技术焦虑话题

最近几年，每隔一段时间总是会出现许多关于技术焦虑的话题，这里我们不去谈论具体哪些本质的原因导致这样的现象。我从个人的一些理解去表达一下我自己是怎么对待技术焦虑的，我的表达的观点可能不够严谨或者片面，毕竟每个道理和观点都有其有限的作用范围，也跟每个人的认知偏差有关，不能一概而论，希望读者可以考虑观点的合理行，并对其进行深度的思考。

我的大学和研究生专业一直都是数学专业，自认为数学学的还算可以，毕业后一直从事数据挖掘相关的工作，再公司内部也做过很多的分享，同时也参加过一些线下的活动，通过这些年无数次的掉坑与填坑，最终自认为对数据挖掘有了比较全面和深入的了解。从事互联网已经快6年了，中间有一段时间也感觉自己的技术能力没有得到本质性的提升，面对日新月异的技术变更和迭代，也会产生焦虑。回顾自己的这几年的技术生涯，通过长时间的摸索与人交流，得到一个大结论是：

技术焦虑的本质是由对自我认知以及对技术认知的缺失引起的，面对未来的不可把握性，总是会担心事物不能朝自己希望的方向发展。

既然已经明确了结论，那我们怎么去缓解这种不确定性带来的焦虑呢？

首先：学习技术第一是先需要学会理解技术背后的本质，然后才是具体实验与练习。

比如：近十年的人工智能（AI）热潮，从我个人的视角来看，其实就是计算机从数据当中学习出规律和模式，然后应用在新数据上做预测的任务。我们都知道，绝大部分事情都有方法论或者说是套路，我们需要看清楚变化事物背后不变的本质，人去做预测，往往就是从历史数据中总结出来的可复制的经验，加上自身的一些理解去预估，但是个人从历史中总结出来的经验往往会存在一些偏差，而AI算法本质上就是要去学习这种套路，只要给定真实的数据，算法能够自动从中学出来套路，从而达到智能的目的。理解了类似技术背后的含义，你就不会产生对新技术的畏惧和不安，所有的新技术无非就是为了更加智能的解决问题，高深的算法也无非是更加高效或者优质的解决问题的流程。

其次：培养独立思考的习惯的同时，也需要关注技术后面的基础能力。

比如：要判断自己是否适合从事数据挖掘方向，数据挖掘工程师的底层能力对机器学习、编程、数学都有一定的要求，如果你再这些方面基础还不错，并且对数据挖掘也非常感兴趣，那么从事数据挖掘算是一个不错的选择。当然，对于先避开数学接触挖掘，再试着深入了解各种挖掘算法的原理，这种方式我也是非常认可的。很多人潜意识里害怕数学，害怕大量的深度的代数与微积分知识，其实我们可以实现编码而不考虑数学，我们可以使用各种框架中高级的API，比如（PyTorch、PaddlePaddle、Scikit-Learn等等）来解决问题，但是如果自身不具备底层的基础能力，只是单纯觉得从事数据挖掘（如推荐算法、CV、NLP、Bigdata ）工资收入不错，凭借追随热点去从事这些岗位，最终很快就会遇到瓶颈，很难在这个领域做到足够的深入。

最后：培养自主学习的能力。

就拿我自己从事的数据挖掘方向来说，按我自己的学习经验，我的技术学习能力的培养，是从一个个简单的项目开始的，从获取数据源开始，用最传统数据挖掘算法，先完整地走完了挖掘的整个工作流程，不断尝试各种算法深挖这些获取的数据的价值，在运用过程中把数据、特征和算法搞透，真正积累出项目经验，这里的项目经验完全可以来自于像kaggle这样的平台，以及国内的各种大厂的竞赛平台，这是我个人认为非常合适的成长路径，现实的工业实践无非就是再更加的注重细节和业务的结合，但是分析挖掘数据的方式，还是相通的。明确问题是进行数据挖掘的第一步，确定问题目标是一个分类还是回归或者是聚类的问题，如果都不是的话，如果划归为其中的组合问题或者优化问题等等。