公司动态
必一运动学机械专业的出路在哪里?
时间: 2024-02-26浏览次数:
 必一运动机械专业的出路一直是一个让人非常困扰的问题,特别是机械专业毕业找工作不想去工厂,学编程又感觉不知道学什么或者感觉很难,考研考机械专业又感觉是坑中坑,跨考又心里没底,平时做咨询的时候遇到很多类似的小伙伴儿都有这样的困境,除了上课就不知道做什么了,毕业季也就是随波逐流,大家做什么也就跟着做什么,这就是江湖中的氛围组。  简单介绍一下个人情况,我本科是普通本科,学的是万金油机械设计制造及其自

  必一运动机械专业的出路一直是一个让人非常困扰的问题,特别是机械专业毕业找工作不想去工厂,学编程又感觉不知道学什么或者感觉很难,考研考机械专业又感觉是坑中坑,跨考又心里没底,平时做咨询的时候遇到很多类似的小伙伴儿都有这样的困境,除了上课就不知道做什么了,毕业季也就是随波逐流,大家做什么也就跟着做什么,这就是江湖中的氛围组。

  简单介绍一下个人情况,我本科是普通本科,学的是万金油机械设计制造及其自动化专业,14年本科毕业考上985机械专业的研究生,虽然是机械专业的导师但985里面机械专业研究机器人、物联网、云制造、数字孪生等等各种前沿技术的非常多,我们导师就是从10年最早一批开始研究云制造服务组合优化算法的,我读研的毕业论文也是和智能制造相关的,主要是构建智能制造系统的数学模型用智能优化算法解决智能制造系统的车间调度问题。读研期间做出了不少好的小论文,被计算机集成制造系统评过年度10佳优秀paper。毕业找工作期间自学C++找到一份工业机器软件工程师的工作,后来兜兜转转转型到目前的C++工业软件工程师的方向,这个方向对数学和软件能力要求都比较高。

  有很多小伙伴儿会说读研不就是水个paper毕业吗,我不这样认为,我读研的额时候非常认真,研一就开始认真研读智能制造相关的review还有智能算法、机器路径规划等相关的SCI,我对一件事的态度就是既然花三年时间来读研了,既来之则安之,读研对自己到底有多少帮助还是需要靠时间来检验,那我选择先付出静待花开日。读研三年我的英文阅读能力得到巨大提高,研一的时候看SCI都是靠翻译软件,翻译软件就类似拐杖,看了几十篇甚至几百篇SCI之后就可以完全丢弃拐杖了,再看几十页的SCI甚至看600多页的C++和data structure and algorithm等相关的英文原版书的时候完全没有恐惧和不适应。以至于到现在的工作遇到疑难的算法研究时也是经常看SCI,遇到开发的各种问题经常去Google检索资料。

  10年本科报的就是机械专业小伙伴儿熟知的机械设计制造及其自动化,当时有两个录取分数基本一致的专业可以选择,一个是电气自动化一个就是机械设计制造及其自动化,为什么选择机械设计制造及其自动化专业呢,主要是看着专业的名字不错,既有制造还有自动化多么完美啊,于是果断就选择了机械专业。大学专业的名字还是坑了很多小伙伴儿的,比如现在有些机械相关的专业可以改成更符合时代的智能制造,还有机器人工程、工业物联网等等,一般学的东西并没有那么使用,也没有那么前沿。

  选择了机械专业之后我大学期间并没有讨厌这个专业,我大一就非常喜欢画图,感觉拿着三角板丁字尺画图还很有趣,大一也就去图书馆借AutoCAD的资料去学校机房练习AutoCAD软件,当时学校大一不让带电脑,大二有电脑之后就开始学习Pro/E了,11年开始学习Pro/E的时候视频资料很少,而且Pro/E安装比较麻烦。我读大学的目标非常明确,毕业的时候我要能找到一份技术相关的工作,所以大学期间基本没有闲着,大一的周末没有去跑各种社团,而是去工程训练中心学习数控编写,大一基本就掌握了数控车床的编程,大二就能独立用数控车床和加工中心编程加工一些简单的零件,并凭借这些技术能力组队参加机器人比赛。

