注册结构工程师报考条件，大数据主要学习什么内容？
前言
要从事计算机行业的工作，不管是什么工作，开发、测试、还是算法等，都是要有一门自己比较熟练的编程语言，编程语言可以是C语言、Java、C++等，只要是和你后续工作所相关的就可以（后续用到其他语言的话，你有一门语言基础了，学起来就快了）。一般初学者入门语言大多都会选择Java、C语言、C++或者Python，而且现在网上有很多好的视频，可以供初学者学习使用。关于学习视频或者资料的选择，知乎或者百度等都有很多讲解了，也可以跟师兄师姐咨询，这样可以少走很多弯路，当然，有人说，走一些弯路总是有好处的，但是我这里说的弯路不是说不犯错误，不调bug，而是指学习资料以及一些知识点的偏重点，这样可以尽量节约一部分时间，刚开始时，总会有点迷，而且当你真正投入进去学习时，会发现时间总是不够用。
我前面是做的Java后端，后续才转的大数据，所以一些Java开发所需要的东西自己也有学习过，也都是按照正常的路线走的，JavaSE阶段，然后数据库，SSM框架，接着做了一些网上找的项目，之后发现对大数据比较感兴趣，就开始找大数据相关的资料学习，看视频，看博客，敲代码，前期大概花了3-4个月吧（公众号的这些资料就是我当时看过的），也是一步步艰难走过来的，刚刚开始接触大数据相关的东西时，一度怀疑这么多东西自己能否学得完，是不是能用得到，学完又忘了，忘了又回头看，不过还好，坚持过来了，还好没有放弃，工作也还ok，找的大数据开发岗，待遇也还不错吧。
下面就说一下我自己从Java开发到大数据开发的曲折学习之路（狗头保命.jpg）。因为我现在是做大数据相关的工作了，所以Java后端涉及到的一些SSM框架等知识点我就不介绍了，毕竟后续一段时间也没有做了。自己看过的大数据学习相关的视频+资料大概是200G-300G吧，从Linux->Hadoop->。。。->Spark->项目，还有就是一些面试文档，面经等。一些视频看了两遍或者更多，跟着学，跟着敲代码，做项目，准备面试。涉及到需要学习的东西包括：JavaSE，数据结构与算法（计算机行业必备），MySQL，Redis，ES（数据库这些可以看项目，也可以自己熟练一两个），Linux，Shell（这个可以后期补），Hadoop，Zookeeper，Hive，Flume，Kafka，HBase，Scala（Spark是Scala写的，会Scala做相关的项目会更容易入手），Spark，Flink（这个是找工作时有面试官问过几次liao不liao解，所以找完工作才开始接触学习），相关项目。
编程语言阶段学习如果是零基础的话，建议还是从视频开始入门比较好，毕竟一上来就看教材，这样有些代码的来龙去脉可能不是很了解。如果是有一些编程语言基础的话，从视频开始也会更简单，一些for、while循环你都知道了，学起来也会快很多。 JavaSE我是选择的某马刘意的为主，因为刚刚开始学Java看过一本从《Java从入门到精通》，没什么感觉，后续又在看了某课网的Java初级视频，还是没感觉出来啥（当时就有点怀疑自己了。。。），可能有点没进入状态。 还好后续找了某马刘意老师的JavaSE视频（我是看的2015年版本，那时候19版还没出），觉得他讲的真的是很好很详细，每个知识点都会有例子，也都会带你敲代码，做测试，可能前面有C语言基础，然后也看过Java的一些语法，所以学起来还是比较顺利，后面的IO流、多线程等知识点时，也有看书看博客，或者看看其他老师的课程，讲解的可能自己比较容易接受就可以，反正都是多尝试（下面会给出视频链接），尽量懂一些，后续可以回头来复习。JavaSE相关的视频，先看一遍，后续有时间建议再看一遍，而且这些经典的视频，看两遍真的是享受。 如果有一定基础了的，JavaSE前面七八天的视频可以加速看，但是不懂的一定要停下开仔细想想，零基础的还是尽量不要加速吧，慢慢来稳些。后面的视频建议还是跟着视频来，尽量不要加速，代码尽量都敲一敲，第一遍基本上一个月到一个半月可以结束。 JavaSE可以说是很基础也很重要的东西，主要重点包括面向对象、集合（List、Map等），IO流，String/StringBuilder/StringBuffer、反射、多线程，这些最好是都要熟悉一些，面试也是重点。 JavaSE之后，如果你是要走前端或后端开发路线的话，可以跟着一些网上的视频继续学习，这里我就不多做介绍了。
