間的線性關系的多線性函數。實際上這個表述很難理解，用我自己的語言解釋Tensor 就是「N維數組」而已。

使用 TensorFlow, 作為程序員必須明白 TensorFlow這樣幾個基礎概念：它使用圖 (Graph) 來表示計算任務；在被稱之為 會話 (Session) 的上下文 (context) 中執行圖；使用 Tensor 表示數據；通過 變數 (Variable) 維護狀態；使用 feed 和 fetch 可以為任意的操作(arbitrary operation) 賦值或者從其中獲取數據。
一句話總結就是，TensorFlow 就是有狀態圖的數據流圖計算環境，每個節點就是在做數據操作，然後提供依賴性和指向性，提供完整數據流。
TensorFlow安裝非常簡單，但官網提供下載的安裝包所支持的CUDA 的版本是7.5。考慮到CUDA 8 的讓人心動的新特以及不久就要正式發布的現狀。或許你想會考慮立即體驗CUDA 8，那麼就只能通過編譯Tensorflow源代碼而獲得。目前TensorFlow已經支持了Python2.7、3.3+。
此外，對於使用Python 語言的程序員還需要安裝所需要的一些庫，例如：numpy、protobuf等等。對於卷積處理而言，cuDNN是公認的性能最好的開發庫，請一定要安裝上。常規的Tensorsorflow的安裝很簡單，一條命令足矣：
$ pip3 install —upgrade https://storage.233.wiki/tensorflow/linux/cpu/tensorflow-0.11.0rc0-cp35-cp35m-linux_x86_64.whl
如果想評估一下或者簡單學習一下，還可以通過Docker進行安裝，安裝的命令如下：
$ docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow
TensorFlow有很多優點。首先，目前為止，深度學習的開發框架裡面TensorFlow的文檔做的最好，對程序員學習而言是非常好的一點。第二，TensorFlow有豐富的參考實例，作為參考學習起來非常容易。
第三，開發者社區活躍，在任何一個深度學習的社區里，都有大量關於TensorFlow的討論。第四，谷歌的支持力度非常大，從2015年到現在升級速度非常快，這是其他開源框架遠遠達不到的結果。
參考TensorFlow的白皮書，我們會看到未來TensorFlow還將會有巨大的發展潛力。讓我特別感興趣是這兩個方向。第一，支持跨多台機器的 parallelisation。盡管在0.8版本中推出了並行化的能力，但是目前還不完善。隨著未來不斷發展，依託雲計算的處理能力的提升這個特性將是非常讓人振奮的。
第二，支持更多的開發語言，對於開發者來說這是一個絕大的利好，通過使用自己擅長的語言使用TensorFlow應用。這些開發語言將會擴展到Java、Lua以及R 等。
在這里我想給大家展示一個應用Tensorflow 的例子。這個例子的代碼託管在這個網址上 https://github.com/anishathalye/neural-style。白俄羅斯的現代印象派藝術家Leonid Afremov善於用濃墨重彩來表現都市和風景題材，尤其是其雨景系列作品。他習慣用大色塊的鋪陳來營造光影效果，對反光物體和環境色的把握非常精準。
於是我就找到了一張上海東方明珠電視塔的一張攝影作品，我希望通過Tensorflow 去學習一下Leonid Afremov 的繪畫風格，並將這張東方明珠的照片處理成那種光影色彩豐富的作品風格。利用Tensorflow 以及上面提到的那個項目的代碼，在一個AWS 的p2類型的實例上進行了一個一千次的迭代，於是就得到了下圖這樣的處理結果。

這個處理的代碼只有350行里，模型使用了一個成名於2014年ImageNet比賽中的明星 VGG。這個模型非常好，特點就是「go depper」。
TensorFlow 做出這樣的作品，並不僅僅作為娛樂供大家一笑，還可以做更多有意思的事情。將剛才的處理能力推廣到視頻當中，就可以看到下圖這樣的效果，用梵高著名的作品」星月夜「的風格就加工成了這樣新的視頻風格。

