如何快速判断嵌入式你适合MCU+RTOS还是Linux?

最近有很多粉丝私信我,询问嵌入式方向的选择。到底是MCU➕RTOS还是Linux?

今天教你快速判断和选择⬇️

情况一:

时间很充足的情况,或者早有嵌入式基础,或者就算时间和基础都没有但自学能力很强。建议是两个方向都走。因为这是对校招生最具性价比的做法。

以博主为例,作为天坑专业零基础几个月紧急转行嵌入式,之前是主攻MCU➕RTOS,但是秋招后期发现这样很多Linux岗位都没办法投递。所以即使在基础差和时间紧的情况下,仍选择继续学习Linux方向。最后也是两个方向都拿到了offer。

那会不会两个方向都学习,导致不够深入两头顾此失彼呢?

答案是掌握好正确的战略就不会。首先校招更看重的是你的基础,所以不需要你在功能上多花里胡哨,而应该在底层基础上展现你的能力。这点博主之前已经讲过,可以看看以前的帖子❗❗❗而这种能力又是很容易速成的。所以战略上的勤奋比盲目的努力更重要。

等我们两边都拿到offer后,再选择自己心仪的方向即可,工作后再深入。现在秋招这么卷,多一些岗位可以投递,就多一份拿到offer的可能性。

情况二:

在某一领域已经有很深入的能力或实习,且该领域跟MCU➕RTOS或者Linux强绑定。

这种就建议走强绑定的方向即可,因为你已有的经验,不管是实验室资源带来的,还是实习带来的,都是你比别人更科班,更有优势的地方。这种情况下拿offer已经不是你的追求了,而是拿更高薪的offer。

所以直接继续深入这个方向,争取SP或者SSP。

情况三:

时间紧急且自学能力较弱,基础也差。

不要犹豫,就MCU➕RTOS方向就行了。这个方向相对岗位更多一点,也稍微更容易上手一点。

但是注意不要走弯路,要选择好学习路线,时间实在是经不起折腾了。

当然也可以选择看博主将自己天坑急转的经历,经验,八股,面经都总结在一起的《零基础嵌入式秋招逆袭指南》,绝对的原创,耗时半年多整理。可以帮助你不走弯路。

祝大家能尽快决定好自己职业路径,为秋招尽早准备!

#牛客激励计划##嵌入式#
全部评论
浙大爷说的都是按异常值处理,学历低就不建议长期磕Linux
5 回复 分享
发布于 2025-10-17 08:15 河南
给自己打个真诚的小广告,如果你像我一样也是零基础快速转行,或者已经开始了很久但是找不到具体学习嵌入式的方法和途径: 关于嵌入式逆袭攻略,目前我全部的学习经验,八股,20多家公司面经,全部都在这一个专栏里了,能覆盖你求职过程中99%的问题,主打一站式服务。专栏大纲如下:https://www.nowcoder.com/discuss/722388553610559488 订阅链接如下:https://www.nowcoder.com/creation/manager/columnDetail/MKaobp      嵌入式项目评论后得到获取方式
点赞 回复 分享
发布于 2025-10-13 20:20 江苏

相关推荐

03-11 10:20
门头沟学院 C++
想入门模型部署,问了一下Gemini,他的回答如下,大佬们看看这路径可行吗???第 1-2 个月:打地基(Modern C++ & CMake & Linux)目标:能看懂推理引擎源码,能独立构建多文件 C++ 项目。核心内容:Modern C++:跟着 HKL 视频,重点吃透 智能指针 (RAII)、移动语义 (Move)、Lambda 表达式和简单的模板。CMake:掌握如何链接第三方库(OpenCV, CUDA, TensorRT),学会编写 find_package。CSAPP:重点精读 第 6 章(存储层次)。理解什么是 Cache Latency。里程碑:在 Linux/WSL 下用 CMake 构建一个调用 OpenCV 处理视频流的小项目。手动实现一个包含智能指针管理的简易内存池。📅 第 3 个月:拿手术刀(CUDA 编程入门)目标:理解 GPU 并行逻辑,能手写并优化基础算子。核心内容:核心概念:Thread, Block, Grid, Shared Memory, Warp Shuffle。实战任务:手写一个 矩阵乘法 (GEMM)。版本 1:朴素版(跑通)。版本 2:使用 Shared Memory 优化(速度提升 5-10 倍)。性能分析:学会使用 nsight-systems 查看 Kernel 执行时间。里程碑:手写一个自定义的图像预处理 Kernel(比如把 BGR 转成 RGB 并归一化)。📅 第 4 个月:炼金术(模型转换与 TensorRT)目标:把 PyTorch 模型变成 1660 Ti 上的极致推理引擎。核心内容:ONNX:学习如何导出 ONNX,如何用 onnx-simplifier 简化模型。TensorRT:掌握 trtexec 工具,学习编写 TensorRT 的 C++ API 推理代码(创建 Runtime、Engine、Context)。插件编写:尝试为一个 TensorRT 不支持的算子写一个 CUDA Plugin。里程碑:将 YOLOv8 导出为 TensorRT 引擎,并在 1660 Ti 上跑到极致 FPS。📅 第 5 个月:工业化(量化与性能压榨)目标:攻克部署最难的一环——精度与速度的平衡。核心内容:量化原理:学习对称量化 vs 非对称量化,理解 KL 散度。PTQ 实战:使用 TensorRT 的 Int8EntropyCalibrator 进行训练后量化。多线程部署:学习 C++ std::thread 或生产消费者模型,实现“视频读取-模型推理-结果渲染”的异步并行流水线。里程碑:完成一个低延迟、多线程的实时检测系统,对比 FP16 和 INT8 的精度损失与速度提升。📅 第 6 个月:破圈与冲刺(国产迁移 & 算法 & 面试)目标:将能力迁移,准备实习面试。核心内容:国产迁移:如果有条件,借或买一个 RK3588 开发板,学习 RKNN-Toolkit。你会发现,因为你有了前 5 个月的底子,这部分 2 周就能上手。算法刷题:每天 1-2 道 LeetCode,重点是数组、链表、排序。八股文复习:回顾 C++ 内存模型、操作系统基础。里程碑:整理简历,把“手写 CUDA Kernel 优化”、“TensorRT INT8 量化实战”作为核心项目写上去。
秋招白月光
点赞 评论 收藏
分享
评论
2
9
分享

创作者周榜

更多
正在热议
更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务