===========分割线，Scala可以后续Spark阶段再接触学习=============
Scala的学习，Scala是一门多范式 (multi-paradigm) 的编程语言，Scala支持面向对象和函数式编程，最主要的是后续Spark的内容需要用到Scala，所以前面学习了JavaSE，到Spark学习之前，再把Scala学习一波，美滋滋，而且Scala可以和Java进行无缝对接，混合使用，更是爽歪歪。后续Spark学习时基本都是用的Scala，也可能是和Java结合使用，所以Spark之前建议还是先学一波Scala，而且Scala用起来真是很舒服（wordcount一行代码搞定），适合迭代式计算，对数据处理有很大帮助，不过Scala看代码很容易看懂，但是学起来还是挺难的，比如样例类（case class）用起来真是nice，但是隐式转换学起来就相对比较难。学习Scala的建议：1. 学习scala 特有的语法，2. 搞清楚scala和java区别，3. 了解如何规范的使用scala。Scala对学习Spark是很重要的（后面Flink也是要用），虽然现在很多公司还是用Java开发比较多，而且Spark是Scala写的，如果要读源码，会Scala还是很重要的（至少要看得懂代码）。 Scala主要重点包括：隐式转换和隐式参数、模式匹配、函数式编程。这里我看的是某硅谷韩老师的Scala视频，韩老师讲的真的很不错，五星推荐，哈哈。 也许有人会觉得Python也是需要的，但是学习阶段，可能用Java还是比较多，面试也基本都是问Java相关的内容，所以Python后续工作会用到的话，再看看Python的内容吧。
大数据框架阶段学习大数据这方面的知识点自己可以说真的是从零开始的，刚刚开始学那会Linux基本都没用过，心里那个虚啊，而且时间也紧迫，想起来都是一把辛酸泪。 刚刚开始学的时候，看了厦门大学林子雨的《 大数据技术原理与应用》课程，可能这个课程是面对上课的，所以看了一些，感觉对自己帮助不是很大（并不是说课程不好，可能不太适合自己，如果是要了解理论知识，很透彻，但是俺时间紧迫啊），所以就继续在网上找视频，然后发现某硅谷的培训视频很多人去参加，而且知识点也很齐全，大数据相关组件都有讲课，还有一些项目比较好，所以就找了它相关的视频，当时看的是2018年的，所以视频不算旧。 来一张推荐系统架构的图，先看看
一般来说，Flume+Kafka对数据进行采集聚合传输，一方面Spark对实时数据进行处理，传输给相应的数据处理模块（比如实时数据处理的算法模块，Spark也有提供常见的机器学习算法的程序库），另一方面采集的数据也可以放入数据库（HBase、MongoDB等）中，后续MapReduce对离线数据进行离线处理，数据处理完毕用于后续的使用，数据采集处理的流程大概就是这样。如果是推荐系统，实时推荐会给用户产生实时的推荐结果，让用户进行查阅选择，比如你在界面浏览了或者看了新的物品，然后刷新下界面，可能给你展示的东西就有一些变成跟你刚刚浏览的相关了。离线推荐的话主要是对离线数据进行处理，为物品或种类做出相似的推荐，如果后续用户搜索相应的物品时，给用户展示相应的产品。