  关键词:不管你怎么进入机械这个看似kengDie的专业,但尽量不要虚度大学四年。

  现在考研可以说是异常的卷,特别是计算机专业,小伙伴儿们应该已经看到了中科软的400+个400+的盛况,非常恐怖,我14年考研的时候周围380就非常高了,在这个异常卷的时代,是否值得拼尽全力去卷呢必一运动,如果你具备这个卷王的实力那当然可以,如果你像我一样能力普普通通必一运动,仅仅是想读个211甚至985的研究生提升学历,可以不选择卷王的道路。

  关于考研的问题有很多需要聊的,首先考研如果有几个关系好的同学一起复习成功率非常高,备考是个非常枯燥的事情,特别是暑假复习的时候没有空调的日子实在是苦不堪言,还有暑假开学之后9月份开始有毕业实习,如果复习各种问题有同学可以一起交流那就可以减少很多焦虑,也能体会到大家一起为梦想奋斗的乐趣。我们宿舍考研非常厉害,就是放到7年后的今天依然是战绩亮眼,我们宿舍5个人考研考上4个985和一个211,考上的大学有西交、北航等等非常不错的985学校。我们一起考研的时候经常讨论数学和专业课的做题技巧,做题这件事不一定谁就悟道了更巧妙的方法,大学期间我参加过非常多的高数竞赛和力学竞赛,考试这件事就是正常的做题速度PK正确率,考试就类似工业软件,工业软件可靠性是第一位的是否好用是第二位的,考试也类似,做一道题要保证95%以上的可能性是对的,如果正确率比较低就反映出来很多知识点你的理解飘忽不定,正确的复习思路是这样的,先保证做题的准确率,然后大量做题提升做题速度。做题正确率在竞赛的时候体现非常明显,竞赛题难度都比较大,100分的试卷能考30分可能就前几名了,如果看几分钟一道题做不出来放弃那20分钟可能就放弃一张试卷了。

  现在正是考研规划的关键期,分析过考研的都会发现岁岁年年坑相似,年年岁岁人不同,每年考研大家都觉得自己是幸运儿,到了考场看到试卷就开始拍大腿,这么简单的知识点怎么就没有复习到呢,特别是21年考研数学改革第一年,基础题非常多,也有比较偏的知识点比如欧拉方程,但这些是考试大纲明确要求会求解。大三上学期考研复习并不紧张,主要是以知识点回顾为主,逐步进入复习的状态。考研需要科学的规划,结合自己的实际情况制定复习计划而不是随波逐流,比如我的数学和专业课非常好英语比较薄弱,我的大部分时间都会投入到英语,避免在英语上翻车必一运动。考试就是木桶效应,职场是长板效应。

  考研第二个非常关键的问题就是目标院校的选择和坚持,以我们宿舍为例,我们确定好目标院校之后就没有动摇过,哪怕是有时候复习的不顺利也不会去想着降低考研的预期,每天依然是早上6点半就起床去背单词了,我的习惯早上8点到教室先做一套数学试卷开启完美的一天,早上有些困我需要做数学试卷让自己清醒。考研的目标院校刚开始就是想培养一个小的树苗一样,需要加倍的呵护,经过艰苦的备考过程最后才能成长为参天大树。备考过程中遇到各种问题时不妨加强锻炼,减少负面情绪的积累,我们宿舍不仅经常讨论做题技巧,还经常去跑步。考研的成功不是偶然,考研的过程可以看做是状态机,一年的备考期间可以分成几个节点,比如暑假之前到暑假的高强度复习,心态和身体状态是否能正常应对,9-10月份的实习会非常干扰复习,这个过程如何应对,考研前1个月左右心态开始出现巨大的起伏怎么办,考研前1个月左右就是常说的真空期,这个时候就像危险来临之前屏住呼吸一样,非常紧张,过渡紧张就会导致身体免疫力下降,考研前几天发烧的小伙伴儿还是大有人在的。

  读研首要的任务是科研,做不好科研不仅仅是延期毕业的问题,退学都有可能。读研不同于本科,研究生阶段上课和考试都是次要的,关键是毕业论文相关的科研怎么开展,保证毕业论文工作的充实。如果研究生期间科研任务比较繁重,没有时间学习软件也是没有关系的,到暑假一个多月自学一下进不了大厂找个创业公司的软件工程师职位也不是问题。做科研对学习C++或者以后的工作到底有什么用呢,先从资料检索能力方面分析一下,比如学习C++的小伙伴儿都会遇到这样一些困惑:

