第一次与猎头“亲密接触”

版权声明:原创作品,允许转载,转载时请务必以超链接形式标明文章原始出版、作者信息和本声明。否则将追究法律责任。本文地址:http://blog.csdn.net/jobchanceleo/archive/2007/10/09/1816220.aspx

 

一年一度换工作的高峰又到了,接到猎头公司打来的电话,我们应该如何应对才显出自己足够专业?希望本文中分享的一些经验能让你在与“猎头第一次亲密接触”时占尽先机。

 

首先,能接到猎头公司打来的电话无论何时都是好事!至少说明你有些东西被其它公司所留意。祝贺你!

 

猎头公司打给你的第一个电话一般是这样的。

猎头顾问:“是X先生(女士)吗?您好!说话方便吗?”

候选人:“是啊!您哪位?”

猎头顾问:“我是123猎头公司……”

候选人:“现在不太方便,在开会(或其它什么理由)……”

 

Leo提示

1、如果你想近一步接触,同时又在上班时间不方便谈,应该告诉猎头公司,让他过15分钟之后打给你,而不要只说不方便。很多时候,在电话里说不方便,其实说是告诉你周围的人(多半是同事或者领导)是猎头公司打给你的电话。

 

2、如果最近没有“动”的想法,应该告诉对方:“我对目前的工作很满意,有机会再联系吧。”如果在刚好在上班,周围是同事或者领导,那么这样作既能体现你能力强,有人惦记,又能表示对你公司的忠诚。

 

3、无论是否忙,建议都让猎头顾问过过再打。一是给自己时间想想为什么会有猎头来找,一是平静一下心情,方便更好应对。

 

猎头公司打给你的第二个电话可能是这样的

 

猎头顾问:“XX先生(女士),您好!现在说话方便了吗?”

候选人:“嗯,刚才不好意思啊!”

猎头顾问:“没关系,是这样,我手里有个机会……”(之后开始介绍是什么样的机会,但多半不会告诉我们是哪家公司在找人。)

 

Leo提示

1、要相信自己的感觉,电话对面(猎头公司)如果表现的不够专业,那么通常她或他的判断力也会有问题。这次机会能不能帮到你就是个问题了。不专业多表现为,了解我们的工作背景后不管我们是否有意向,只是说你应该换个工作咋的,很明显是想拿我们卖钱,根本不真正关心我们的职业发展。

 

2、态度要和蔼。我们完全没必要因为能自己力强,而在电话里给对方感觉我们就是耶稣,人有的是,没有最合适,只有更合适。机会是方向互相提供的。当然,如果猎头公司在电话里给我们感觉是,因为提供了一个机会给我们,他自己是上帝,那就算了吧,和蔼地说再见。永远不存在谁求谁的问题,合作是双方自愿。

 

3、让对方尽可能多的展示这次机会,作为候选人,只在电话里透露方便说的信息,比如:你的工作职责(目前工作的公司可以不说)、你的英语水平、简单工作经验等等。

 

3、不要显得很无知。我联系过一个类似的候选人,当我在电话里请她简单介绍工作经历时,她用极其不客气的语气对我说到,“所有跟我联系的猎头都是事先拿到过我简历的,你这种我第一次遇到。(这只能说明她不了解猎头的工作方式)”那次伦到我作为猎头顾问礼貌地说再见。

 

总之,抓住以上几点,可以让我们在“与猎头第一次接触”中占得先机。之后,我会在《猎头故事》系列里分享,如何能步步占尽先机J

相关文章

猎头乌龙事件

第一次与猎头亲密接触

两招揪住猎头

年薪35万女网管的故事

当猎头来敲你的窗

 

职业发展顾问Leo

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值