作为程序员的个人发展
作为一名软件工程师，说实话，写文章要比写代码难多了。
要说发展，知乎，CSDN，博客园里很多专业的建议。这里只是写出自己细微的经验，希望能给同样境遇的人一些对照。
相信很多软(Ma)件(Nong)从业者和我一样，大学时学了一堆理论基础: 计算机原理，OOSAD，网络基础，软件工程，各种语言(之前特别喜欢和外院妹纸吹牛X，说自己会六七门语言)，还有貌似一些不搭边的高等数学，离散数学，线性代数，概率论...... 到毕业时候发现，自己写的最熟练的项目居然是Hello World。同时自己好像什么都懂一些，但又很难找到一个方向，深入研究。那些大学里学的理论也很少用到，甚至自己的竞争力已经比不上"蓝·鸟"特训三个月的孩子们，因为多数企业里，已有的项目框架、技术选型都比较完备，缺少的是一些有经验的搬运工而已。这时，一部分人意识到，学习框架才能就业，要努力成为大牛；另一部分人意识到，编程工作也没什么高深，无非是搬运、黏贴代码。而我由于大四一直在实习，继而直接工作了，应该属于更可怜的一种: 什么都没意识到。
说到框架，那逼格就上来了。因为框架中蕴含着许多高深"武学"--各种设计模式(工厂，桥接，访问者)，设计原则(依赖倒置，里氏替换)和很多思想理念，听起来就觉得，高级~。但很痛苦的事情是，框架这东西没事儿就升级，甚至今年还风声水起的框架，明年就被淘汰了。技术升级变化就是这么快，程序员真是个终生学习的过程。这里，暂且叫这些人研发型程序员吧。
还有一些人，不愿总是学用别人的框架，自己琢磨起来，姑且叫架构程序员。这里的水分其实就多了些，叫架构师，真的有损这名头。不过这年头貌似什么职业都得叫***师，说出去才响亮。什么程序员鼓励师，催奶师，监黄师。我倒是很替快递小哥不平，为什么不叫快递师...话说回来，框架这东西没有严格定义，我写的五百行程序可以叫框架，他的五万行也可以叫框架。而程序架构写出来也是很难评价好坏的，多数情况都是接手后续开发的程序员在默默吐槽。从我个人经历的项目来看，好的架构师都是一个个项目喂出来的，架构也是慢慢演变出来的。哪怕是微软 IBM高级设计师的架构，也不见得又多高级。只是在一次次的迭代中，完善了之前的失败的设计。哪怕是Windows系统，也是经过多少次推翻和迭代才推出XP这样极致的版本，且不说它有多少Bug。现在互联网创业都是求快，拿出原型比什么都重要，很多时候都是拿到商业机会才去重新考虑系统设计。无论哪个阶段，真正留给设计师的设计系统的时间真是少之又少，平时的理论模型在复杂的业务逻辑面前，很难应用得上。所以励志成为设计师的程序员，真的需要从每一件小事上开始做设计。像《人人都是产品经理》形容的，吃喝拉撒，衣食住行，时刻都想以程序架构设计来思考，养成做设计的习惯。
除了上述程序员，还有一波人，对技术并不狂热。年纪长一点的，哪里好意思和90后们一起愉快的写代码，纷纷走上了管理岗位，怎么说叫经理比较程序员好听些吧。对的，这里说的就是项目经理路线(不过最近经常有被年轻产品经理翘行的感觉)。
仔细想想， 程序员的发展路线还是很多，很复杂的。相信很多人都和boss有过"交心"、"聊天"的经历。一个经常举出的方向便是，业务型程序员。即对一个领域的业务逻辑深入研究，最后达到到，业务上我的程序写的最好，程序界我业务最熟来提高竞争力。根据领域驱动设计的思路，这样的程序员也是最有可能设计出领域中最好的框架程序的。而且能抓住业务的人，一般更容易发展到项目管理，或是产品经理的岗位。
然而让一个程序员学习业务，有点像让厨师给客人点餐上菜。作为厨师，我负责炒菜就好了，一般不用管客人点啥菜(只要菜单有)，怎么点。作为程序员，我负责写程序就好了，只需要有人告诉我客户要什么东西。大多数程序员对深入学习业务保持反感(虽然这么做真的有助软件质量的提升)。
======================华丽的分割线===========================
