一个厨师的前半生后半生在阿里改变

原文地址

阿里有个同事叫盖睿,加入阿里前,做了三十年厨师。别人说,他是上海有名的“厨神”。

现在,他脱掉厨师服,放下炒勺,每天夹着电脑,穿梭在写字楼里,和一群年轻的程序员讨论代码。

如果人生是一场电影,他的前半生,演的是周星驰的《食神》;后半生,演的是扎克伯格的《社交网络》。

image


我17岁开始做厨师,做了三十年,做到万豪酒店的第一位本土行政总厨,已经算是厨师圈内认可的高手了。

没想到,居然加入了阿里巴巴,整天和一群戴眼镜比我年轻20岁的小伙子们混在一起。

放在两年前,我绝对想不明白,阿里为什么要招我呢?我完全不懂互联网,最多就上网看看新闻打打游戏啊。

image


“这不会是家皮包公司吧?”

来盒马面试,是15年的夏天。

当时盒马还没有办公室,面试是临时借了一间很小很简陋的会议室,灯光很暗,地毯很脏,桌子一按就晃,空调冷气一直打不足。

但是一群人讲的眉飞色舞,眼睛里放光。他们想做一个改造传统线下商业的创业项目,先从饮食做起。后来,我才知道,这叫”新零售”。

面试只花了40分钟,盒马创始人、CEO老菜挺满意:你越快过来越好,我们马上要开餐厅。

——好,餐厅开了吗?
——没有。
——地址在哪儿?
——也没有。
——那总有菜单吧?
——等你来了之后再定。

当时我心里就打鼓了,这不会是家皮包公司吧?

不光是我不信。后来盒马的第一家门店装修,装修老板对我们这帮人也半信半疑:“你说是阿里巴巴的,谁知道你们是不是骗子?”

我们只好请他去西溪园区逛了一圈,他才肯信。

image


在盒马,比当学徒还要痛苦


1987年,我17岁,去了上海宝隆宾馆做学徒,跟师傅学做烤鸭。

八十年代,想进厨师行当,要循古制,做学徒,跟学相声学唱戏一样。师傅先冷眼旁观,看你真的有心了,才肯教一点。

我给师傅打下手,每只鸭子打足气,摸到鸭子肋下,挖一五指宽的小洞,弯腰慢慢伸进两根手指,把鸭子的内脏掏出来,还不能碰到皮。

这道程序极难,就算再有耐心,也难免会被鸭子体内的碎骨头划伤。每天要处理100只鸭子,有段时间我手指划得伤痕累累,感染得跟胡萝卜似的。我咬紧牙关,一声不吭。

最后终于感动了师傅,才把所有烤鸭的秘诀悉数教我。

做厨师苦吗?

很苦。

但在盒马,有时候,比当年做学徒还难受。

image
年轻时的盖睿


那天晚上,我把自己关在房间里,哭了


在盒马,我做的第一件事,是盒马外卖。

外卖是盒马最初的方向,我们计划打透白领市场。我是盒马外卖的leader,某天去一个朋友的厨艺工作室,拿起炒勺做了八道上海家常菜。送到办公室,同事们一试,个个竖大拇指:从没吃过这么好吃的外卖!

2015年7月7日,盒马第一家店开在上海八佰伴。我记得很清楚,为了这次开业,我们50多个小时没睡觉。

那真是一段打了鸡血的日子。每天早上六点钟,马路上一片寂静,但推开餐厅的门,灯光敞亮,嘈杂但有秩序。所有人热火朝天,洗菜,备菜,眼神里藏不住的亢奋。

插一句,前几天,盒马两周年的时候,我们又去了那家店,熬夜守了个岁。几个人在狭小的办公室里,喝了点啤酒,恍如昨日。

image
盖睿和同事在厨房试菜

当时,开业第一天,外卖卖了200份,第二天是300份、400份,每天都上一个台阶。数目蹭蹭蹭上涨,我们越做越有信心。

过了几天,就有竞争对手装成客人悄悄来打探,又有一天,有个中年男人买了个盒饭,问我们:你们需要风投吗?

那时候,盒马的外卖已经做出了口碑,但是公司综合考虑,决定业务调整,停掉外卖业务,重点转向鲜生门店。

阿里有句话:拥抱变化,我很认同。这是一个快速变动的世界,创业团队,如果不及时根据市场调整方向,那反而容易一条路走到黑。

但看着跟我一起打拼的兄弟们一个个离开了我,去了其他团队,说不难过,那是假的。那天晚上,我回到家,把自己关在房间里,哭了。

image
盒马的会议室,以各地的特色小吃命名


麻和辣的比例,要调30多次


有人说,阿里是一个边开飞机边换引擎的团队。相比厨师行业,互联网世界变化太快了。作为创业项目,我们这帮人得不断尝试,快速调整,重点打透。

外卖业务结束之后,我带着一群技术人员,上手做了一个新的项目:盒马工坊。

我们做的是现售的熟食产品、方便菜和新鲜的点心,比如小馄饨和月饼。这其实背后瞄准普通上班族的痛点:希望回家能吃个家常菜,既新鲜、又好吃。

我带着一帮研发人员,研发各种新菜。这帮人里,很多人都有厨师背景,大家都是真心爱这行。有时候时间长了,我也想厨房,老想换上衣服,试试菜。

尽管现在已经不需要我来下厨,但是这么多年了,有瘾。

某种意义上,这份工作,和阿里其他岗位没什么两样。程序员上班抓bug,我们也抓bug——小馄饨粘在一起了、口味咸了淡了、水分多了少了,都得一次次调试。

我们还做了麻辣小龙虾月饼,现在中秋节还没到,已经卖出了100多万,成了网红。

月饼满大街都在卖,但要做好很难。我们每只月饼,必须是18层酥皮,里面必须三只小龙虾,每只个头必须在9钱以上。最难的是麻和辣的比例,为了做到麻不呛口,辣不刺激,我们这帮人,在厨房里试验了30多次。

最后和市面上的老字号月饼一比,工艺上,我们是最棒的。

image


这是我打的最后一份工


韩剧《我叫金三顺》里有个情节,一个姑娘到餐厅吃饭,只吃了一点点,就不要了。大厨看到了就忍不住跑来问:是我做的不好吗?

对方说:不,是我不想吃。

大厨就发脾气了:你不能这样不敬畏食物。

这片子我印象非常深,我做厨师三十年,一直很有幸能做这一行,你不能不敬畏食物。我喜欢“吃”这个东西,这是人与人关系很好的粘合剂。吃里有人、情、味。

来盒马之前,老婆劝过我,就算跳槽,也应该找一个安稳的工作。

当时我45岁,年纪其实很大了,白头发也不少了。

但是,在这个年代,能做一个众人皆知的产品,能让大家享受“吃”这个过程,于我来说,实在有幸。

当时,我对她说了一句话,这句话我一直记着,现在也还是这么想的:“我就把阿里,当做我这辈子的最后一份工。”

盖睿热爱“吃”这个行业
所以选择冒险
选择一条很苦但又很酷的路
你有没有想过,你内心真正热爱的是什么?


原文地址


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。
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。
【5层】公司办公楼全套设计+++(3156平,含计算书、建筑图,结构图、实习报告,PKPM,答辩PPT) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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