キャリア開発パスの観点から、一般的に2つのルートに分けることができます。1つはTシーケンスとも呼ばれる専門的な技術ルートであり、もう1つはMシーケンスとも呼ばれる管理ルートです。各シーケンスは多くのレベルに分けられます。低いものから高いものへのTシーケンスの一般的な位置は、エンジニア、シニアエンジニア、アーキテクト/エキスパート、シニアアーキテクト/シニアエキスパート、シニアアーキテクト/シニアエキスパート、チーフアーキテクト/チーフエキスパート/チーフサイエンティストなどです。もちろん、各企業の名前法則は同じではないかもしれませんが、似ています。Tシーケンスは一般的にテクノロジーに重点を置いています。もちろん、レベルが高いほどチームも参加しますが、Tシーケンスベルトのチーム数は同じレベルのMシーケンスベルトのチーム数よりも少なくなります。Mシーケンスは、通常、エンジニア、シニアエンジニア、TeamLeader /スーパーバイザー、テクニカルマネージャー、シニアテクニカルマネージャー、副ディレクター、ディレクター、シニアディレクター、ゼネラルマネージャー、バイスプレジデントVP、CTOです。さらに、TシーケンスとMシーケンスのどちらを使用する場合でも、最終的にはCTOに発展する機会があります。キャリア開発にはレベルを超えたジャンププロモーションがあります。この場合、同じポジションでの個人的な能力は一般的に長くなり、能力は大幅に向上します。良い機会に遭遇した場合は、レベルを超えて飛躍することができます。たとえば、シニアエンジニアからディレクターへ、テクニカルマネージャーからテクニカルVPへ、アーキテクトからCTOへの飛躍。クロスレベルであるかどうかに関係なく、昇進するたびに自分自身を向上させるために多くのスキルを学ぶ必要があります。このスキルは主にテクノロジー自体のスキルです。もちろん、管理Mシーケンスを向上させる必要があります。
1.Hadoopプラットフォームの運用および保守エンジニア
多くのHadoopプラットフォームの運用および保守エンジニアは、従来の運用および保守エンジニアから異動し、実際のプログラミング開発を行っていません。ビッグデータの方向に進む場合は、開発、プログラミングを学び、アーキテクト、ビッグデータプラットフォームマネージャー、およびディレクターに向けて開発する必要があります。
2.ビッグデータプラットフォームエンジニア
ビッグデータアーキテクトとして成長し、プロの道を進むことも、ビッグデータプラットフォームマネージャーおよびディレクターとして成長することもできます。
3.ビッグデータETLエンジニア
データ分析マネージャーおよびディレクターには、ビッグデータプラットフォームマネージャーおよびディレクターに発展することもできます。
4.ストリーミングコンピューティングエンジニア
ビッグデータプラットフォームのマネージャーやディレクターの方向に、またはビッグデータアーキテクトの方向に開発することができます。
5.データウェアハウスエンジニア
データ分析マネージャーおよびディレクターの方向に開発することができます。
6.スパークエンジニア
ビッグデータプラットフォームのマネージャーやディレクターの方向に、またはビッグデータアーキテクトの方向に開発することができます。
7.検索エンジニア
は、検索リーダー/リーダーに成長できます。推奨アルゴリズムを学習してから、検索推奨部門のディレクターに成長するか、検索アーキテクトとして成長するのが最善です。
8.推奨されるアルゴリズムエンジニア
アルゴリズムマネージャー、ディレクター、または検索推奨部門のディレクターとして開発することも、システムアーキテクトを推奨することもできます。
9.ユーザーポートレートエンジニア
データ分析マネージャーとディレクターの方向に開発することも、アルゴリズムマネージャーとディレクターの方向に開発することもできます。
10.自然言語処理NLPエンジニア
NLPアルゴリズムリーダー、アルゴリズムマネージャー、およびディレクターの方向に開発できます。
11.機械学習エンジニア
アルゴリズムマネージャー、ディレクターの方向、またはアルゴリズムアーキテクトの方向に開発できます。
12.データマイニングエンジニア
データ分析マネージャーおよびディレクターの方向に開発することができます。
13.ディープラーニングエンジニア
アルゴリズムマネージャーとディレクターの方向に開発することができます。
14.データアナリスト
データ分析マネージャー、データ分析ディレクターに成長します。
15.Web開発エンジニアの部分的なバックエンドインターフェイス
上がってエンジニアリングテクニカルマネージャー、テクニカルディレクターに成長するか、Tシーケンスに移動してアーキテクトに成長します。
16.フロントエンドエンジニア
15のスキルを学び、15のルートに従うのが最善です。もちろん、フロントエンドアーキテクトに成長することもできます。
17.ビッグデータプロダクトマネージャー
