拿来工作的话，找公司报销。自己使用开发开源项目就社区版本呗。

google docs

学完基础，你说的一堆做网站技术，应该能看出来，大部分都是相通的，一路通，路路通啊。

建议选 software engineering，但是选择比较靠近后端的内容。如果对人工智能感兴趣，可以选择软件工程和人工智能领域的交叉，做 ML infrastructure，例如 AI 编译器和加速（类似 TVM ），大规模分布式系统，GPGPU （ GPU 编程）等。

这几个方向都是需求很大，但是及其难找对口的人才。这些技术和企业内部的 AI 应用开发又息息相关（平台技术）。与 AI 应用相比，没有过热，反而一直在稳步落地和进步。

技术革新虽然比较快，但是原理性内容十分稳定（操作系统、编译原理、分布式系统），职业稳定性比做单纯的前后端要好很多；并且经验在这块很值钱，资深的工程师因为技术门槛不易被淘汰，反而需求量很高。

市场的话，类似淘金热，最后赚到钱的不是真的去挖金子的，而是卖淘金子工具的，牛仔裤的厂家（ AI 热中最赚钱的，也是卖显卡的，卖云服务的这些工具类厂商）。

select phoneNum from (select mask(phoneNum,8,11,*) from table where t.phoneNum = '13800001111');

where 放在里面可不可以呢？

用 C-a 的人好多

楼主可能是把代码版权和编辑器版权搞混了。是 1 的情况 。jb 学生授权不能用于商业软件开发。

@Fermanson 一片红海还是一片蓝海？？

先考虑给别的项目贡献一些 pr 好了。翻一翻 issue 页面，找找可以提交的问题。做着做着就有灵感了

@happinessnch 算法被设计出来肯定是为了解决特定问题的。简单举几个最常见的例子
图论：pip，conda 或者 npm 这类依赖管理包工具里面，就使用了图论里面的依赖路径算法
几何：各种图形应用，arvr，游戏开发，图形学基本都是几何和代数
数论：常见的不对称加密，RSA 算法，都是数论的应用

第一个平台开发总结的有点片面，有很多数据平台开发工程师其实是 infrastructure 工程师，魔改和部署各种开源工具，或者搭建自己的数据平台解决方案。例如，拓展数据查询引擎的功能，spark, presto，拓展和运营工作流 scheduler，搭建数据发现平台啊什么的。都是比较硬核的工程师工作。

第二种其实有点像数据工程师 data engineer，的确 SQL 是主要技能了，可能还包括写一些 pipeline

有点凡言凡语的那味儿了。但是有时候贡献还真不能拿交的代码衡量，可能同事给很多项目的方向做出了贡献，这个也不容小觑

可以用 chef 或者 puppet

这书怎么样呢？我很好奇 k8s 演进这么迅猛的项目，书本的东西会不会有很多过时的东西？

空间换时间查表法

Cmder

python
ruby
c++
html
java
...

可以用 paas，heroku. Digitalocean 的 app