3点建议让你成为大牛
新人刚接触前端,你可能会问:
零基础能学前端课程吗?
要如何开始学习前端呢?
如果你是前端工作者,你可能会问:
我要怎样让自己变得更优秀?
前端天花板低发展,真的遇到瓶颈了吗?
接下来,我会从学习、实践、进阶三个方面来回答这些问题,分享我的前端成长经历。
1
学 习 篇
学习前端,首先建议大家打好基础。这里的基础分为两大类:计算机基础和专业基础。
有些人可能会认为:即使没有这些基础也能做前端(这也是我们之前说门槛低的原因),但是对这些基础知识的掌握情况和理解程度决定了我们可以走多远。这部分的学习是一个循序渐进的过程,不可能一蹴而就。
那如何学习这些基础知识呢?
我建议从书籍、代码、标准三方面入手。
书籍:当需要了解某个知识点时,可以多看几本相关书籍,看不同作者对这个问题的不同阐述,加深自己的理解。对比着看效果更好。
代码:检验我们是否已经掌握知识的好办法就是阅读代码。它不仅帮助我们加深对知识的理解,还可以查漏补缺,让我们得到一些新的启示。有哪些源码值得我们去读呢?
· 书籍里的代码
· 前辈们留下来的代码
· 论坛里的经验
· 某个网站的代码
· 很多开源代码都可以作为我们的参考来源
· 归纳总结自己以前写的代码,你会得到不一样的惊喜
标准:当我们平时遇到问题时,需要追本溯源。而查阅标准就是关键。互联网技术更新迭代太快,而且网络上的资源良莠不齐。所以我们甄别的重要方法之一就是查阅标准。前端相关的标准主要分为两方面,即行业标准和厂商标准。
制定行业标准的组织主要包括:ecma组织/IETF组织/W3C组织
制定厂商标准的平台主要包括:IE/Chrome/火狐等
2
实 践 篇
实践阶段对于遇到瓶颈的同学十分重要,因为不管以什么样的方式去学习,最终目的就是为了解决实际问题。
围绕着实践中的问题,实际上可以分为:发现问题、分析问题、解决问题、沉淀问题四个方面。
发现问题的途径有很多,包括产品的功能需求、开发的非功能要求以及疑问、建议、抱怨等。更多的时候需要前端工程师进行思考和归纳,这也是我们面临的挑战。
当我们发现问题时,不要急于上手解决,要分析问题的本质,确定产生问题的因素,和多方沟通,提出多种解决方案,分析各自利弊,再对照实际情况做出取舍最后解决问题。
在业务中,80% 的bug主要是业务逻辑考虑不全面,漏掉逻辑判断处理,数据格式不规范等引发的。这种bug改起来比较快,但是容易往复循环,或者引入新的bug。这些bug切碎了开发者的有效工作时间。
另外还有15%的bug是由开发者自身coding的问题引发,属于技术性的bug,但随着开发者对软件平台以及框架的熟悉,以及自身编程水平以及编程素养的提升,这类 bug会逐渐减少。
最后,对问题进行沉淀,加深理解,进而将简单问题的解决方式应用于复杂问题情况下,这也是提升的方式。
3
进 阶 篇
到了一定程度之后,个人能力很难再提升,遇到了瓶颈。此时,需要先从个人角度出发,了解是否触及天花板,另可以从团队角度出发,寻找突破点。
个人能力可以从深度和广度方面进行分析。深度分为三个阶段:表象、原理以及实现。表象就是之前提到的基础阶段。下一个阶段就是能了解其中原理,对知识点能够把握和识别。实现阶段就是能够充分利用已有的知识体系,进行运用。
再从广度角度出发,可以分为专业技能和领域范围两部分。专业技能可以从知识体系的覆盖面和了解度出发。也就是覆盖面够不够广,以及对常见解决方案的了解程度。而领域范围的拓展就需要对其他产品进行了解,比如移动端、桌面端等的了解。
以上方面如果都很优秀的话,就是一个很优秀的前端工程师了。但是仅仅个人优秀还不够,我们还需要团队优秀。
团队方面的突破,重点关注流程、效率和协作。目前在网易的工作模式,基本遵循以下的流程,相对来说还是比较细致和规范的。
| 新需求上线
需求→交互→视觉→开发→自测→测试→bug修改→测试→bug修改→测试→交互确认→视觉确认→上线申请→确认→上线
| Hotfix上线
问题反馈→bug修改→测试→bug修改→测试→上线申请→确认→hotfix上线
最后给大家分享两句话:
始终保持一份谦虚谨慎的心态.
始终加强学习能力的培养。
前端学习的道路上,除了自学提升外,另一个好方法就是找资深的前端开发工程师交流,借助他人的经历获取高效的学习方法和快速进阶的方式。加我的群,每天大牛都会进行交流
Atas ialah kandungan terperinci 3点建议让你成为大牛. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Ramalan trajektori memainkan peranan penting dalam pemanduan autonomi Ramalan trajektori pemanduan autonomi merujuk kepada meramalkan trajektori pemanduan masa hadapan kenderaan dengan menganalisis pelbagai data semasa proses pemanduan kenderaan. Sebagai modul teras pemanduan autonomi, kualiti ramalan trajektori adalah penting untuk kawalan perancangan hiliran. Tugas ramalan trajektori mempunyai timbunan teknologi yang kaya dan memerlukan kebiasaan dengan persepsi dinamik/statik pemanduan autonomi, peta ketepatan tinggi, garisan lorong, kemahiran seni bina rangkaian saraf (CNN&GNN&Transformer), dll. Sangat sukar untuk bermula! Ramai peminat berharap untuk memulakan ramalan trajektori secepat mungkin dan mengelakkan perangkap Hari ini saya akan mengambil kira beberapa masalah biasa dan kaedah pembelajaran pengenalan untuk ramalan trajektori! Pengetahuan berkaitan pengenalan 1. Adakah kertas pratonton teratur? A: Tengok survey dulu, hlm