ビッグデータ部門から昇格して、企業レベルの製品ディレクターである製品VPに昇格するのが最善です。
18.ビッグデータプラットフォームのディレクター
ビッグデータVPとして開発されました。
19.アルゴリズムのディレクター
ビッグデータVPとして開発されました。
20.データ分析ディレクター
ビッグデータVPとして開発されました。
21.ビッグデータアーキテクト、チーフビッグデータアーキテクト
ビッグデータVPとして開発されました。
22.ビッグデータ担当副社長
Webエンジニアリング、フロントエンド、モバイル開発、Webサイトアーキテクチャなど、他のスキル分野で自分自身を向上させてから、CTOに成長します。
各ポジションの市場平均給与レベル。
ポジション給与は、就業年数、技術レベル、教育、会社の経歴に関連しているため、同じポジションの固定値はなく、おおまかな範囲にすぎません。また、市場の需給にも関係しており、近年、ビッグデータや人工知能の人材が不足しており、人工知能の人材がさらに不足しているため、市場全体の観点から見ると、ビッグデータの給与はWeb開発や人工知能の比率よりも高くなっています。ビッグデータはより高いです。数年後、価格と市場の需給の変化にもかかわらず、市場の平均給与状況も変化します。現在の求人市場の平均給与のおおよその範囲は以下のとおりです。また、年俸は12か月、一部は16か月で一定ではなく、一部の企業の年収構造は基本現金であるため、採用Webサイトでは年収が提供されることがよくあります。パート+割引エクイティオプションの価値の合計。したがって、年収に基づく計算では実際の給与ステータスを明確にフィードバックできないため、月給の基本現金部分に基づいています。ここでは税引前の給与を指し、地域は北京で表されます。 。以下は、信頼できるデータとしてではなく、参照のみを目的とした個人的な意見です。
1.Hadoopプラットフォームの運用および保守エンジニア
月給は約1.5〜2.5wです。wの文字はWanの略です。このポジションの給与は、一般的にビッグデータプラットフォームエンジニアの給与よりもわずかに低くなっています。主な理由は、運用および保守担当者がプロジェクトコードを開発する能力を持っていない可能性があるためです。もちろん、個人的な能力が強い人を除いて。
2.ビッグデータプラットフォームエンジニア
約2〜3ワットのビッグデータプラットフォームは、通常、クラスターの運用と保守、およびプロジェクトのプログラミングと開発の両方の機能を備えており、給与は少し高くなります。一般的に、関連する実務経験は3年あり、月給2w以上は比較的簡単です。3wは境界点であり、3wを突破するのは簡単ではありません。
3.ビッグデータETLエンジニア
約2〜3ワットの給与範囲は、ビッグデータプラットフォームエンジニアの給与範囲と似ていますが、主にETLエンジニアのエンジニアリング能力が比較的弱いため、わずかに低くなっています。これは全体的な観点であり、強力な能力を持つ人々は、ビッグデータプラットフォームのエンジニアよりも高い可能性があります。ETLエンジニアが2.5w以上に達すると、増加は遅くなります。3wも給与のボトルネックであり、3wを突破するのは簡単ではありません。
4.ストリーミングコンピューティングエンジニア
ビッグデータプラットフォームエンジニアと同様に、約2〜3ワット。
5.データウェアハウスエンジニア
データウェアハウスエンジニアは一般的にエンジニアリング能力が弱いです。2wに達することができれば、すでに非常に優れています。2.5wは非常に高いと見なされ、3wを突破することは困難です。
6.スパークエンジニア
ビッグデータプラットフォームエンジニアと同様に、約2〜3ワット。
7.エンジニアを検索する
2〜4週間程度で、検索エンジニアの給与はわずかに高くなります。一般的に3年間働いているので、2wに到達する方が簡単です。関連する5年の経験で、3wを突破することは難しくなく、8年以上の経験で4wに到達することは合理的です。最高は5wを超えることができます。
8.推奨されるアルゴリズムエンジニア
一般的に2〜4w程度で、推奨アルゴリズムは検索よりも深く、給与は検索エンジニアよりもわずかに高くなります。
9.ユーザーポートレートエンジニア
2から3wまで、ユーザーポートレートエンジニアはデータ統計またはアルゴリズムエンジニアリングに集中できます。2wに到達する方が簡単です。アルゴリズムに大きな進歩をもたらすことが可能です。
10.自然言語処理NLPエンジニア
2wから4wまで、このポジションは近年新たなポジションであり、才能が不足しています。給与は、推奨されるアルゴリズムの位置と同様です。
11.機械学習エンジニア
2〜4wの場合、給与は推奨されるアルゴリズムの位置と同様です。
12.データマイニングエンジニア
2から3wまで、一般的なデータマイニングはデータ分析に部分的であり、2.5wに達することは低くありません。もちろん、それは少しエンジニアリングであり、3wを突破することは合理的です。
