【TZCOO】教你做一个高逼格的演讲人

曾经有很多朋友问过我,为什么你做的PPT就比较好看,比较有逼格,讲起来特别顺

我的回答可能有点虚,或者有点难以理解,但这些技巧就是我在工作中总结的,或者身边的朋友中学习的,那么我就分享下我的一些小技巧及注意点。

  • PPT的大纲需要有逻辑性
我一般在写某一个主题的PPT时,一般会先在WORD中列个大纲,然后再把大纲里的内容慢慢的找资料填充,这样有助于我们对PPT里讲的内容的连贯性。比如我们要写一个产品介绍,那么我就会先大概用一个前言或者故事去引出这个产品,然后我再用一至两张PPT去稍微介绍下,接着我会再做几张PPT去说明为什么要用这个产品,这个产品会比其它的产品好在哪?最后我会总结下这个产品的优势等内容。那么从这个思路我们就可以得到了一份PPT大纲,如下:

    1. 引言(概述)
    2. 产品介绍(这个产品是什么)
    3. 为什么要用这个产品
    4. 同行产品比较
    5. 技术或性能优势在哪?
    6. 用这个产品会带来什么好处?
这样的一个提纲出来后,我们就顺着这些内容往里填就行了。一份好的PPT就需要有一个好的大纲开始


  • PPT的内容一定要精
所谓精,就是精华,在内容的定义上,一定要取其精华的描述来说。当然在描述的方法上,记住“ 图胜于表,表胜于文”,这8个字概括了内容的表现手法,也就是说能用图片表示的,尽量不用表格;能用表格的,尽量不用文字。因为图片的表现手法,也就是让的一看到图片,脑袋里的理解感观马上就行成。同样,要想表示某个数字,那么用表格马上就把数字通过多维或者表格的形式展现出来了。

但理解了以上还不够,一般在做法上,我们先了解清楚,我们的这个PPT是做给谁看的,还是用PPT来讲解内容或报告/展示的,所以PPT也分为两种,一种是给人看的,如咨询公司的报告,财务的年度报表,这种报告相对来说比较少,有些人甚至一辈子都不会做这样的;所以我们现在来讲另一种,也就是拿PPT来讲的,给人听的。这种PPT的关键点是在于,PPT里面一般都是一些大纲的内容,是一份提纲,给讲解的人来参考,来理清思绪的,那么这种PPT就是我们讲的,内容上更要精。

  • PPT在制做时的一些注意点
    • 比纲的字数上来说尽量不要超过14个字。
    • 字体的颜色尽量不要超过3种。
    • 在PPT中尽量的不要添加声音及动画。
    • PPT中的大纲字体一般在32至44之间,内容的字体则不要超过32号
当然在现在很多互联网公司的PPT偏向于扁平化,也有很多PPT甚至没有大纲,只有关键字,在这种PPT也是属于创意形的,其目的也是为了让更多的人记住这些关键词而特别设置的,这种我们就需要另当别论了。

  • PPT在讲解前的准备工作
一个好的讲师,或者一个职业的演讲者,一般背后都有很多艰辛的地方,比如,本人曾做为一个软件公司的售前,每次在与客户讲PPT前,都会提前2〜3天做完,然后会对着镜子提前练习几遍,包括手势,语速,着重点的音调等。所以不要看PPT讲师在台上的亮丽,实际上需要做很多的准备工作。另外在讲PPT前,我们一般需要提早半个小时到场,所谓“早到三光,晚到三慌”,一般提早到,我们需要检查课堂或者会场的白板,白板笔,激光笔,投影机,有些甚至还得检查麦克风,音箱,灯光,总之这些准备工作就是需要讲师提早要检查的,否则会影响您在场上的发挥及演讲效果。

  • 演讲/讲解过程中的应急技巧
一般人不会理解,在讲解过程中需要有什么应急技巧?这么理解吧,我们在做任何一场活动,讲课或项目时均需要考虑应急,所以PPT讲解也是一样,在讲解的过程中,会发生很多不可预见的事情发生,那么在我们这里解释的是会场上的应答技巧。在演讲的会场上,会有一些用户或者学员会问一些可能连你自己都还不会的,或者根本还没有理解的内容,那么在这种情况下,我们一般会与提问者讲,这个问题可能涉及的内容挺多,会后再单独讨论;此类的事情还有很多,如现场投影机临时坏掉了,麦克风无电了等等,总之,应急的考虑主要是为了“不要让任何事情影响你的演讲或讲课“,这是是应急的主要考虑内容。

  • 演讲结束后需要做的工作
一般人会说,讲完了我就走了呗,还要做什么?错,一个专业的讲师或者演讲者还会做一些事,比如:讲解过程中的一些提问,连你都没回答的,这时你就需要与他沟通,如果真答复不了的,留下联系方式,便于日后沟通;另外还需要与主办方/关键听众交换名片,联系方式,有些白板上的内容其实也是需要恢复到来时的状态,如果可能,做到最后一个离开会场。




如果你在PPT制作中,在演讲的过程中注意这些细节,或者熟练的使用这些技巧,那么恭喜你,你再多加练习就会成为一名合格的讲师/演讲者了。

好了,今天就写到这,如您还需要有什么与我讨论的,请邮件直接联系我Jerry.lin@tzcoo.com,非常高兴与您讨论这些内容。






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