大数据学习路线：Linux -> Hadoop -> Zookeeper -> Hive -> Flume -> Kafka -> HBase -> Scala -> Spark -> 项目 - > Flink（ 如果需要学习Storm，在Spark前面学习）
一、Linux（基本操作）一般我们使用的都是虚拟机来进行操作，所以要安装VM（ Virtual Machine），我使用的是CentOS，所以VM和CentOS都要跟着安装好，跟着视频操作，一定要动手实践，将一些Linux基本命令熟练掌握，一些VIM编辑器的命令也要会用，做相应的一些配置，使用SecureCRT来做远程登录操作（也可以使用其他的，自己顺手就行）。再强调一遍，基本操作命令尽量熟练一点，如果一下记不住，打印一些常用的，自己看看，多用多实践，慢慢就会用了。还有一些软件包的下载安装卸载等，跟着操作一遍，熟悉下，后续都会使用，Shell编程可以后续补。
二、Hadoop（重点中的重点）Hadoop是一个分布式系统基础框架，用于主要解决海量数据的存储和海量数据的分析计算问题，也可以说Hadoop是后续整个集群环境的基础，很多框架的使用都是会依赖于Hadoop。主要是由HDFS、MapReduce、YARN组成。这个部分安装Hadoop，Hadoop的三个主要组成部分是重点，对他们的概念要理解出来，知道他们是做什么的，搭建集群环境，伪分布式模式和完全分布式模式的搭建，重要的是完全分布式的搭建，这些部分一定要自己动手实践，自己搭建集群，仔细仔细再仔细，Hadoop的NameNode，DataNode，YARN的启动关闭命令一定要知道，以及他们的启动关闭顺序要记住，不要搞混。后续视频会有一些案例操作，跟着写代码，做测试，把基本环境都配置好，后续这个集群（完全分布式需要三台虚拟机）要一直使用。
三、ZookeeperZookeeper是一个开源的分布式的，为分布式应用提供协调服务的Apache项目。分布式安装ZK，对ZK有一定的了解就可以了，了解它的应用场景，以及内部原理，跟着做一些操作，基本上有一些了解即可。
四、Hive（重点）Hive是基于Hadoop的数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。Hive的安装，它的数据类型，以及它的数据定义、数据操作有较好的了解，怎么操作表（创建表、删除表，创建什么类型的表，他们有什么不同），怎么操作数据（加载数据，下载数据，对不同的表进行数据操作），对数据的查询一定要进行实践操作，以及对压缩方式和存储格式要有一些了解，用到时不懂也可以去查，最好是能理解清楚。这部分有什么面试可能会问，所以视频后续的面试讲解可以看看，理解清楚。
五、FlumeFlume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。对于Flume，对它的组成架构，以及对Flume Agent的内部原理要理解清楚，Source、Channel、Sink一定要知道它们的各种类型以及作用，有哪些拓扑结构是常见常用的，例如一对一，单Source、多Channel、多Sink等，它们有什么作用，要理解清楚。还有一个重点，就是对Flume的配置文件一定要了解清楚，不懂的可以上官网查看案例，对于不同的情况，它的配置文件要做相应的修改，才能对数据进行采集处理，视频中的实践案例一定要跟着做。
六、Kafka（重点）Kafka是一个分布式消息队列，用来缓存数据的。比如说实时计算中可以通过Flume+Kafka对数据进行采集处理之后，Spark Streaming再使用Kafka相应的Topic中的数据，用于后续的计算使用。对于Kafka，要理解Kafka的架构，什么是Kafka，为什么需要Kafka，应用场景。基本的命令行操作要掌握，比如怎么创建删除Topic，怎么通过生产者生成数据，消费者怎么消费数据等基本操作，官网也是有一些案例可以查阅的。
