工科4大最惨专业，当年高分挤破头，如今毕业即失业！

大家好，欢迎来到IT知识分享网。

工科就是工科类的专业，例如:机械,汽车,建筑,水利,等研究技术方面的。要是在以前，这类人才那是相当吃香，就业前景是有非常广阔的资源。

虽然随着时代变化工科人才是必不可少的，但是从现在的人才市场上来看的话，竞争是十分的激烈，其中存在的挑战性也是具有一定的难度。

工科类专业和行业的联系更加密切，会更加容易受到行业发展因素影响。这也在告诫我们各位学生，选择工科专业时要有独立思考的能力，避免盲目跟风。

今天就为大家整理了一些最不建议报考的工科类专业。

一、环境工程专业

在学术界，这个专业，它课业繁重，众多学子为它夜夜流泪；它难度Max，再茂密的头发也难逃“秃头厄运”；它号称是“21世纪未来”，毕业后却难找工作。

环境工程用科学与工程的方法来改善环境，进而为人类和其他生物体提供对健康有益的水、空气以及土壤，以及污染场址的复育，环境工程师们致力于开发对环境危害最小的机器和结构。

环境工程不是简单的专业，但是对高数和物理的要求比较低这一点已经大大降低了学习的门槛，属于比较容易学习的工程学专业。

可是如今的环保行业却没能做大做强，无论是废水处理还是环保技术研发等，都没有诞生足够大体量的企业，同样没有产生足量的就业岗位，最终使得环境工程专业的学生供过于求。

二、土木工程专业

随着社会发展和信息技术普及，一些新兴专业和领域更受青睐，例如计算机科学、人工智能等专业，待遇非常高。相比之下，土木工程专业则显得较为传统和保守，又累又穷，缺乏吸引力。

其次，土木工程行业的薪资待遇比较一般，比不上其它热门一些的理工科专业，进一步降低了大家的报考热情。

还有就是土木工程专业的就业环境和工作性质让现在的年轻人吃不消。土木工程行业往往需要在户外、工地等较为艰苦的环境中工作，到一线施工现场打灰不可避免！

三、食品科学与工程专业

食品行业的岗位需求，大部分还是来自比较基层的岗位，这一类岗位很难开出多高的工资来，也不需要多高的学历。

这个专业本科起步就业，容易高不成低不就。如果搞研发，水平不足，如果读研后再就业，研发岗位也有限，还是不太好就业；如果本科毕业去基层岗位，又感觉是在浪费人才。

绝大多数学子的建议都是，如果没有入坑，就不要踏进来了；如果已经跳进来了，要抓住学校转专业的机会，争取转出去。

还有学子反馈了身边同学的境况，比如一个宿舍的，大部分考公入编，入职某某市场局、商务局、农业局等，还有的去当老师了。

四、电气工程专业

电气工程及其自动化专业是一个涵盖电力系统、电子技术、自动控制、计算机技术等多个领域的综合性专业。

电气专业看起来非常简单，说白了就是电工，最好的就业渠道自然是进入体制内的电网。

但其实这个行业跟烟草行业一样，没有关系的话真的找不到渠道，甚至招聘公告都很少看到，即使偶尔看到也不一定能分到好的岗位，这是一个很现实的问题。

但是进入体制内之后，还会有新的问题考验大家。培训之后定岗的时候才会发现，没有关系的很难分到好的岗位，至于升迁的机会也很难的。

结语：

我们可以从上述的分析认识到现代社会的变化。

大家在选择专业的时候，应该提前去考虑清楚到底适不适合自己。

现在已经不是跟风的时代了,应该要提前去了解它的发展前景。

了解现在社会人力的行情和趋向，再结合自身去寻找一个适合自己的专业。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】