  这两者写法到底有什么区别,怎么去理解,哪个更规范呢,如果你去Google检索const int vs int const那就检索到非常多的精彩解答,这就可以大大的提高学习的效率,也能加深理解的层次,下面是其中一个大牛的解释,分析的非常到位,最后还说明两种方法的优缺点,建议采用(int const *p)这样的写法,这种写法的好处就是和(int *const p)写法的一致性,保证const关键字一直放在类型的右侧,也就是和类型的相对位置不变,遵循这样的规则写出的code可读性就会好很多,避免一些误解。

  还有另一种接受也非常好,就是这些变量声明应该从右向左读,从右向左读(const int)就相当于定语后置,解析的时候也就变成了定语从句。学习C++就是这些细节问题,自学的过程中很可能因为某些问题搞不明白导致最终放弃编程这条路,这是非常不不值得的事情。读研之后最多的收获就是遇到问题解决思路更宽阔,更有勇气质疑常见的各种资料,比如看一本书学data structure可能感觉学起来很吃力,那我会觉得这本书写得不好而不是我的能力问题,我会不停地Google更好的资料,实际研究算法的过程中遇到一个问题建模之后就是Disjoint Set问题,于是就去Google查找Disjoint Set的资料,一个上午就能看懂原理加上代码实现。

  我是比较幸运的,在毕业季找工作的时候果断学习C++找到一份机器人软件工程师的工作,现在很多专业的小伙伴儿都在转型软件,转型的难度也就逐步推高了。自己转型还有工作中当面试官的经历认识到大家对于转型软件有比较多的误解,有的小伙伴儿仅仅学一下C++,关键是常见的多态都没有搞清楚,这里的多态主要是指运行时多态,当然也有编译时多态,编译时多态的理解下面从编译的代码可以比较直观的理解。如果想转型C++,建议早做规划,把常见的面试题深入挖一下,不要仅仅停留在背的层面,如果时间充分也可以把常见数据结构和算法练习一下,应届生找工作主要是考察往技术方向发展的潜力。

  我一直在创业公司做C++软件,创业公司的程序员转型出身的是比较多的,自己转型成功之后作为面试官面试候选人的时候也会不自觉的去考察这些细节问题,目的就是看候选人是否经常专研技术,比如extern c这个关键字,一般面试的时候问到都只能答出来是以c语言的形式编译c++代码,作为面试官当同样的问题得到的答案都是千篇一律时,面试能否通过真的就是缘分问题了。这样一个小的知识点真的那么重要吗,确实很重要,要不然面试官问你C++函数重载是什么原理基本也回答不上来,只能说一下函数名相同参数个数不同等最基本的方面,如果更深一点能答出来是编译时多态。如果去Google检索extern c可以检索到很多解释,有理论的解释也有实证,比如下面就是通过实例说明C++的编译器对于是否加extern C到底编译后的代码有什么区别,这就一目了然了,到这里也就很容易理解C++是怎么实现函数重载的,C++大代码编译后函数的签名不仅仅是实际的函数名还有参数信息。

  机械分院一直很流行一句话,“现在留的泪就是当年选机械脑子进的水”,这句线、上交机械有名的校友很多,但是大部分后面都开始研究交叉学科了,包括很多大牛,说明纯机械其实已经很大有比较大的突破性创新,对于他们是这样,对你个人而言,同样是这样。就像很多材料专业的本科觉得材料的博士生就业不好好像跟自己没有什么关系,其实不然,他们就业不好必然会降低自己的应聘要求,就会出现一级压一级的现象,所以我觉得你选择机器人的方向是没有问题的。

  2、本科毕竟跟研究生不一样,其实上交你了解一下就知道,有很多机械专业的研究生其实也在做着个机器人相关的工作,只是本科不大可能设置太多的专业类课程,机械本来就是一个很重基础的学科,我觉得你可以给自己一个定位必一运动。

  如果是读研,建议你这种情况可以选择跨考,选择机械人方向的老师,机械、自动化、电气、计算机其实上交都有相关的导师;