七、HBase（重点）HBase是一个分布式的、基于列存储的开源数据库。HBase适合存储PB级别的海量数据，也可以说HBase是很适合大数据的存储的，它是基于列式存储数据的，列族下面可以有非常多的列，列族在创建表的时候就必须指定。所以对HBase的数据结构要有一定的理解，特别是RowKey的设计部分（因为面试被问到过，咳咳，所以点一下），对于它的原理要了解，一些基本操作也要都会，比如创建表，对表的操作，基本的API使用等。
八、Spark（重点中的重点）Spark是快速、易用、通用的大数据分析引擎。一说到Spark，就有一种哪哪都是重点感觉，哈哈。 Spark的组成可以看下图
Spark是基于内存计算的，对于数据的处理速度要比MapReduce快很多很多，而且数据挖掘这些都是要对数据做迭代式计算，MapReduce对数据的处理方式也不适合，而Spark是可以进行迭代式计算，很适合数据挖掘等场景。Spark的Spark SQL能够对结构化数据进行处理，Spark SQL的DataFrame或DataSet可以作为分布式SQL查询引擎的作用，可以直接使用Hive上的表，对数据进行处理。Spark Streaming主要用于对应用场景中的实时流数据进行处理，支持多种数据源，DStream是Spark Streaming的基础抽象，由一系列RDD组成，每个RDD中存放着一定时间段的数据，再对数据进行处理，而且是基于内存计算，速度快，所以很适合实时数据的处理。Spark MLlib提供常见的机器学习(ML)功能的程序库。包括分类、回归、聚类、协同过滤等，还提供了模型评估、数据 导入等额外的支持功能。对Spark的核心组件、部署模式（主要是Standalone模式和YARN模式）、通讯架构、任务调度要有一定了解（面试问到了可以说一波），Spark Shuffle要好好理解，还有内存管理要知道，对Spark的内核原理一定要好好理解，不仅面试可能要用，以后工作也是有帮助的。
九、Flink（重点中的重点）Flink是一个框架和分布式处理引擎，用于对无界（有开始无结束）和有界（有开始有结束）数据流进行有状态计算。现在主要是阿里系公司使用的比较多，很多公司使用的还是Spark居多，而且Flink基本上都是和Spark很多功能大体上一样的，但是以后Flink和Spark孰强孰弱还有待时间的考验，不过Flink近几年越来越火了这是事实，所以如果有时间有精力的话，可以学一学Flink相关的内容也是很不错的。Spark和Flink主要都是在数据处理方面应用，在数据处理方面的话，离线数据处理：Flink暂时比不上Spark，Spark SQL优点在于可以和Hive进行无缝连接，Spark SQL可以直接使用Hive中的表；Flink暂时做不到这一步，因为官方不支持这一操作，Flink只能将数据读取成自己的表，不能直接使用Hive中的表。对于实时数据的处理：Flink和Spark可以说是平分秋色吧，而且Flink是以事件为驱动对数据进行处理，而Spark是以时间为驱动对数据进行处理，在一些应用场景中，也许Flink的效果比Spark的效果还要好些，因为Flink对数据更加的敏感。比如一秒钟如果触发了成千上万个事件，那么时间驱动型就很难对数据做细致的计算，而事件驱动型可以以事件为单位，一个个事件进行处理，相比而言延迟更低，处理效果更好。现在使用Flink的公司越来越多，有时间学习下，也算是有个准备。
项目阶段其实某硅谷的视频里面有很多大数据相关的项目，而且都是文档配代码的，B站上也有视频，学习期间可以跟着视频做两到三个项目，自己理清思路，把项目理解透彻，还是可以学到很多东西的。 根据自己情况，选择两到三个项目重点跟着做，理解透彻一点