13.ディープラーニングエンジニア
これは近年の新たなポジションであり、才能が不足しています。給料は2〜4wです。4wを突破することは難しくありません。シニアは5w以上に達することができます。
14.データアナリスト
1.5〜2.5w、データ分析は部分的なデータ統計であり、全体の給与は機械学習エンジニアよりもわずかに低くなっています。一般的に、この分野の女の子の数は他のエンジニアリングのポジションよりも多いです。なぜなら、全体として、女性よりも男性の方がはるかに多いからです。データ分析を行う女の子が半分を占めることができる場合、実際、この割合はすでに非常に高くなっています。データ分析の役割は機械学習の給与に似ており、3wを突破することは問題ではありません。
15.Web開発エンジニアの部分的なバックエンドインターフェイス
1〜2.5ワット、20,000以内の純粋なWeb開発がより一般的で、シニアは2.5ワットを超える可能性があります。あなたが非常に上手であれば、あなたは建築家になることができ、3w以上になるのは簡単です。
16.フロントエンドエンジニア
1〜2w、通常はWebバックエンドの給与より少し低く、通常は2w以下。
17.ビッグデータプロダクトマネージャー
近年、1.5〜2.5ワットのビッグデータ製品マネージャーが登場しており、人材も比較的不足しているため、採用が難しい。それらのほとんどは伝統的な製品だと思います。ビッグデータ製品マネージャーは、多くの場合、従来の製品から移管され、データ駆動型およびアルゴリズム駆動型の知識を理解しているため、給与は従来の製品マネージャーよりも高くなります。1.5wは比較的簡単で、高齢者は2.5wに達することができます。
18.ビッグデータプラットフォームのディレクター
3から6wまで、ディレクターの最低開始価格は3wで、5wが通常です。6wはボトルネックであり、突破するのは簡単ではありません。もちろん、取締役は中級取締役と上級取締役を含むさまざまなレベルに分けられます。6w以上のシニアディレクターは比較的簡単です。
19.アルゴリズムのディレクター
ビッグデータプラットフォームのディレクターと比較して、3から6wまで、それはさらにわずかに高くなっています。
20.データ分析ディレクター
ビッグデータプラットフォームのディレクターと比較して、3〜6w、一般的にわずかに低い。
21.ビッグデータアーキテクト、チーフビッグデータアーキテクト
アーキテクトとディレクターの給与は似ていますが、レベルにも分かれています。中級、シニア、シニア、チーフ。一般的に、上級アーキテクトはディレクターよりも高い場合があります。チーフアーキテクトは最高であり、ビッグデータのVPの給与レベルに達することができます。
22.ビッグデータ担当副社長
6から10wまで、上記のチーフアーキテクトとビッグデータVPの給与は同じです。これらの2つのポジションは、一般的にビッグデータのVPよりも技術的に技術的であり、ビッグデータのVPはより強力な管理スキルを持っています。ただし、全体的な総合力は類似しており、どちらも幅広い技術的知識を持っており、一般的にチームも参加しますが、ビッグデータVPによって参加する人は増えています。一般的に、ビッグデータVPの位置は6wから始まり、8wがより一般的です。10wを突破することは問題ではありません。
この章では、ビッグデータ部門の組織構造と各ポジションの状況について深く理解し、次の章では、ビジネスと製品をよりよく理解するために、一般的なビッグデータアルゴリズムのシステムアーキテクチャについて深く理解します。
総括する
さまざまなポジションのキャリアプランニングと開発パスに加えて、MXNetなどの他のディープラーニングフレームワークにも優れたオープンソース実装があります。後で課金アプリ、コース、WeChatグループに注意してください。詳細については、新しい本「Distributed MachineLearningPractice」を参照してください。 （人工知能科学技術シリーズ）」
MXNetなどの他のディープラーニングフレームワークにも優れたオープンソース実装があります。課金アプリ、コース、WeChatグループ、その他のコンテンツに注意してください。新しい本「分散型マシン学習プラクティス（人工知能科学技術シリーズ）」を参照してください。
【新刊紹介】
「分散型機械学習実習」（人工知能科学技術シリーズ）【陳景平編】【青華大学出版会】
新刊の特徴：分散型機械学習の枠組みと、パーソナライズされた推奨アルゴリズムシステムをサポートする応用を段階的に説明、顔認識、対話ロボットおよびその他の実用的なプロジェクト
【新刊紹介動画】
分散型機械学習実習（人工知能科学技術シリーズ）新刊【チェンジンレイ】
ビデオ機能：新しい本の紹介、最新の最先端技術のホットスポットの分析、および技術的なキャリアプランの提案に焦点を当てます！このレッスンを聞くと、人工知能の分野でまったく新しい技術的ビジョンが得られます。キャリア開発もより明確に理解できるようになります！