  如果是留学,其实比较推荐这一条路,上海的职场其实对于留学背景还是比较看重的,而且回国以后也有很多优惠政策。

  如果是就业,我个人建议上汽大众、泛亚可以尽早去实习,感受下真实的职场环境,可能你会有更多的选择,其实总体上来说机器人其实民用市场其实开发的不算很成熟,如果你真的感兴趣,我比较建议留学,回来可能发展的会更好,而且机械人也有很多细分领域,目前焊接机器人、仓储机器人发展都比较成熟,我建议你抓紧跟有意向的导师聊聊,一般导师也都很欢迎,可以直接去实验室陌拜,如果有学长学姐搭桥会更好,没有也没有关系,可以先跟他们实验室的学生聊聊,相信你的思路会更清晰一些的。

  前职场大叔,现高校机械教师,希望我的经验对你们求职有所帮助(微信公众号 这里说求职 ID :zheliwanan),定期分享求职经验。

  不要纠结学了机械,应该庆幸学了机械。机械是工程之母,传承着人类工业的智慧结晶,学机械的人是最有可能做总工程师的。由于机械是个传统的工程门类,觉得没什么创新,其实不然,你可以交叉到电子信息去,搞机电一体化,跨学科才是你的未来,而不是换学科。最好,再说一点重要的,不要只看分数成绩,一定要勤动手,重工程实践。

  我从当时应该是全国第二的机械专业和研究所毕业,本科机械设计制造及其自动化,硕士机械电子工程,方向是机器人,硕士毕业已经快要9年了。我当年也有你的疑惑,对自己的专业很失望,然后我就很重视开的那些电子类的课,BTW,我中学时候就自学了N种编程语言,所以大学阶段没特意去学计算机。本科的时候不断参加各种电子类的实践活动,大二拿了电子国赛一等奖;本专业也没有放弃,大三拿了机械国赛一等奖。研究生的时候我转向电子,做了一套机器人控制系统,包括ARM Linux嵌入式主控,用TI 24系列的电机驱动器,用ADI BF53X系列的视觉处理板。毕业以后做了9年的硬件工程师,期间系统性的接触了硬件开发的全流程。到现在,我敢说精通的有:机械设计、电路设计、高速板Layout和信号完整性仿真、C/C++、VHD/Verilog、Linux开发(BSP、应用),我会的有:有限元(机械、流体、电磁场),运动学及仿真,WEB开发(PHP、Ruby),Matlab/Simulink,动手上的,开数控机床、焊板子我都会。现在我的梦想是财务自由之后做机甲给自己玩,或者去读天体物理博士。所以一句话,永远学习下去,机械是万金油专业,给你各方面都打下了基础,就看你愿意不愿意往下去努力了。这么臭屁的BSO,还是匿了把,祝你有朝一日也能成为大牛。

  然而机械是那么广泛的一个学科,不管是哪个方向随着学习的深入,永远在学习,因为机械永远学不完,对机械的理解就会更多更深。

  没前途,别找了,本人211/985机械毕业+美国工学院前十机械研究生毕业,回国工资第一个月到手3000,你自己感受一下,现在工作三年转行智能制造机器人,到手15000,基本跟机械没半毛钱关系了。但是现在想读博还是受到本科和研究生专业的限制,早点看清这个行业的真面目,早点撤离,这是个漩涡陷得越深越难以自拔必一运动。当然了你说你安于贫困只想一心做机械设计那我默默退出群聊并敬你是条汉子

  现在是信息时代,好一点的方向就是机器人,自动控制,3D打印什么的,如果不考虑转行,一定要继续学习深造,不要纠结现阶段没法创造价值,等你学成有能力的时候,做出的贡献一定更多。

  机械专业是各大院校传统工科专业之一,其特点是需要理论与实践的密切结合,在扎实的基础理论之上具有一定的创新意识,并且对知识面的广度要求较高。随着近年来信息产业的发展及智能制造的普及,除了传统的机械知识之外,还要要学生对电子电路、计算机编程,乃至测控技术、工业设计等都有一定的了解。

  部分院校将机械专业学习内容分为机械设计、机械制造及自动化三个方向。但随着技术发展,机械学科应用前景愈加广泛,且具有较高的可迁移性,故很多高校已不再将其培养方案界定与传统的机械加工制造方向,而是以培养学生的综合工程能力为目的。