Kertas StableDiffusion3 akhirnya di sini! Model ini dikeluarkan dua minggu lalu dan menggunakan seni bina DiT (DiffusionTransformer) yang sama seperti Sora. Ia menimbulkan kekecohan apabila ia dikeluarkan. Berbanding dengan versi sebelumnya, kualiti imej yang dijana oleh StableDiffusion3 telah dipertingkatkan dengan ketara Ia kini menyokong gesaan berbilang tema, dan kesan penulisan teks juga telah dipertingkatkan, dan aksara bercelaru tidak lagi muncul. StabilityAI menegaskan bahawa StableDiffusion3 ialah satu siri model dengan saiz parameter antara 800M hingga 8B. Julat parameter ini bermakna model boleh dijalankan terus pada banyak peranti mudah alih, dengan ketara mengurangkan penggunaan AI

Kertas kerja ini meneroka masalah mengesan objek dengan tepat dari sudut pandangan yang berbeza (seperti perspektif dan pandangan mata burung) dalam pemanduan autonomi, terutamanya cara mengubah ciri dari perspektif (PV) kepada ruang pandangan mata burung (BEV) dengan berkesan dilaksanakan melalui modul Transformasi Visual (VT). Kaedah sedia ada secara amnya dibahagikan kepada dua strategi: penukaran 2D kepada 3D dan 3D kepada 2D. Kaedah 2D-ke-3D meningkatkan ciri 2D yang padat dengan meramalkan kebarangkalian kedalaman, tetapi ketidakpastian yang wujud dalam ramalan kedalaman, terutamanya di kawasan yang jauh, mungkin menimbulkan ketidaktepatan. Manakala kaedah 3D ke 2D biasanya menggunakan pertanyaan 3D untuk mencuba ciri 2D dan mempelajari berat perhatian bagi kesesuaian antara ciri 3D dan 2D melalui Transformer, yang meningkatkan masa pengiraan dan penggunaan.

