非科班的前端开发程序员应该怎么提升自己？
谢谢邀请！
目前IT行业内有大量的前端开发人员都是非计算机专业出身，一方面原因是前端开发的门槛相对低一些，另一方面原因是前端开发的人才需求量比较大，比较容易实现就业，尤其是在移动互联网快速发展的这些年以来，前端开发也得到了快速的发展。
随着移动互联网增量红利的逐渐消退，大量的前端开发人员也面临着一定的从业压力，在当前产业互联网发展的大背景下，非科班出生的前端程序员，可以从以下几个方面来提升自己：
第一：注重自身知识结构的全面性。当前前端开发的边界在不断得到拓展，因此当前的前端开发也被称为“大前端”，所以前端开发人员要尽量掌握更全面的前端开发知识，既需要掌握Web前端开发知识，也需要掌握各种移动端开发知识。从行业发展趋势来看，移动端未来的任务量依然比较大。
第二：注重云计算和大数据平台的知识。当前整个开发领域正在向平台化方向发展，目前云计算平台和大数据平台已经逐渐开始落地应用，所以前端开发人员要想提升自身的开发能力和开发边界，一定要注重开发平台知识的累积。当前可以重点关注一下PaaS相关知识，目前行业领域对于PaaS的发展前景还是比较看好的。
第三：注重行业知识的积累。行业知识对于前端开发人员也比较重要，尤其在当前的产业互联网时代，掌握行业知识会获得更强的岗位竞争力。未来随着物联网逐渐在产业领域落地，基于物联网会产生大量的前端开发任务，而行业知识对于完成这些行业任务是比较重要的。
最后，在条件允许的情况下，也可以考虑读一下计算机专业的研究生。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！
肯定需要学习基础的东西，把基本功打扎实，尤其是科班学习的一些课程，熟练使用一种编程语言是很重要的，既然是前端那就再学一门typescript吧，然后就是多了解业内新闻什么的。
我大学主修数学，辅修计算机，接触过代码，不过全是些数学编程，像MATLAB、数值分析，数值计算，接触过少量的数据库结构和java，加上大一必修的C语言，说起来这些跟前端打不上边吧。
那时候听说程序员很火，工资也高，想着数学很枯燥，也就放弃了，就直接选择了前端，买了书就开始学入门，看的也差不多了吧，就花半个多月找Web实习工作，其实接下来的工作中你的能力会飞一样的进展，在工作中你会接触很多技能，这止于刚开始阶段，后来的时间里公司业务基本固定，你掌握的基本也就公司能用到的技能。
进阶过程
在掌握了一定的基础技能后，我们一定要学会扩张了解熟悉其它技能，例如，当我们在切前端页面的时候，有最基础的H5页面到响应式页面，到动态页面，最后我们在去学习框架，任何东西都是从最底层开始学习扩张的，
千万不要满足与公司那点技术，其实现在前端很多小白都干着日复一日的工作，那就是切页面，时间长了，你也只会那么点，你自己会感觉很烦，又想跳槽，却没有别的技能写进简历，只会陷入尴尬的境地。
学以致用
等你扎实的完成了进阶过程，对于接受新的东西将不会那么困难，你会学的很快，用的也是如鱼得水，这就是基础扎实。这是找个好点的工作，在完成分内之事的情况下，你就可以去干点别的事，像自媒体，私活，教学等等副业。
关于“非科班的前端开发程序员应该怎么提升自己？”的问题回答完了。如果你觉得我的回答对你有用，请关注一下点个赞，后续我会继续输出[_a***_]方面的文章问答哒，谢谢哦！
谢邀 ！
你好，我是一名前端，这里回答一下你的问题。
首先，明确一点 , 其实现在外面非科班出身的程序员很多，而且多数科班出身的程序员比非科班出身的程序员并不存在十分明显的优势。
为什么这么说呢 ？
很多科班出身的程序员，在大学的时候，并没有为出来工作而积累太多所谓科班出身的优势，因为大多数大学教授的知识，知识停留在书本的层面上，而很多学生实际上连书本上的知识都还没学习好呢，出来工作，社会才是真正的大学。所以，非科班出身，起跑线并不比科班出身的落后多少。
非科班出身，如何学习 ？
1. 补上落后的，科班学生在大学学的一些知识，如 C, C++ ，软件工程，计算机组成原理等等，这些可以自己下来自学一下。
2. 找个好工作，这里的好工作不一定指薪资高，前期有人带是最重要的。
3. 终身学习，现在技术更迭这么快，不管是否科班，对谁都一样。
非科班表名你的计算机底层理论不够扎实，这需要你不断地去学习，多看书是你永远都不能放弃的一件事。
对于提升自己，我认为可以从以下几个方面不断去努力，去尝试，去提高。
- 多做项目。1万小时理论我们都听过，虽然目前证实它不够严谨，或者说是错误的，但是当一个人在一个领域不断去专研，不断地去思考，他就会在这个领域有所建树，前端领域也是如此。
- 多看开源项目。一个人的经历毕竟有限，一个人看到的世界毕竟不全面，我们需要多看看别人是怎么思考的，别人是怎么编写代码的，模仿并不可耻，伟大的创造都来自于对对手的不断模仿和提升。
- 多分享。我不知道你有没有过这样的经历，一件自己看似明白的道理，但是当你给别人讲解的时候，才会发现自己还有很多知识点没有真正掌握，一个道理只有你给不懂得人讲解明白了，你才算真正明白它。
- 多思考。人类的伟大智慧都来自于思考，如果我们一直都在被动的接受知识，不去思考，我们很难进步，那些新的框架新的语言，新的理论，都是无数人思考得来的，编程的时候多问些为什么，你会明白的更多。
最后，我想告诉你的就是，无论是否是科班，不断地学习都是必不可少的，现在的知识正在爆发式增长，我们只有不断学习才能跟上时代的脚步，逆水行舟，不进则退，愿你可以在迷茫，在艰难的岁月里依然可以努力去拼搏，去思考，去奋斗，成功不在远方，成功就在脚下，就在你每天努力的点滴之中。