大数据项目实战某硅谷的视频里面有很多大数据相关的项目，而且都是文档配代码的，学习期间可以跟着视频做两到三个项目，自己理清思路，把项目理解透彻，还是可以学到很多东西的。根据自己情况，选择两到三个项目重点跟着做，理解透彻一点。相关项目文档资料我已经放到网盘，GongZhongHao回复相应关键字获取领取方式。 相关项目、涉及技术框架及其B站链接（B站链接主要是为了有些小伙伴网盘速度限制，这样就下载文档资料即可）
书籍书籍部分直接云盘链接保存即可，这里我放两张Java开发和大数据开发我自己的书单（很多，路漫漫，吾将上下而求索~） Java后端书架：
大数据书架：
大概就这些，看完就需要很久了，大部分我也是需要的时候看相应的部分，所以有时间可以好好看下，不然就需要哪一部分看哪一部分，有助于学习即可。
最后大数据开发也是需要编程基础的，并不是学会使用这些框架怎么样就可以了，所以对于编程语言，数据结构与算法，计算机网络这些基础也是要的，这些基础知识也有助于自己以后的发展，如果是应届生校招的话，面试基本上都是JavaSE和数据结构与算法等的知识点，还有大数据组件相关的知识点，以及对项目的理解，这些都是要自己面试前准备好的，多看面经，多找面试题看，面几次，心里有谱了，后续面试就好了。 不管是从事什么样的计算机相关的岗位，编程都是很重要的，数据结构与算法特别重要，还有就是leetcode等编程网站刷题，提升自己的编程思维，后续笔试面试都要要的。 要将一行行代码看做一叠叠rmb，但是一行行代码能不能转换成一叠叠rmb，自己就一定要：坚持，多敲代码；多敲代码，坚持；坚持。
开发一个app有多难？
互联网项目的开发有一套专业APP的设计和开发流程，关于这方面的文章也有很多，但大多数文章偏专业性。下文以新星咨询公司APP项目评估的流程为例子，站在技术委托方（客户）关注的角度，为大家剖析一下在开发过程当中，哪些是重要的里程碑节点，以及在APP项目开发过程需要双方交付和对接一些项目资料。
（全文约2000字，预计花费您5分钟阅读）
一、商务洽谈 & 合同阶段1. 功能需求思维导图：经过一些双方反馈调整后，产品经理跟甲方对接了解清楚整个项目需求，并绘制整个项目的功能思维导图策划方案（已经过技术和设计角度的可行性评估），最终产出清晰明确的功能需求说明。例如下图：
2. 需求报价方案：产品经理跟客户确定好功能需求后，项目经理拿到清晰完整的需求规划，进行整个项目的设计和项目开发测试评估，并产出项目的需求报价方案。如下图：
需求说明&报价单3. 技术开发合同：初步确认合作意向后，提供技术开发合同，如果双方对合同协议会异议，双方协商修改。
4. 开发进度文档：签订合同后，根据总开发周期，制定各开发阶段节点，并根据开发计划，推进后续的整个设计开发过程。例如下图：
技术节点示例二、设计阶段1. 原型设计稿：产品经理根据合同确认的功能需求，进行整个项目前端界面的原型设计。经过双方多次的沟通反馈调整，最终确认所有原型的设计。例如下图：
产品原型图例2. 原型交互流程图：在原型设计稿的基础上，加上每个页面的跳转交互流程标识，以便能够清晰了了解各个页面间的跳转和交互流程。如下图：
产品原型交互示意3. UI风格页：UI设计师会挑出几个主页面进行风格页的设计，一般会提供3-5个风格页的设计，确认整个UI的设计风格。
4. UI高保真设计稿：确认UI的风格设计后，便开始进行整个项目所有页面的高保真图设计，最终产出所有页面的高保真设计图，包括每一个页面的预览图，以及整个项目所有页面的预览大图。如图所示：
产品高保真原型示意图三、开发阶段1.注册相关账号：开发过程中，需要注册相关的开发者账号。包括部分但也不限于以下的开发者账号：苹果开发者账号，应用宝账号，微信公众号，支付账号，推送账号，阿里云账号，APP统计开发者账号，短信开发者账号，地图开发者账号等。