【エクセレントコース】
「分散型機械学習実戦」ビッグデータ人工知能AIエキスパートレベルエクセレントコース
【無料体験動画】：
人工知能百万年次給与成長ルート/ Pythonから最新のホットテクノロジーまで
初心者から基礎のないPythonプログラミングの紹介から、高度な実践的な一連の人工知能コースまで
ビデオ機能：この一連のエキスパートレベルのファインコースには、対応するサポートブック「DistributedMachine Learning Practical Combat」があります。ファインコースとブックは相互に補完し合うことができ、学習効率が大幅に向上します。この一連のコースと本は、分散型機械学習をメインラインとし、それが依存するビッグデータテクノロジーを詳細に紹介します。その後、現在の主流の分散型機械学習フレームワークとアルゴリズムに焦点を当てます。この一連のコースと本は、実際の戦闘に焦点を当てます。 、最後に、皆さんのためのいくつかの産業レベルのシステム戦闘プロジェクトについてお話します。このコースのコアコンテンツには、インターネット会社のビッグデータと人工知能、ビッグデータアルゴリズムシステムアーキテクチャ、ビッグデータファンデーション、Pythonプログラミング、Javaプログラミング、Scalaプログラミング、Dockerコンテナ、Mahout分散マシン学習プラットフォーム、Spark分散マシン学習プラットフォームが含まれます。分散型深層学習フレームワークとニューラルネットワークアルゴリズム、自然言語処理アルゴリズム、産業グレードの完全なシステム戦闘（推奨アルゴリズムシステム戦闘、顔認識戦闘、対話ロボット戦闘）、雇用/インタビュースキル/キャリアプランニング/プロモーションガイダンスなど。 。
【有料ですか？会社紹介】
Rechargeable Appは、オフィスワーカー向けの職業訓練と学習に焦点を当てたオンライン教育プラットフォームです。
仕事の職業スキルの向上と学習に焦点を当て、仕事の効率を向上させ、経済的利益をもたらします！今日は充電していますか？
充電中ですか？
http://www.chongdianleme.com/
課金されますか？アプリの公式ウェブサイトのダウンロードアドレス
https://a.app.qq.com/o/simple.jsp?pkgname=com.charged.app
機能は次のとおりです。
【業界全体のポジション】-サラリーマンの職業スキル向上に注力
あなたがサラリーマン、エグゼクティブ、または起業家であるかどうかにかかわらず、すべての業界とポジションをカバーして、あなたが学びたいビデオと記事があります。その中でも、ビッグデータインテリジェントAI、ブロックチェーン、およびディープラーニングは、インターネットの第一線の産業レベルの実践的な経験です。
専門的なスキルの学習に加えて、企業経営、公平なインセンティブとデザイン、キャリアプランニング、社会的エチケット、コミュニケーションスキル、プレゼンテーションスキル、ミーティングスキル、メールスキル、仕事のプレッシャーを緩和する方法、個人的なつながりなど、一般的な職場スキルがあります。すべての面であなたの専門レベルと全体的な品質を向上させます。
【ニウレン教室】-ニウレンの仕事体験を学ぶ
1.インテリジェントなパーソナライズエンジン：
さまざまな業界とポジションのスキルワードプリファレンスマイニング分析を通じて、すべての業界とすべてのポジションをカバーする大規模なビデオコース。現在のポジションで最も関心のあるスキル学習コースとインテリジェントに一致します。
2.ネットワーク全体で講義を検索します
キーワードを入力して大規模なビデオコースを検索してください。すべてがあり、常にあなたに適したコースがあります。
3.クラスの聴取の詳細
ビデオ再生の詳細、現在のビデオの再生に加えて、関連するビデオコースや記事の読み方もあり、特定のスキル知識ポイントを強化して、特定の分野の上級エキスパートになることができます。
【優れた読書】-スキル記事の興味深い読書
1.パーソナライズされた読み取りエンジン：
さまざまな業界のポジションのスキルワードプリファレンスマイニング分析を通じて、すべての業界とすべてのポジションをカバーする数千万の記事を読み、現在のポジションで最も興味のあるスキル学習記事をインテリジェントに照合します。
2.ネットワーク検索全体を読む
キーワードを入力して、読むべき多数の記事を検索してください。すべてが利用可能であり、興味のある記事を学ぶスキルが常にあります。
[ロボット教師]-楽しい学習を個人的に強化する
検索エンジンとインテリジェントな深層学習トレーニングに基づいて、私たちはあなたをよりよく理解し、自然な言語でロボット教師とチャットして学び、娯楽と学習、効率的な学習、そして幸せな生活を送るロボット教師を作成します。
【ショートコース】-知識を効率的に学ぶ
時間の断片化された学習を満足させ、特定のスキル知識ポイントを迅速に向上させるための大規模な短期コース。