面试成功传智播客讲师,纠结要不要去

wineer200 2018-05-31 10:32:06
java开发经验8年
今年己经34岁,在公司不大不小算是个领导,工作经验丰富,该会的都会,技术圈子里的东西都懂

35岁程序员的一个转角年龄,在公司发展潜力有限,几乎就是一个萝卜一个坑,我上边有两个大领导,他们不挪位子,我就没有上升空间,去其它公司也是一样,只是一个中层技术领导角色。郑州这个地区工资水平也就这样

今年尝试着投了几份简历,郑州也没有特别大型的it企业,中移在线算是个比较大型的公司,但是没想去,后来传智打来电话,去聊了聊,工资待遇说的挺好,主要收入还是课时费,一天课时费好几百,听起来比较诱惑。

纠结了好久,如果去做培训,我怕这个职业生命周期太短,二年讲师生涯下来,开发圈子里的东西估计也就忘记的差不多了,但是做开发上升空间实在有限。

请教一下各位,有没有在培训机构做开发的java人员,从业情况如何,职业生命周期有多长。我这种情况下,各位建议是继续做开发,还是转行做培训。
做培训讲师就相当于转行业。人生转角迷茫中。请各位发言指导
...全文
6171 11 打赏 收藏 举报
写回复
用AI写文章
11 条回复
切换为时间正序
请发表友善的回复…
发表回复
zz308 2021-01-28
  • 打赏
  • 举报
回复
楼主最终去了么
jiang_shao_yue 2019-09-09
  • 打赏
  • 举报
回复
哥们你去了吗?可以联系下你吗 QQ2602043912
yangjuanli 2018-12-22
  • 打赏
  • 举报
回复
楼主入职了么?如果没入职,我建议还是在原企业干吧,若能一直干到退休也是不错的选择。。。
yuzhu712 2018-12-19
  • 打赏
  • 举报
回复
首先软件培训是个行业,如果认为在培训公司做讲师没有空间,那我觉得是你对这个行业不了解。其实在任何行业都是从基层干起的。
人可月生平 2018-09-25
  • 打赏
  • 举报
回复
楼主入职了吗,我明天也去应聘
李秀才 2018-09-06
  • 打赏
  • 举报
回复
投个硬币做决定吧
Hello_or_World 2018-06-12
  • 打赏
  • 举报
回复
我是个学生,平常看黑马程序员相关的视频,感觉讲师是真的厉害。不过,我感觉也很累。 职业规划什么的,全靠自己吧。 我建议是能不当老师,就不当,反正已经30多。再挣扎一下,说不定就当上管理层了。
stacksoverflow 2018-06-12
  • 打赏
  • 举报
回复
如果没有高学历,好的背景。并且不想去一线城市的话,在二三线当讲师也挺好。 理由: 首先大公司看中你的学历和背景高于技术,包括BAT。 其次,看你的描述感觉你不是对技术特别感冒的人,没有了激情,工作会很乏味。 第三,搞IT不在一线的话,会陷入人事环境,到时候又要把技术,又要混人事,很难应付。 第四,现在Java的缺口很大,缺入门的和高级的,未来会越来越向两极发展,所以入门级培训的市场很大。
wineer200 2018-06-01
  • 打赏
  • 举报
回复
纠结要不要转行业,毕竟一入讲师估计以后就和开发绝缘了
maradona1984 2018-06-01
  • 打赏
  • 举报
回复
一天课时费好几百 也不高啊...
wineer200 2018-06-01
  • 打赏
  • 举报
回复 1
基本工资和我现在持平,现在己经不想再看工资找工作了,想找个可持继发展的道路 可是讲师,我实在不知道怎么规划职业发展
大气污染是影响公众健康与生态环境的重要问题,精准的空气质量时空预测与污染源贡献度量化是精准治污的关键支撑。针对现有研究多源融合不充分、时空关联刻画不足、预测与源解析割裂三方面缺陷,本文设计实现了城市空气质量时空预测与污染源贡献度分析系统,融合监测、气象、工业排放与交通四类数据,构建基于时空注意力的LSTM(STAM-LSTM)预测模型与基于正定矩阵因子分解(PMF)的源解析模型,形成数据融合-特征工程-预测-源解析-可视化闭环。 系统实现四类数据时空对齐与融合,构建时序与空间邻域特征,以普通克里金插值生成1km网格浓度场;STAM-LSTM引入时空注意力自适应学习站点间污染传输时变权重,以72小时输入预测未来24小时逐小时PM2.5浓度;PMF识别交通、工业、燃煤、扬尘与二次生成五个源因子,量化各源全年贡献度并分析时空演变。 实验表明:STAM-LSTM预测RMSE 24.6、MAE 17.8、R² 0.88,相对LSTM基线(30.2)提升18.5%;普通克里金插值误差8.9,优于反距离加权(11.4);源解析显示交通源28.4%、工业源23.1%、燃煤源19.6%为主要贡献源,冬季燃煤源升至27.3%、早高峰交通源达34.8%,下风向工业源贡献高出上风向8~12个百分点;减排情景显示交通源减排20%可使年均PM2.5下降5.7%,与源贡献度排序一致。 系统按五模块14组件实现,功能测试16项用例全部通过,为大气污染预警、源管控与减排政策制定提供了决策依据。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计与实现 第6章 系统测试与分析 第7章 总结与展望 参考文献 附件-实现指南
基于iTransformer-BiGRU-KAN多模型融合的滚动轴承剩余寿命预测研究(Python代码实现)内容概要:本文提出了一种基于iTransformer-BiGRU-KAN多模型融合的滚动轴承剩余寿命预测方法,旨在通过结合多种先进深度学习模型的优势,提升在复杂工况下的预测精度与鲁棒性。该方法利用iTransformer捕捉长期时间序列中的全局依赖关系,通过BiGRU模型提取双向时序特征,最后引入KAN(Kernel Attention Network)增强非线性映射与关键特征的自适应加权能力,实现对轴承退化过程的精准建模。文中详细介绍了模型架构设计、训练流程及在公开数据集上的实验验证,结果表明该融合模型相比单一模型在预测精度和稳定性方面均有显著提升。; 适合人群:具备一定机器学习与深度学习基础,从事设备故障诊断、工业大数据分析或智能运维相关领域的研究人员及工程技术人员,尤其适合研究生及以上学历或有相关项目经验的专业人员。; 使用场景及目标:①应用于工业设备状态监测与预测性维护系统中,实现对滚动轴承等关键部件剩余寿命的精准预测;②为复杂时间序列回归任务提供多模型融合的设计思路与技术参考;③推动深度学习在智能制造与工业物联网领域的落地应用。; 阅读建议:建议读者结合Python代码实现部分,深入理解各子模型的接口设计与融合逻辑,重点关注特征融合机制与注意力权重的可视化分析,以便在实际项目中灵活调整与优化模型结构。

23,404

社区成员

发帖
与我相关
我的任务
社区描述
Java 非技术区
社区管理员
  • 非技术区社区
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