可以想像一下，如果這種處理能力在更多領域得以應用，它會產生什麼樣的神奇結果？前景是美好的，讓我們有無限遐想。事實上我們目前所從事的很多領域的應用開發都可以通過使用神經網路和深度學習來加以改變。對於深度學習而言，掌握它並不是難事。每一個程序員都可以很容易的掌握這種技術，利用所具備的資源，讓我們很快成為深度學習的程序開發人員。
結束語
未來究竟是什麼樣，我們沒有辦法預言。有位作家Ray Kurzweil在2005年寫了《奇點臨近》一書。在這本書裡面他明確告訴我們，那個時代很快到來。作為那個時代曙光前的人群，我們是不是有能力加速這個過程，利用我們學習的能力實現這個夢想呢？

中國人工智慧的發展
人工智慧的時代無疑已經到來，這個時代需要的當然就是掌握了人工智慧並將其解決具體問題的工程師。坦率的說，市場上這一類的工程師還屬於鳳毛麟角。職場上的薪酬待遇可以看得出來這樣的工程師的搶手的程度。人工智慧這門學科發展到今天，就學術自身而言已經具備了大規模產業化的能力。
所以說，對於工程師而言當務之急就是盡快的掌握應用人工智慧的應用技術。當下在互聯網上關於人工智慧的學習資料可以說已經是「汗牛充棟」，那些具備了快速學習能力的工程師一定會在人工智慧的大潮當中脫穎而出。
中國發展人工智慧產業的環境已經具備。無論從創業環境、人員的素質乃至市場的機遇而言完全具備了產生產業變革的一切條件。與美國相比較，在人工智慧的許多領域中國團隊的表現也可以說是不逞多讓。就人工智慧的技術層面而言，中國的工程師與全球最好的技術團隊正處於同一個起跑線上。
時不我待，中國的工程師是有機會在這個領域大展身手的。不過值得注意的是，要切忌兩點：一是好高騖遠，盲目與國外攀比。畢竟積累有長短，術業有專攻，我們要立足於已有的積累，尋求逐步的突破。二是一擁而上，盲目追求市場的風口。人工智慧的工程化需要大量的基礎性的積累，並非一蹴而就簡單復制就可以成功。
中國的科研技術人員在人工智慧領域的成就有目共睹。在王詠剛的一篇文章裡面，他統計了從2013年到2015年SCI收錄的「深度學習」論文，中國在2014年和2015年超已經超過了美國居於領跑者的位置。
另外一讓我感到驚訝的事情，Google的JeffDean在2016年發表過一篇名為《TensorFlow:Asystemforlarge-scalemachinelearning》的論文。文章的22個作者裡面，明顯是中國名字的作者占已經到了1/5。如果要列舉中國人/華人在人工智慧領域里的大牛，吳恩達、孫劍、楊強、黃廣斌、馬毅、張大鵬……很容易就可以說出一大串。
對於中國來說目前的當務之急是人工智慧技術的產業化，唯有如此我們才可以講科研／智力領域的優勢轉化為整體的、全面的優勢。在這一點上，中國是全球最大的消費市場以及製造業強國，我們完全有機會藉助市場的優勢成為這個領域的領先者。
矽谷創新企業
矽谷雖然去過許多回，但一直無緣在那裡長期工作。在人工智慧領域的市場我們聽到的更多是圍繞Google、Apple、Intel、Amazon這樣的一些大型科技公司的一舉一動。但是在美國市場上還有一大批小型的創業企業在人工智慧這個領域有驚艷的表現。僅以矽谷區域的公司為例：
Captricity，提供了手寫數據的信息提取；
VIVLab，針對語音識別開發了虛擬助手服務；
TERADEEP，利用FPGA提供了高效的卷積神經網路的方案；
還有提供無人駕駛解決方案的NetraDyne。
這個名單還可以很長，還有許許多多正在利用人工智慧技術試圖去創造歷史的團隊正在打造他們的夢想。這些團隊以及他們正在專注的領域是值得我們去學習和體會的。

⑩ 自學編程十年，依然沒有編寫出過什麼有用的東西

理論和實踐區別很大的。如果想進步 最好的辦法就是進公司，跟著做幾個項目。要不就是網上搜一些項目，自己試著去做一做。這些就跟在學校里邊學到的東西，等進到了社會，還要實際碰到了才能真正明白是一個道理。