你的护城河在哪？老程序员的一些2016感悟
由于工作职位关系，在公司一直做一些技术储备工作。没有实际的开发任务，只是多看一些新东西，万一有需求可以出解决方案。
回顾2016，从前端开发到移动，从算法到机器学习，自然语言处理等，看过的东西很多很杂。
我一直有个疑问，什么才叫技术好？其实技术好，可能是个伪概念。
一门语言，一个方向，大部分人的水平都差不多，只是熟练度，知识广度的问题。
C#，有人可以用极其简单的Linq写出很复杂的功能，有人要使用大段大段的代码来实现相同的功能。
之间的差距就是，前者熟悉Linq，后者不熟悉（熟练度不够）或者根本不知道Linq（广度不够）。
很多情况下，后者如果不是很差劲，后者其实可以通过培训做到和前者相同的事情。
那么，如果技术可以通过培训就能获得提升，那么，老程序员的护城河在哪里？
一个毕业生，通过不断的学习一门语言，大量的练习，就能写出代码了，老程序员的价值在哪？
1.技术整合和全栈技能
可以很负责任的说，老程序员在某个领域的90%的知识，新人可以很快速的掌握。但是新人无法很快速的将所有知识整合起来，灵活使用。
例如，一个抓取网站数据的程序，其实这里牵涉到HTTP协议，HTML和DOM知识，异步和并发，数据存储等问题。
如果这个程序出了问题，老程序员可以快速判断错误的位置和解决方法，新人可能要耗费很多时间。（有些权限，异步的问题，新人可能根本没有概念）
所以，知识储备要有一定的广度。
2.某个领域的深度
这个在数据库领域特别重要。建数据库，建表，查询，这些都是只要肯百度就可以的。
但是，往往资深DBA，思考的是，索引的类型是否正确，索引的字段是否正确，SQL语句是否优化。集群，主从备份的参数是否妥当等等。
（在做MongoCola的时候，我几乎将所有的MongoDB的用户手册看了一遍。MongoDB要真正精通，其实很难的。）
如果你长期操作MySql，Oracle，能够将这些数据库的精髓都学到，变成专家，也是可喜可贺的事情。
（数据优化，参数设定，故障恢复，都是以时薪计算的）
3.观念的改变
新人和老司机，在很多观念上不同。
对于一个新人来说，总觉得程序能做到100%正确，能够看到画面，是很牛逼的事情。
开发一个手机APP，正确排序一堆数据，很不错啊。
其实，真正难的程序，往往是那些不可能做出最优解的问题。也就是所谓的PN问题。
没有最优解，说明这个问题往往是随着规模增大，算法的复制度高的硬件无法承受了。（今年的天池算法比赛的题目就是这样一道NP问题）
在机器学习和自然语言处理领域，更加如此，这些领域都只能求得正确可能性最高的答案。（滴滴出行的大数据比赛，我也参加了）
在加密解密上，包括Hash算法上，工业标准也并非100%要求正确，有些Hash算法，在时间空间上要求很高的前提下，允许百万分之一的错误率的。
例如，爬虫在考虑哪些网址爬过的算法上，往往把网址通过MD5等算法，转换为数字指纹，这个指纹，其实做不到100%正确的。
其实，真正难的程序，往往是那些没有任何界面的库，比如gensim（NLP），scipy（ML），MeCab（日语分词）这样的东西。
这些库没有办法在朋友面前演示，没有好看的界面，但是，这些库踏踏实实是很多项目的基石。（这里没有贬低很多GUI库的意思，Bootstrape这样的皮肤也很重要）
4.多个解决方案和随机应变
新手处理Excel，可能只会VBA。
老手处理Excel，可以用C#操作，可以用NPOI这样的库。可以调用VBA的宏。
很多时候，解决方案有很多，正确的解决方案，最优的解决方案，需要大量的经验。
我的护城河在哪？涉猎很多领域，深耕某个领域
在信息爆炸的时代，没有什么技术壁垒。Python，Nodejs，React，NLP，只要你想研究，资料满天飞。
如果有时间，各种技术最好都能看一下，知道这个技术的使用场景，优点，缺点。这样就可以了。
大部分技术，看一下用户手册，API函数一调就可以跑了。如果没有需求，没有必要去深入学习。
知识丰富之后，你可以快速的制定一个最优的解决方案，以及多个备选方案。
和别人交流的时候，不会被别人忽悠，不会无法理解对方的想法。
但是，如果你立志于在某个领域变成不可或缺的人。就必须从基础上认认真真学习。
例如，机器学习方向，
100%的人，都会调用Python的Package，
95%的人，知道回归，聚类背后的理论知识，
80%的人，知道拉格朗日和对偶算法。
50%的人知道怎么一步步推导公式。
但是再深入下去，如何调整参数，如何活用LDA模型，这样的大牛很少了。
要知道这些，阅读大量的论文，做大量的研究，跑大量的数据，必须这样做，没有捷径。
只有这样的人，才能获得 养兵千日用兵一时 的待遇。平时积累经验，需要的时候，为公司一锤定音。
当然，大牛，有些关键知识，请自行做好保密工作。有些东西说破就不灵了。世道艰险，自我保护不可少。
当然，以上这些有个前提：学习自己喜欢的东西，注意保养自己的身体。
年初在接触React Native这样的东西的时候，我觉得很前卫。等到我学习机器学习，自然语言处理后，我发现，这些才是最前卫的。
可惜园子里面的机器学习氛围不好，很多文章阅读数不过百。再过几年，将是机器学习的天下，大家应该开始转型了。
机器学习，入门难，学好难，但是真的学好了，高薪高待遇容易。
