Re: [請益] 工作半年對未來規劃的疑問（文稍長）

※ 引述《godgg123 (GG兒)》之銘言：
: 各位先進好！
: 簡短的背景介紹：
: 小弟即將滿27，是120土木測量所應屆畢業，碩士時因緣際會跟著研究室弄深度學習，開: 始接觸寫程式及AI算法（主要是電腦視覺）這塊，由於教授算相當嚴謹＆博班學長在軟硬: 體這塊滿有天份（他十分培養我），雖然非CS本科，但就DL領域來說自認有學到在業界堪: 用的程度。
: 畢業前夕在開始投履歷之前就被幾間做智慧農業的公司抓去面試（剛好跟研究室也在發展: 智慧農業），本來懷著畢業登積賺大錢的夢想，但當時女友的爸爸剛好是GG前廠長，表示: 完全不推薦我去GG，反而滿看好我先去中小公司練功，而抓我去面試的公司也開出對當時: 的我而言還行的Offer，就選了其中一間起薪年薪4x * 14的PM職就業，公司環境及與面試: 官的談話都相當投緣，所以拿到offer後也就沒再自己投履歷跑去專心準備論文及口試。: 工作概況：
: 面試時主管有提到這個職位不太會寫程式，進來的前幾周幾乎做些行政職及UIUX規劃著實: 有些不習慣；在同事們了解我的背景後，開始有些髒資料處理、GPS訊號處理及影像處理: 等現有工程師不太有經驗的事情會找我幫忙寫，雖然只會python但都能順利解決問題，so: urce code我也樂意給工程師參考改寫成他們需要的語言。
: 當初這個職缺好像有點MA（儲備幹部）的意味，總經理在與我多次談話中也發現我在AI的: 耕耘不僅僅是皮毛，近期開始接了AI的專案、多次提及未來公司會多一個由我主導的AI部: 門，想藉著我來這間公司的契機拼一波轉型。
: 公司開啟AI專案後，由於內部只有我一人有影像處理/AI的相關背景但我在此之前沒有做: 服務的經驗，我自學了一些RESTful API及Docker等框架，順利幫公司應急生出了幾個穩: 定的服務，也常常閱讀最新的paper，雖然公司AI發展晚，但還是能用上近幾年的SOTA架: 構及概念（最近剛導入ViT及其他Transformer在影像上的應用），而今年年後也直接獲得: 不錯％數的加薪（4x -> 5x）。
: 我的問題：
: 一開始覺得這個起薪還算不錯，但出社會沒多久研究室學弟妹預辦登積錄取，薪水聽起來: 真的挺香的，以前認識的四大朋友，幾個順利去發哥等大公司的（甚至一個拼上Google）: 更香到流口水，我能理解我現在的工作內容及環境（不用加班）拿這個薪水算是不錯，但: 還是很想在30歲時順利年百。 從總經理的意思來看，他一直都沒有想讓我當RD（眼前是: 一直還沒找到像樣的AI工程師所以我來代打）、而是想把我培養成未來的管理層，聽起來: 薪水成長是還有空間，但小公司的天花板也實在不知道能高到哪裡去。
: 為了充實自己、哪天機會降臨時我就能再次抓住，幾乎每天都會抽時間自學新的技術及觀: 念（如Tensorflow的低階API、Docker、Flask、2022最新的算法等等），並透過線上課程: 學了C++補齊非CS本科可能缺乏的觀念，也時常規劃下一步要學什麼，目前是GO語言（未: 來想用GO語言打包AI服務，會比Python執行更有效率）及K8s（下一個專案服務規模會提: 升，希望能結合Docker做到快速部署）。 為了更好熟悉新學的技術，我會直接用在公司: 的服務開發上面，也寫了許多技術文件給技術部主管參考，因為這些東西在過去確實是公: 司沒有接觸過的，技術主管也給過我不少肯定。
: 我的問題在於，這些技術學了，好像沒辦法100％保證對現在公司有所助益，像是最近學: 了Docker，也寫了技術文件給公司，但因為現存工程師都沒有相關的概念，短時間內好像: 沒有明顯作用；GO語言是現在的趨勢之一，但就算我能順利用GO幫公司寫了服務，但未來: 經理如果認真要讓我回到純PM管理職，也沒辦法踏實的熟悉這門語言。
: 既然如此，我該專心的照著經理的規劃去學那些管理類的東西、等著未來升職，還是照著: 現在自己掌握到的業界趨勢，繼續自學新技術，期待未來跳槽呢？
: 整理幾個重點問題：
: 1. 現在公司給我滿大的信任、環境好，但天花板不會太高，大家建議我就順著經理的培: 養走管理職，還是繼續自學未來等跳槽？ （以30歲年薪百萬、不追求發哥那種3～4百但: 還是希望人生巔峰可以到200萬為前題）
: 2. 如果學習管理/研發只能二選一，大家怎麼建議？
: 3. 就我上述的概況，若是繼續學軟體的話，大家是否有更推薦的方向及技術？
: 謝謝大家的耐心閱讀！！
: （補充一個工作內容：目前我上班，每天固定8小時，大概是2/3行政跟1/3 Coding的比例: ，算是滿特別的身份現在）

