@Mozillaro, i migliori consigli che dovresti seguire sono i seguenti:
1) non ascoltare i consigli negativi: e' tutta invidia
2) fai quello che ti ispira di piu'
3) non guardare ai soldi
Devi lavorare per 8 ore al giorno, 5 giorni la settimana, 40/50 settimane all'anno, per 30/40 anni.
Se non fai un lavoro che ti piace, non c'e' stpendio che te lo possa far digerire.
Se fai un lavoro che ti piace, lo farai indubitabilmente meglio di quelli che lo fanno al solo scopo di portare a casa la pagnotta.
Con la conseguenza che lo farai meglio.
E la bravura, prima o poi, paga.
Non tutti i datori di lavoro sono stupidi, e non tutti i lavori sono di basso profilo.
I ricchi sono circa l'1% della popolazione (statistica letta su Internet, ma anche se non dovesse essere cosi', poco importa), e i SUPER ricchi sono 2000 su 7.000.000.000.
Il che vuol dire che farai parte del 99% delle persone che si devono guadagnare la pagnotta.
Seconda cosa: l'informatica NON E' SOLO paginette web o app per cellulari. Per queste attivita' non serve una grande competenza informatica.
E quindi possono essere svolte da un sacco di persone, con la ovvia conseguenza dei bassi stipendi.
La fortuna e' proprio questa: la cultura media e' bassa, anche tra i laureati, e ci sono poche persone con un'adeguata competenza/professionalita'/passione.
E, altro errore, molti guardano piu' ai soldi che non guadagnano che non a fare bene il proprio lavoro.
E si rodono per quelli (piu' fortunati) che guadagnano di piu'.
Il tuo obbiettivo non dovra' essere quello di fare paginette Web, o App, ma fare quei lavori per il quale non ci sono abbastanza persone in grado di svolgerlo. E farlo bene, se non meglio degli altri, almeno bene quanto i migliori.
Ma per queste attivita' ti serve un bagaglio culturale di base che solo l'universita' ti puo' dare. Ed eventualmente il dottorato.
Attenzione, SOLO DI BASE, perche' poi dovrai rimboccare le maniche per imparare quello che manca.
Ad esempio, uno dei lavori che prendera' piede nei prossimi anni e' probabilmente il Data Scientist (lo Scienziato dei Dati).
E' un profilo che non e' ne uno statistico, ne un informatico, ma deve avere competenze spinte in entrambe le discipline.
Se provi a leggere un testo di Machine Learning o di Statistical Learning (anche un banale testo introduttivo) ti accorgerai di quale sia il bagaglio di conoscenze necessario solo per capire i concetti descritti, ancora prima di sapere come meterli in pratica.
Altro esempio, un problema che mi e' capitato di affrontare qualche tempo fa, e per fortuna solo per un esercizio, e' stato il seguente: capire se una frase scritta in Italiano sia positiva/negativa/neutra.
Cioe' fare della Sentiment Analysis.
Attualmente, per l'Italiano, esiste pochissimo: l'Italiano e' una lingua complessa, piena di sfaccettature, al contrario della lingua Inglese.
Sviluppare algoritmi efficenti per fare analisi su testi in Italiano, e magari Spagnolo, Francese e lingue simili, non e' banale.
Servono persone e competenze: statistica, linguistica, e, ovviamente, informatica.
Certo, non ti serve per fare paginette web: ma fare paginette web NON E' l'unico lavoro che uno puo' fare
Ti faccio un'altro esempio: se sei un patito di videogiochi, non potrai non apprezzare la qualita' ed i dettagli delle scene, la velocita' delle azioni, la qualita' dell'illuminazione.
Tutte queste caratteristiche NON SONO solo legate ad una scheda video potente, ma sono legate SOPPRATTUTTO ad algoritmi, strutture dati, modelli geometrici e di illumninazione, pensati per rendere efficiente il rendering di ogni scena.
Non penserai mica che questi algoritmi, queste strutture dati o questi modelli siano cose banali, spero. O che le trovi nel fustino del Dixan!
Sono il frutto di ricerche, studi, modelli matematici, modelli statistici, estremamente complessi, inventati/scoperti da persone che hanno studiato anni o decine di anni.
Quello che ti posso assicurare che NON HAI LA MINIMA IDEA di quanto vasto sia il settore dell'Informatica, e delle cose che potresti fare, al di la della paginetta Web o dell'App.