说完发展，说说领域。像金融，教育，医疗，互联网都是当前热门。但接下来要聊的，确是更新一些 -- 人工智能。没错，对于程序员来说，人工智能也是一个业务领域。只不过这个业务的门槛有点高。那么人工智能究竟对程序员来说意味着什么，为什么它不同于大数据，云计算这些热门行业呢。切看下篇。
记得2009年，安卓系统突然就火了起来。同时，一批安卓视频开发教程也在电驴等网站传播出来(记得当时也有个叫老锣的教程)。既然是这么新颖、有钱途的技术，当然得学了。当时看着开发视频，信心满满的写了几个hello world扔到手机上。没过几个月发现，全都忘了，因为项目用不上啊。
没过多久，云计算、大数据的概念也是铺天盖地的袭来。摆在眼前的问题，要不要学了？ 特别是发现，当时的云计算真是把人说的云里雾里，很多都是商业概念和炒作，落地的商业模式和技术没多少。大数据当时也只是分布式计算的框架，和存储框架，并不像今天的技术生态圈，框架群。即便今天，能玩儿转大数据、云计算的，也是少数大公司而已。虽然很多公司都宣称运用这些技术，但也都是跟形式，赶潮流。说白了，提高逼格嘛。用几T的数据来搞大数据，只能说是个实验学习的过程。1039也天天说大数据采集路况，分析调查问卷呢(有一万份嘛?)，只不过是用了这个关键词而已，我辈程序员还真爱较真。这里绝不是说大数据，云计算没含金量，任何技术都要在商业的推动下来发展。不过看到成堆的框架，学习的动力真是打个折扣，谁知道明年还要学哪些，用不用得着呢。对我个人而言，即便学这技术，也很少有机会去做有意义的事儿。换句话说，还是自己不感兴趣。
前阵子在雅虎Burbank出差，身边的环境还是挺震撼的。那些敲Pig脚本的开发者，没一个比我年龄小的(另外插一句，Pig本身就是雅虎开发的)。连数据组的PM，也是一位开发出身的女士。现在也是经常回想这一幕来坚定自己做开发的决心。那时恰巧一位华人朋友分享了一篇文章，其中分析了美国人工智能的发展，即便作为程序员看后也是震撼。想起来五六年前的《起点临近》《失控》两本书，虽然是科幻理论的书籍，但其中描述的依据和发展现状，如今看来确是很有概念了。最近又有阿法狗与李世石的大战，让人不得不重新认识人工智能以及带来的各种变革。说到美国，也是个神奇的国度。各种大胆的计划，还都是非政府支持的项目。做完电动汽车，回收了火箭，下一步马斯克(据说是钢铁侠的原型)又启动了人工智能项目OpenAI。
回过头来想，既然是学技术，何不选个门槛高的。机器学习是门多领域交叉学科，更重视知识的积累，没有速成法，有多少努力就有多少回报(@芈月?)，更适合我这种比较笨的人。当年学校里的线性代数、离散数学、统计分析等课程，现在想来还是有作用了。无论是复习算法，还是研究机器学习，有些数学基础和编程基础，令人信心大增。
最对于学习资料，大多是需要英语基础的。以下列出几个经典的资料:
首推Andrew Ng Coursera的课程。吴恩达斯坦福大学机器学习副教授，参与谷歌大脑的设计，百度首席科学家。这个入门教程，但讲的东西真的能做到深入浅出，让人听的明白。相信入门后，找资料就不成问题了(算是启蒙老师了)。
书籍: Machine Learning - A Probabilistic Perspective , Pattern recognition and machine learning , Elements of statistical learning
论文期刊: http://jmlr.org/papers/
新闻资料: http://forum.memect.com/blog/thread-category/ml/
最最后引用一句自己在Courera的发言， I cann't help imagining a future world full of AIs and I'm part of the creators.