2.购买服务器，注册域名，备案：一般在上线前半到一个月，需要购买云服务器（如阿里云服务器），根据项目预估的运营情况（如未来一段时间的注册用户数，日活用户数，用户增加预估，用户的并发访问等情况），确认服务器的采购配置。如果项目需要分享到微信，或者有官方网站，则需要配备域名使用，需要提前购买好域名和服务器，并进行备案，备案一般需要7-10个工作日；
3.交付测试版本：完成项目的所有功能开发后（包括前后端功能的开发，一般在项目上线前的1-2周前交付，已经过内部初始几轮的测试，版本稳定），将打包发布测试的版本给甲方进行反馈测试。在经过1-3周的测试与反馈后，最终版本功能达到稳定流畅的上线状态。在此期间，双方都需要配置相关的人员进行项目的测试反馈问题。
四、项目上线：项目上线前，需要进行以下几步的操作：
1.准备上架相关的资料：如发布市场的打包版本，应用说明描述，截图，部署服务器和录入正式的数据等工作；
2.部署正式服务器：将数据库，后台系统部署到正式的服务器上面，并录入正式的上线数据到系统的后台；
3.发布APP应用到市场：国内的应用一般是发布到苹果的APPSTORE（iOS版本）和腾讯的应用宝（安卓版本）。APPSTORE提交后一般需要10个工作日左右可以通过应用的审核并上架，应用宝一般当天提交APP，当天就可以通过应用的审核并上线
4.发布H5或小程序到微信公众号：如果是微信H5的网站，只需要将网站部署并挂到小程序的菜单上面；如果是微信小程序，则需要把小程序发布提交给微信团队审核并上架；
五、运维阶段：1.免费运维阶段：项目上线后，项目便正式进入免费运维的阶段。一般免费运维期为3-12个月。在这个阶段中，技术开发方需要提供运维的服务，包括解答甲方的咨询服务，指导甲方的软件使用等事项，以及程序Bug的修复等内容。由于刚上线的版本前期bug会比较多，所以在这个阶段，协助甲方收集相关的问题进行修复并定时迭代上线新的版本；
2.交付项目资料：免费运维期到后，项目运行基本达到稳定状态，技术开发方需定期打包所有的项目资料交付给甲方，包括但不限于前后端项目的所有最新源代码，数据库设计文档，API设计文档，所有的开发者账号资料（数据库账号，服务器账号，苹果账号，微信开发者账号，安卓应用市场账号等等），测试文档，原型设计稿，UI设计稿，项目相关文档等资料。
3.付费运维阶段：后续如果甲方需要供运维支持，需要签订运维合同。一般运维费用为项目总开发成本的10% ~ 20%，根据项目的用户数量，功能量级及运维工作量进行费用的评估。
二级建造师和二级结构工程哪个前途大？
这是属于建筑行业的二个不同工种的证书。
二级建造师主要是施工单位的项目经理必须要有的证书，当然二级建造师也可以注册在设计单位。二级结构工程师是设计院进行结构设计的需要的证书，是属于设计范畴的，只在设计的单位才能发挥作用。结构工程师就具有一定的局限性。
你现在只有市政的二建，作用还不是很大。如果你是从事这行，有精力的话赶紧去考个一建吧，一建全国通用，比二建的价值大得多。你已经过了二建，肯定也有相关的基础了，努点力应该问题不大。
如果你只是纯粹的想挂靠，那我建议你考建筑师。这个证书很少，也值钱些。
不管怎么样，还是要根据自己的实际情况考虑。毕竟考试也是要花精力的。
造价工程师值得考吗？
一级造价工程师