PHP dan Vue: gandingan sempurna alat pembangunan bahagian hadapan Dalam era perkembangan pesat Internet hari ini, pembangunan bahagian hadapan telah menjadi semakin penting. Memandangkan pengguna mempunyai keperluan yang lebih tinggi dan lebih tinggi untuk pengalaman tapak web dan aplikasi, pembangun bahagian hadapan perlu menggunakan alat yang lebih cekap dan fleksibel untuk mencipta antara muka yang responsif dan interaktif. Sebagai dua teknologi penting dalam bidang pembangunan bahagian hadapan, PHP dan Vue.js boleh dianggap sebagai alat yang sempurna apabila digandingkan bersama. Artikel ini akan meneroka gabungan PHP dan Vue, serta contoh kod terperinci untuk membantu pembaca memahami dan menggunakan kedua-dua ini dengan lebih baik.

Dalam temu bual pembangunan bahagian hadapan, soalan lazim merangkumi pelbagai topik, termasuk asas HTML/CSS, asas JavaScript, rangka kerja dan perpustakaan, pengalaman projek, algoritma dan struktur data, pengoptimuman prestasi, permintaan merentas domain, kejuruteraan bahagian hadapan, corak reka bentuk, dan teknologi dan trend baharu. Soalan penemuduga direka bentuk untuk menilai kemahiran teknikal calon, pengalaman projek dan pemahaman tentang trend industri. Oleh itu, calon harus bersedia sepenuhnya dalam bidang ini untuk menunjukkan kebolehan dan kepakaran mereka.

Django ialah rangka kerja aplikasi web yang ditulis dalam Python yang menekankan pembangunan pesat dan kaedah bersih. Walaupun Django ialah rangka kerja web, untuk menjawab soalan sama ada Django ialah front-end atau back-end, anda perlu mempunyai pemahaman yang mendalam tentang konsep front-end dan back-end. Bahagian hadapan merujuk kepada antara muka yang pengguna berinteraksi secara langsung, dan bahagian belakang merujuk kepada program bahagian pelayan Mereka berinteraksi dengan data melalui protokol HTTP. Apabila bahagian hadapan dan bahagian belakang dipisahkan, program bahagian hadapan dan bahagian belakang boleh dibangunkan secara bebas untuk melaksanakan logik perniagaan dan kesan interaktif masing-masing, dan pertukaran data.

Model GPT-4o yang dikeluarkan oleh OpenAI sudah pasti satu kejayaan besar, terutamanya dalam keupayaannya untuk memproses berbilang media input (teks, audio, imej) dan menjana output yang sepadan. Keupayaan ini menjadikan interaksi manusia-komputer lebih semula jadi dan intuitif, meningkatkan kepraktisan dan kebolehgunaan AI. Beberapa sorotan utama GPT-4o termasuk: kebolehskalaan tinggi, input dan output multimedia, penambahbaikan selanjutnya dalam keupayaan pemahaman bahasa semula jadi, dsb. 1. Input/output merentas media: GPT-4o+ boleh menerima sebarang kombinasi teks, audio dan imej sebagai input dan terus menjana output daripada media ini. Ini memecahkan had model AI tradisional yang hanya memproses satu jenis input, menjadikan interaksi manusia-komputer lebih fleksibel dan pelbagai. Inovasi ini membantu kuasa pembantu pintar

Apakah itu ESM bahagian hadapan? Contoh kod khusus diperlukan Dalam pembangunan bahagian hadapan, ESM merujuk kepada ECMAScriptModules, kaedah pembangunan modular berdasarkan spesifikasi ECMAScript. ESM membawa banyak faedah, seperti organisasi kod yang lebih baik, pengasingan antara modul dan kebolehgunaan semula. Artikel ini akan memperkenalkan konsep asas dan penggunaan ESM dan menyediakan beberapa contoh kod khusus. Konsep asas ESM Dalam ESM, kita boleh membahagikan kod kepada berbilang modul, dan setiap modul mendedahkan beberapa antara muka untuk modul lain kepada
