听说你想转方向？小心翻车！

本文转载自公众号：大飞码字 船长导读：之前提到我换到一个大前端的团队，但是我本身其实主要还是做 Android，有的船员可能有点想转方向，那么我建议你看看这篇。

这篇来聊聊困扰很多同学的一个问题：是否要转方向 ?

这类问题没有标准的答案，每个人的理解也不一样，我写下的也只是我个人的想法，仅供大家参考。

iOS 开发

本以为 iOS 开发咨询这类问题的会比较多，没想到实际却很少。后来想想，iOS方向可能已经比较 "冷"了吧。iOS 目前的市场占有率只有百分之十三了，比起巅峰时期，确实低了很多，而且还有继续下降的趋势。连技术类公众号里面，都几乎见不到 iOS 方向的。

我记得有个毕业生咨询过 iOS方向的问题，我给的建议是，顺便学学 Android 开发或前端开发。

前几年的时候，我们这边有：iOS 开发， Android 开发， 塞班开发。当时的 iOS 可谓如日中天，很热门，没想到只几年时间，市场变化如此之大。

近几年，我们这边的iOS开发都被要求学习 Android 甚至接触一些前端开发了，所以我觉得 iOS 的同学确实需要考虑这个问题。

当然，我不建议 iOS 的同学直接转后台开发或者机器学习， Android 和前端是更好的过渡。

Android 开发

Android 开发的转方向咨询是最多的，最想转的是大数据和机器学习。不过我大部分都是建议不要转。目前客户端开发确实有大前端化的趋势，像 Flutter， React Native 确实也带来了不小的影响， 但相对于原生开发， 这些框架都还存在不少的性能，细节体验上的问题。

至于未来会发展成什么样子，也不好预估。

就这个问题，我特地请教过我们这边的前端开发专家。对于未来他更看好 H5 的方向，但就现在而言还有点为时过早，原生开发还是最好的选择，当然，他建议大家有时间和精力也可以多接触新框架，但没必要现在就谈转方向。把现有的事情做好，学习些更底层，更本质的东西是更好的选择。

我个人的建议是 目前 Android 客户端开发的整体发展方向还不明朗，建议先不要随便转方向，更加不要转大数据，机器学习。

因为大数据，机器学习跟 Android 开发几乎不搭边，迁移的损失极大，几乎是完全从头开始，更合适的是前端或者后台。前端在思维模式上更接近，后台首选 Java 后台 ，至少在语言层面，在虚拟机层面是可以复用的。

Java 后台

Java 后台的同学咨询的也比较多，大部分是想转大数据或机器学习方向。跟 Android , iOS 不一样，他们不是担心 Java 后台的发展，而是因为觉得 Java 后台的东西太多，学起来太难了，另外觉得大数据和机器学习更火，所以想转过去的。

对于这类同学，我不建议转。因为难，就转方向，这肯定是不妥当的。凡是吃香的，赚钱的岗位，必定是一堆人涌入的，人多了，竞争自然激烈，要求，门槛自然被拉高，所以有难度其实是好事。

Java 后台应该算是最稳定的一个方向了，一个是后台开发本身就比较稳定，近年来新增且比较火热的也就是 go， 但 go 只是一门新的语言，有后台开发基础的同学，就算学起来也很快的，算不上是大问题。

后台服务器系统这十几年来都是以类 Unix 系统为主，底层机制方面，只要掌握了Linux （Unix） 和 数据库，感觉可以吃到退休了。

后台开发最难的几个问题：高并发，高性能，一致性。这些并不会因为语言的改变而改变，只要掌握了这些问题的解决办法，积累了这些问题的架构经验，无论怎么换语言，都可以游刃有余。

所以 Java 后台的同学，就不要随便转了，遇到学习的困难，应该是迎难而上，而不是绕道而行。

Python Web

这个方向也有些咨询的同学。Python Web 算是后台方向，但实际业界使用的不是特别多，一些小公司或者内部系统可能会用，但大厂几乎没有用 Python 来构建大规模分布式后台的。

找工作应该是可以的，但未来发展的天花板会比较低，如果是考虑长远发展的话，我建议学学 go 或者 Java 。相对于Java ， go 要学习的东西会更少些，也更容易上手，当然这个要看个人的喜好。

关于工程转算法

做 Android 开发的同学想转大数据或机器学习，Java后台的同学也想转大数据或机器学习。因为工程和算法有很大的不同，所以我还是单独说说这块吧。

先说数据分析。

数据分析实际的工作并没有大家想象的那么好，大部分数据分析的同学最后都是在公司内部做报表，做数据提取，也就是跑SQL，其实是很枯燥的。

我们这边做数据分析的同学也经常抱怨，工作重复，枯燥且没有技术提升，所以想转数据分析的同学要慎重。

当然有同学会说，现在数据分析很火热呀，外面有那么多的培训机构以及各种宣传都在说数据分析前景很好，但那些看看就好，毕竟是商业宣传。

再来说说机器学习。

机器学习的发展确实不错，未来，我也很看好，它的问题是学习的门槛很高。有些同学觉得会使用开源的库，拿数据来跑跑模型，就算会机器学习了，不好意思，如果只这个水平，对公司是没有什么价值的。

机器学习是门槛很高的方向，无论是对于公司还是个人，只是会跑模型是不行的，我在以前的文章里面写过算法方向的水平划分：

第三级，完全看不懂英文的paper，知道常用的算法，但无法区分出各种算法的优劣和适用场景，会用 Python，C++等语言的库进行算法组装。

第二级，不能完全理解paper和算法，但知道算法在某些特定场景下的效果和调优的方式。可以在GitHub上面找到合适的开源实现，进行使用甚至优化。如果有丰富的项目经验和实操经验会加分。

第一级，能够读懂英文的paper，完全理解 paper 里面描述的算法。知道算法的优劣和适用的场景，并且可以用自己熟悉的语言实现出该算法，且有改进和调优模型的能力，这个算是一流水平了，应该可以拿到很高工资。

大部分同学自学了一段时间，达到了入门的第三级，但要在工作中，真正的运用起来，至少要达到第二级的水平，但第三级和第二级的鸿沟是巨大的，要达到第二级，要有比较好的英语基础和数学基础，我觉得自学的同学大部分达不到这个水平(有些牛人除外)。

所以做工程的同学想转算法方向，我建议三思而行。

结语

以上，就是我对于转方向的一些建议，不算是什么标准答案，但我觉得应该适用大部分人的情况。转方向是很大的一件事情，会带来历史经验的损失和未来时间的投入，是需要极其谨慎的事情。需要综合现有方向的未来和新方向的未来，还有自身的学习情况来定。