大数据究竟是什么？大数据有哪些技术呢？
我有幸做了有五六七八年的大数据吧，谈谈自己的看法。简单来说，就是现在各个app，网站产生的数据越来越多，越来越大，传统的数据库比如MySQL Oracle之类的，已经处理不过来了。所以就产生了大数据相关的技术来处理这些庞大的数据。
第一，首先要把这些大数据都可靠的存储起来，经过多年的发展，hdfs已经成了一个数据存储的标准。
第二，既然有了这么多的数据，我们可以开始基于这些数据做计算了，于是从最早的MapReduce到后来的hive，spark，都是做批处理的。
第三， 由于像hive这些基于MapReduce的引擎处理速度过慢，于是有了基于内存的olap查询引擎，比如impala，presto。
第四，由于批处理一般都是天级别或者小时级别的，为了更快的处理数据，于是有了spark streaming或者flink这样的流处理引擎。
第五，由于没有一个软件能覆盖住所有场景。所以针对不同的领域，有了一些特有的软件，来解决特定场景下的问题，比如基于时间序列的聚合分析查询数据库，inflexdb opentsdb等。***用预聚合数据以提高查询的druid或者kylin等，
第六，还有其他用于数据削峰和消费订阅的消息队列，比如kafka和其他各种mq
第七，还有一些其他的组件，比如用于***管理的yarn，协调一致性的zookeeper等。
第八，由于hdfs 处理小文件问题不太好，还有为了解决大数据update和insert等问题，引入了数据湖的概念，比如hudi，iceberg等等。
第九，业务方面，我们基于大数据做一些计算，给公司的运营提供数据支撑。做一些推荐，给用户做个性化推荐。机器学习，报警监控等等。
这是我通常与想要了解大数据的人进行对话：
问：什么是大数据？
答：大数据是描述庞大数据的术语。
问：现在，大数据有多大？
答：如此庞大，以至于无法用常规工具处理？
问：通常的工具是什么意思？
答：普通文件系统，数据库等工具。
所有这些大数据工具都有一个共同的特性：分布式计算。
因此，大数据是一个通常只能通过分布式的工具才能解决的问题。我知道这些天，每个人都在尝试将他们的BI（商业情报）工具描绘成大数据工具，但不要被喧闹声所欺骗。
问：哪些典型的大数据问题？
大数据是对海量数据进行存储、计算、统计、分析处理的一系列处理手段，处理的数据量通常是TB级，甚至是PB或EB级的数据，这是传统数据处理手段所无法完成的，其涉及的技术有分布式计算、高并发处理、高可用处理、集群、实时性计算等，汇集了当前IT领域热门流行的IT技术。
大数据包括结构化、半结构化和非结构化数据，非结构化数据越来越成为数据的主要部分。据IDC的调查报告显示：企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%。 [6] 大数据就是互联网发展到现今阶段的一种表象或特征而已，没有必要神话它或对它保持敬畏之心，在以云计算为代表的技术创新大幕的衬托下，这些原本看起来很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。
想要系统的认知大数据，必须要全面而细致的分解它，着手从三个层面来展开：
第一层面是理论，理论是认知的必经途径，也是被广泛认同和传播的基线。在这里从大数据的特征定义理解行业对大数据的整体描绘和定性；从对大数据价值的探讨来深入解析大数据的珍贵所在；洞悉大数据的发展趋势；从大数据隐私这个特别而重要的视角审视人和数据之间的长久博弈。
第二层面是技术，技术是大数据价值体现的手段和前进的基石。在这里分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从***集、处理、存储到形成结果的整个过程。
第三层面是实践，实践是大数据的最终价值体现。在这里分别从互联网的大数据，***的大数据，企业的大数据和个人的大数据四个方面来描绘大数据已经展现的美好景象及即将实现的蓝图。
近几年，大数据的概念逐渐深入人心，大数据的趋势越来越火爆。但是，大数据到底是个啥？怎么样才能玩好大数据呢？
大数据的基本含义就是海量数据，麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据***，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
数字经济的要素之一就是大数据***，现在大家聊得最多的大数据是基于已经存在的大数据的应用开发。
如今，大数据技术已应用在各行各业。小麦举个例子，讲述一下最贴近我们生活的民生服务是如何运用大数据。
最近电视新闻提及到的“一网统管”精准救助场景，传统的救助方式往往通过困难家庭申请、审核、审批等多项程序，遇到需要跨部门、跨层级、跨街区协调解决的个案，还需要召开各级协调会的形式协商解决。
现在通过“精准救助”的方式，民政部门在平时的摸排中了解情况，将相关信息录入到“一网统管”数据中心，再根据数据模型识别出需要协助的家庭，随后形成走访工单派发给社工对其进行帮扶，从而提升救助的效率，做到雪中送炭。
在数字化***改造之前，每个部门只掌握各自分管的数据，形成“信息孤岛”；有了大数据分析平台后，所有的数据信息，便打通了“任督二脉”。
***可以充分利用大数据技术打造“一网统管”精准救助场景，极大提升了社会救助的科学性和精准性，让城市变得更加温暖。