關於學技術，小弟也常在學習：

隨便舉10有用到專案或論文的程式語言吧：
C, C++, perl, java, c#, vb.net,JS,PHP, Ruby, Python…(懶得打字了)

隨便舉10個我有的資料庫/類資料庫吧：
Oracle, Mysql, PostgreSQL, MSSQL, MongoDB,Redis,Hbase,Hive,ES,Neo4j,Milvus…

小弟也常在學AI,隨便舉我用過到專案上的幾十個模型…
(略，懶得打字。我不只玩NLP，我業餘也要做CV, Speech)
小弟之前工作也常用 jira, git, Jenkins, docker,k8s…(略)
以前大數據那套Spark, Kafka等我也常用。現在工作沒需要比較少用。
Web framework更不用說了，這20年來從早期EJB時代，到現在微服務，追了10個以上。

可惜的是：
我描述自己在學技術時，或寫履歷時，
我完全不會這樣來經營自己來提升競爭力。

因為這些工具或系統，
大部分難的工作都被指令API包好了，
剩下大部分就是就是考我的記憶能力，
熟悉能力而已。
遇到問題就是上網路查一下指令或API自己哪裡不熟悉。
這樣對我來說，根本不敢說是競爭力。

拿修汽車來說好了，要看一個人修車技術好不好，
如果你看到一個人說：我有10種扳手，我有100種螺絲釘子，
我有修過10種車子…有意義嗎？ 只會讓人覺得，這個人工具很多。

如果這個人是說：我之前在德國xxx車隊，F1性能調教工程師。是不是聽起來比較厲害呢。

拿廚師來說，要看一個人的煮菜好不好，如果他是用嘴巴說：
我煮過100道不同的菜喔，我有9把刀喔，我有8種醬油喔…。
只會讓人覺得，這個人煮菜很多年，實際上好不好吃根本無法體會。

如果這個人說：我待過法國米其林餐廳當主廚，然後還煮給我吃，我馬上佩服。

同樣的，一個工程師，技術學得好不好，
通常我們也不是看，這個人學不學AI，會多少模型，
這個人有沒有學K8S。而是看：你透過AI模型完成什麼事情呢？
這模型準確率多少，這產品多少人用？如何解決計算性能的問題？創造多少收入？。
你用K8S去提升多少員工的效率呢，或解決用戶數量擴增的問題呢？
能做到多自動與彈性呢？如何解決雙11突然爆量呢。

如果你履歷能說出，你的AI模型，月活有xxx萬人，
而且模型準確率，不斷演進與進步，或計算成本逐步下降，哪技術就有得聊下去了。

學技術當然好，但是職場上要的不只是你學很多東西，你有很多工具。
工具只會讓你找工作的機會變"多"，不代表找得工作會變更"好"
不代表你有技術競爭力。

真正要建立技術競爭力，你要思考一下上述修車與廚師的例子。
為什麼大家都有學技術工具，有人可以修F1領高薪，有人到路邊修車廠鎖螺絲。
有技術產生好的戰功才是重要的。

選擇戰場一直都比學習技術重要。
要有戰功，最快的方法就是逐步到有戰場的團隊或產品。
跳槽時，越跳越大的戰場。這樣才能把技術工具越玩越深
做得東西越來越有價值。成就感與薪水當然與眾不同。

這就是同樣大家都學技術，為什麼有人走向了，修車廠鎖螺絲工人
有人走向了F1性能專家。

不管是PM,還是工程師，都是 如此。
希望以上廢話，能給你一點除了學習以外的啟發。

--