一般来讲，造价工程师就是我们通常所说的从事工程造价的专业人员，这个职业从事内容包含：设计、施工、建设、造价咨询，能够保证工程造价的合理确定以及工程的有效实施。学吧网校带你一次考过，si信送必过资料与前些年相比较，在去年2019年的造价工程师考试中，我们了解到考试整体难度增加了，以至于造成了通过率比较低的情况。很多人都吐槽说："造价工程师考试的难度都快要赶上一级建造师了"，所以在2020年造价工程师的考试肯定也会是非常难的，那么花了大精力考来的证书你是否知道其含金量是不是真的值得呢？2022年一级造价工程师含金量如何？政策方面：随着国家政策的不断完善和加强，造价行业已经逐渐正规化，有硬性规定：“但凡是 从事工程建设活动的设计、施工、建设、造价咨询等单位，都必须在建设工程造价工作岗位配置造价工程师”。这样看来，对于从事造价岗位的朋友来说，一级造价工程师职业资格证书是一样必须具有的证书。要是想能够从事这个职业那么就必须得考，这也将会导致一级造价工程师的需求量大幅增长，那相应证书的价值也随之提升。另外，造价员取消，新设了二级造价工程师，这就让一级造价工程师的门槛更高了，那一级造价工程师的含金量自然也就高了。通过率：自造价改革之后，一级造价工程师证书的含金量创了历史新高，并且造价工程师报考条件放宽之后(不限制专业报考，只需要学历和工作年限符合要求即可参加考试)，所以越来越多的人参加造价工程师的考试，竞争也异常激烈。拿19年的通过率来看，想要拿证并不容易。虽然拿证难，但这也从另一方面反映出证书的含金量比较高，通过率越低，那持证的人数就越少，证书越就越值钱。否则，人人都能拿到的普通证书，含金量又有多少呢？行业现状：这几年我国建筑行业发展迅速，这也说明行业紧缺专业的人才。在这个职业中，除了建造师之外，建筑企业争夺的对象之一还有一级造价工程师，经常可见各大企业通过高薪水、高福利的条件来争夺专业高级人才的情况。这就决定了一级造价工程师的工资不会很低，通常造价工程师在北京、上海、广州、深圳等一线城市的话，能够有3~5年以上工作经验的，一级造价工程师的岗位平均工资在1.2万左右；在其他城市，也能够达到8k~10k元。综上所述，证书和职称相关，而造价工程师考试又直接与职称挂钩，当专业技术人员取得了一级造价工程师、二级造价工程师职业资格，那就可以认定其具备了工程师、助理工程师的职称，并且这一条件可以作为申报高一级职称的依据。努力取得一张证书，那么你的未来会更加广阔，进入社会也不会寸步难行特岗老师招考条件是什么？
2018年全国特岗教师招聘9万人，大部分省市已经发布招聘公告，其中重庆今年招聘特岗教师1130人，报名时间为6月14日至6月20日，为期一周。
特岗教师招聘要求没有教师公招那么严格，全日制师范类专科以上毕业生、全日制普通高校本科毕业生，应往届均可报考，按照要求完成报名流程即可参加特岗教师招聘考试。具体招考要求如下：
遵纪守法，政治思想表现好，热爱教育事业；身体健康，仪表端庄；
全日制普通高校本科毕业，全日制普通高校师范类专科毕业；
年龄在30周岁及以下(即在1987年6月14日以后出生)；
符合相应岗位的要求（专业、户籍、学历）；
往届毕业生报名时须取得相应层次及以上教师资格，应届毕业生2018年7月31日前须取得相应层次及以上教师资格、报名时提供本人学籍号；
报考语文岗位的考生，须取得二级甲等以上普通话等级证书。
参加过“大学生志愿服务西部计划”、有从教经历的志愿者和参加过半年以上实习支教的师范院校毕业生同等条件下优先录取。
报名时间节点、报名流程如下：
网上报名：2018年6月14日9:00至6月20日17:00；
资格初审：2018年6月14日9:00至6月21日17：00；
准考证打印：2018年6月28日至29日；
笔试时间：6月30日。
笔试科目为专业素质和教育理论，专业素质主要考试内容为岗位所需专业知识、能力；教育理论主要考试内容为教育政策法规、教师职业道德、教育学、心理学。分值各100分。
考试总成绩为(专业素质+教育理论)÷2×50%+面试×50%。
需要注意的是，特岗教师招聘考试虽然要比教师公招的要求低，但是所报岗位相应的教师资格证也是同样有要求的。考生在报名考试之前最好拿到相应的资格证书，避免错失考试机会。
还没有评论，来说两句吧...