  机械设计、机械制造、机械原理、工程材料、互换性与技术测量、材料力学、工程材料、电工电子技术、计算机程序设计、测试与检测技术、控制工程等。

  机械专业是经典的“万金油”专业,由于一般学校机械专业培养方案都会涉猎各方面知识,故在理论上机械专业毕业生可选择的就业面十分之多,传统就业方向包括结构设计、流水线设计、车辆船舶设计等;

  而临近就业选择包括但不限于控制算法设计(比如机器人算法设计)、技术管理乃至政策研究等,并且由于其涵盖内容广泛,尚有许多不成熟之处,故从事研究工作也是大有可为。我国目前制造业具有中低端产品泛滥而缺乏具有国际竞争力的情况,在过去几年内从事机械专业工作的薪酬待遇并不突出。

  但一方面,随着国家的政策调整,制造业在近几年内呈现再次向好发展的趋势,有一批科技附加值较高的企业逐渐崭露头角,另一方面,以部分央企为代表的大型企业仍具有较雄厚的技术积累,乃至做到国际领先水平。故接下来一段时间,机械专业的就业形势将会迎来进一步发展。另外,由于机械专业学习内容广泛,在个人导向性发展的条件下,也可从事更多其他职业。

  镭目公司成立于1993年,是集科研、开发、生产、销售、服务于一体的创新型高新技术企业,是国家重点软件企业(湖南仅2家)、国家重点高新技术企业、湖南省首批创新试点企业,拥有国家级企业博士后科研工作站。

  中国钢铁行业智能制造的领导者,中国核工业智能制造的领导者。拥有400多项国家专利,50多项国际专利,开发出世界首台数字连铸机、智能集控中心、核工业数字生产线等领先产品,每年攻克多项世界科技难题,被钢厂领导誉为中国钢铁界的华为。在核电行业,相继开发了智能传感器检测系统、智能库房系统、钠液位钠存在检测系统、N16检测系统,打破了国际垄断。

  1 图像算法工程师 8 硕士及以上学历,软件相关专业,图像算法、数字孪生方向,成绩优秀

  2 机械工程师 20 本科及以上学历,机械相关专业,有设计大赛获奖经验优先考虑

  3 软件工程师 20 本科及以上学历,软件相关专业,有设计大赛获奖经验优先考虑 年薪:12-20w/年

  4 电气工程师 18 本科及以上学历,电气相关专业,有设计大赛获奖经验优先考虑

  5 电子工程师 3 本科及以上学历,电子及相关专业,专业成绩优秀,有设计大赛获奖经验优先考虑 本科 12-20w/年

  6 大数据分析工程师 3 硕士及以上学历,统计学、运筹学、图像处理等相关专业,具备良好的数据分析处理能力,熟悉Python数据处理经验的优先考虑

  7 炼钢工艺工程师 3 本科及以上学历,冶金、钢铁相关专业,对钢铁、冶金工艺熟悉年薪: 12w+/年

  8 销售工程师 20 本科及以上学历,理工科相关专业,具备良好的沟通表达能力,可接受长期出差,有销售推广经验优先考虑

  9 研发储备干部 30 本科及以上学历,机械、电气、软件、材料、冶金等理工科相关专业,专业成绩优秀,有学生干部经历优先考虑

  10 职能储备干部 20 本科及以上学历,专业不限,成绩优秀,有学生干部经历优先考虑(董助、人资、采购、项目管理等职位)

  11 财务 5 本科及以上学历,财务相关专业,成绩优异、有较强的的数据分析能力

  12 现场、调试、售后工程师 20 大专及以上学历,机电一体化、机器人、自动化等相关专业,有专业大赛获奖经验优先考虑

  薪酬结构:基本工资+绩效奖金+工龄工资+年终奖+项目奖金+项目提成+其他补助;

  其他福利:七险一金+员工食堂+员工公寓+健康体检+健身房+带薪年假+节日福利+生日聚餐+员工活动+免费班车


Copyright © 2012-2024 leyu·乐鱼 版权所有 HTML地图 XML地图txt地图

滇ICP备20000676号-1