最受欢迎的工作岗位 想从事Java，但没有相关的工作经验不太好找工作，要怎么办？

想从事Java，但没有相关的工作经验不太好找工作，要怎么办？

这是一个非常好的问题。作为一个it从业者，让我来回答这个问题。

首先，it（互联网）行业java开发岗位较多，整体就业前景较好。然而，开发团队对初级Java程序员的要求也在不断提高，尤其是对应聘者的开发和实践能力的要求。因此，初学者要想提高自己的就业竞争力，就必须提高自己的实践能力。

如果初级程序员想提高自己的实践能力和就业竞争力，他们通常有以下三个主要渠道：

首先，从实习开始。对于很多java初学者来说，在掌握了java开发的基本知识之后，就可以从实习开始了。一方面，实习的工作压力往往相对较小，实习程序员有相对较多的时间学习和提高。另一方面，实习过程中也会接触到大量的实践项目，而这个过程也会积累一些实践经验。此外，在实习中还会有机会与有经验的程序员进行交流和学习，这对提高自己的开发能力有很大帮助。

第二：注重新技术的学习。目前，java开发领域的总体规模非常大，java程序员群体也非常庞大。在这个时候，为了获得更多的机会，我们应该注意学习新技术。比如，目前学习Java大数据开发就是一个不错的选择。从工业互联网的发展前景来看，未来大数据领域的发展任务会更多，就业需求也会相对较大。第三：注意丰富自己的知识。目前，it（Internet）行业对Java全栈程序员的需求相对较大。随着云计算技术的推广，未来Java程序员的工作场景将进一步扩展，因此对Java全栈程序员的需求也将更大。

JAVA和python哪个比较有前途、好就业？

这不是说别的语言，也不是不学，近年来，我从领先公司的大数据项目中学到了东西，我写了更多的Scala代码。以flip spark为例，该公司的爬虫程序也使用Python

我想让你学习java，因为java并不缺乏资源，有很多学习资料、视频、书籍等，java不怕找不到工作。

关键是让您尽快进入软件编程行业，培养您的自信心和解决问题的能力。不要以为学了Java以后，你就只会从事Java了

你需要掌握的是学习的能力，掌握知识的方法，努力学好一门语言，以此类推，学好一门语言，学好其他语言这不是问题。

不想什么都学，尤其是刚开始的时候。彻底学习java，然后学习p打开应用程序是很容易的。我一两天就能用上这些资料。

认清目标，努力学习，努力实践，不要在选择Java或python上花费太多精力，选择哪一个是可以的，关键是要多写代码，努力工作，再试一次。

学Java和大数据，好找工作吗？能做哪些岗位？

大数据产业的发展空间和待遇也越来越好。许多想要转向大数据的初学者不知道什么工作与大数据有关。今天，佳美谷的大数据即将发布。

开发、构建、测试和维护架构，负责公司大数据平台的开发和维护，负责大数据平台持续集成相关工具平台的架构设计和产品开发

收集、处理和执行统计数据分析；使用提取、分析和呈现数据的工具，实现数据的商业意义，需要商业理解和工具应用能力

数据建模、机器学习和算法实现；商业智能、用户体验分析、流失用户预测等；此外还有优秀的数理统计能力技能方面，对算法代码的实现也有很高的要求

需求分析、平台选择、技术架构设计、应用程序设计与开发、测试与部署；先进的算法设计与优化；数据相关的系统设计和优化需要平台级开发和架构设计能力https://www.toutiao.com/i6642200037784814094/

https://www.toutiao.com/i6575857760468992516/

Java大数据能从事什么样的工作，工资如何？

作为一名it从业者和教育家，让我来回答这个问题。

首先，Java大数据通常是指使用Java语言完成大数据开发任务，所以主要岗位集中在开发岗位，包括大数据平台开发和大数据应用开发。另外，虽然用java来完成大数据分析比较麻烦，但也完全有可能。

大数据平台开发岗位属于研发级岗位。目前，随着大数据领域大型科技（互联网）公司的出现，大数据平台开发岗位的人才需求相对较大。从目前大数据领域的岗位增加值来看，大数据平台开发岗位增加值相对较高，增长空间相对较大。目前，大数据平台开发岗位对从业者的要求比较高，很多团队要求从业者具有研究生学历。从近两年研究生在大数据方向的就业情况来看，从事大数据开发工作是一种普遍的选择。在目前算法类岗位较少的情况下，大数据开发类岗位成为很多研究生的主要选择。

与大数据平台开发岗位相比，大数据应用开发岗位的人才需求潜力相对较大。在工业互联网的带动下，大量传统行业企业纷纷云上，大数据应用开发的人才需求将逐步释放。大数据应用开发对开发者的要求没有大数据平台开发那么高，但总体知识量也比较大，从业者需要具备一定的行业知识。从后增加值来看，当前大数据应用开发的后增加值相对较高，但也直接涉及到特定的行业领域，如金融大数据、医疗大数据等领域。