这是一个关于 向左走or向右走、去大公司or创业公司的故事



这是一个关于 向左走or向右走、去大公司or创业公司的故事。

http://www.geekpark.net/zhuanti/images/h.png

去大公司or创业公司?

很多优秀毕业生和正在工作的职场人士一直在纠结这个问题,有很多人向我询问过这个问题,我想用一句话简单地回答这个问题:大家看到的大公司(如苹果,谷歌,Facebook等)曾经都是创业公司。

我曾听过身边的同事朋友向我唠叨某某同学之前去了阿里,现在公司上市发达了;某某同学之前去了360,曾经还是一个小创业公司,如今上市了,手里的股票值几百万,发达了。恨自己当初去了大公司求安稳,如今只能拿到看上去还行的固定薪水,薪水涨幅甚至跟不上物价涨幅。

我想对这些同学说,如果当初阿里,360在创业阶段找你的时候,你会接受他们的offer吗?

在大公司可以学东西,学到东西再去创业公司更好?

我本人在两家国际大公司工作过,我承认大公司资源很多,可以学的东西也很多,大公司的资历也很值钱。但我也看到大公司分工很细,一个萝卜一个坑,很多人被放在一个坑里,一待就是五六年。大公司不乏清华北大的毕业生,甚至还有哈佛,斯坦福的毕业生,还有很多带着辉煌的经历进来的社招职员。但和他们的学历背景形成鲜明反差的是,他们中的很多人做着极其无聊,极其简单的工作,比如每天修改配置文件,每天开着大量的会议。

在技术行业,外面有这么多的开源代码,真的需要去大公司才能学东西吗?创业公司不需要特别细致的分工,你可以做任何你可以胜任的工作,你可以学任何你想要学的知识和技能,这不比在大公司整天改配置文件,整天开会更有意义吗?

大公司有很多高级人才,和高级人才人才一起工作,对自身成长更有帮助?

很多人有这个观点,在我离职去创业前,我的经理也向我提出了这个观点。我认为这个观点落伍了,近几年,大多数有创造力的科技产品来自硅谷的创业公司。硅谷的创业公司为什么有这么强的创新能力?是因为这些创业公司有大量的梦想着改变世界的高级人才(不乏哈佛,斯坦福的优秀毕业生),现在硅谷的创业公司是美国大多数有梦想的优秀毕业生的首选,并不是那些已经成名的大公司。

现在国内科技行业和硅谷正在接轨,很多有想法的年轻人刚毕业就会加入自己认为不错的创业公司,而不是BAT

 

为什么选择无距科技?

无距(WWW.NeXTeChat.COM)是一家旨在打造下一代邮件系统的创业公司。无距的使命是消除信息禁运、提高协作效率eMailChat是无距的第一款产品,无需注册轻松汇聚好友,更被视为Gmail复联利器,推出几周就受到数万粉丝的追捧。解决Gmail失联问题仅仅是无距实现使命的起点。如果你是技术高手用户体验大师,或者是有创意的产品经理,请发送简历或问题至nick.miao@nextechat.com

http://img001.china-dirs.cn/data/user/k044/user040/uploadfile/cn/2011/12/26/gc-01a.jpg

工作地点:上海徐汇区桂平路391号新漕河泾国际商务中心A10,

 

你在哪里?

资深C++开发工程师 (工作经验3年以上)
职位描述:

  1. 负责公司应用软件产品程序的设计与开发;

  2. 参与产品的需求分析和功能分解;

  3. 按照代码的开发规范来编写有效的代码;

  4. 完成产品的技术攻关与实现;

  5. 配合项目/产品完成相关任务目标;

职位要求:

  1. 本科以上学历,计算机等相关专业;

  2. 精通C/C++语言编程,C/C++项目3年以上开发经验;

  3. 熟悉多进程/线程编程;

  4. 熟悉网络编程,有扎实的网络知识基础;

  5. 熟悉数据库开发,如mySql

  6. 熟悉云服务,如Windows Azure

IOS开发工程师

职位描述:

  1. 能独立按照产品设计要求完成iPhone手机客户端相关产品的研发、测试与发布;

  2. 负责相关开发技术文档的编制、技术备案、软件版本管理;

  3. 负责客户需求的技术调研和分析,并参与方案整合;

职位要求:

  1. 本科以上学历,计算机等相关专业;

  2. 熟悉IOS平台,具有丰富的C++, Objective-C 编程经验;

  3. 熟悉XcodeiPhone/iPad SDK开发环境;

  4. 精通sockethttp网络接口编程、熟悉IOS开发框架,能独立完成开发任务;

  5. 基础扎实,熟悉常用数据结构与算法;

  6. IOS开发实际项目经验者优先

Android开发工程师

职位描述:

  1. 能独立按照产品设计要求完成Android手机客户端相关产品的研发、测试与发布;

  2. 负责相关开发技术文档的编制、技术备案、软件版本管理;

  3. 负责客户需求的技术调研和分析,并参与方案整合;

职位要求:

  1. 本科以上学历,计算机等相关专业;

  2. 熟悉Android系统体系结构、应用开发框架、底层库及Android SDK,熟练使用相关开发工具和测试工具;

  3. UI设计有成熟经验(必须),能独立开发Android应用;

  4. 有扎实的Java/C++ 基础,熟悉JNI开发,有良好的算法基础,熟悉基本的数据结构以及常用设计模式;

  5. 具备架构设计经验;

  6. Android平台开发经验及跨平台实际项目经验开发经验者优先

用户体验设计师(UE)

职位描述:

  1. 负责参与产品的前期视觉用户研究、设计流行趋势分析,主导设定产品的整体视觉风格,拆分设计工作量、时间安排,并跟进开发落地产品;

  2. 负责日常的运营活动及功能维护提供美术支持,并能够形成产品独特的具有传播力的运营设计风格;

  3. 负责参与设计体验、流程的制定和规范;

  4. 负责分享设计经验,推动提高团队的设计能力

职位要求:

  1. 本科及以上学历,美术、设计或相关专业本科以上学历

  2. 从事设计行业工作1年以上,有成功案例者优先

  3. 具有深厚的设计理论与娴熟的设计技巧,善于捕捉流行趋势,并能推动团队设计能力提升

  4. 热爱设计,拥有宽广的行业视野与时尚的审美标准

  5. 精通PhotoshopIllustratorFlash等设计工具

  6. 具备良好合作态度及团队精神,并富有工作激情、创新欲望和责任感,能承受高强度的工作压力

产品经理

职位描述:

  1. 负责参与用户需求分析,收集用户/客户需求、进行市场和竞争分析、制定产品规划;

  2. 主导用户场景和功能设计,不断优化产品体验,并协调/推动研发团队按时完成产品开发、高质量上线;

  3. 负责在项目推进过程中的跨部门协调沟通工作,能够协调各资源以确保产品顺利发展

职位要求:

  1. 有互联网工作经历,了解互联网的产品研发和运营流程,以及各个角色工作内容,熟悉在 产品 研发过程中涉及到的各类文档

  2. 对数据有极强的敏感性,能够从大量市场和产品数据中提炼趋势,为产品方向做引导

  3. 出色沟通能力,能够在跨团队的协作中起到协调作用,理解团队合作的重要性

  4. 有极强的自学能力和行业研究能力

  5. 有商业产品设计研发或项目管理经历者优先

  6. 大学本科及以上学历,计算机相关专业优先

  7. 有独立负责、成功设计并实施运营产品经历者优先

     

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
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