好工作,坏工作

好工作,坏工作
陈漠


    职场中人往往对职业评价摸不着头脑。 


  超过七成的上班族想当记者,但记者们却把自己描绘成“新闻民工”,身心疲惫、四处奔波、天天熬夜、收入微薄,就差爬塔吊了。公务员说自己是压力最大的职业,但报考公务员的人数和报考比例年年创新高。国企CEO很郁闷,都是管理人员,为何比外企要差上一大截?外企CEO也不痛快,为何垄断行业的中航油没啥竞争,CEO年薪却可以拿到2350万元? 


  在这种情况下,有一份报告你不得不读,那就是中国社科院在2001年做的《职业声望调查》。虽然已经过去6年,但其中仍有不少耐人寻味的东西值得今天参考。80个职业分门别类,基本上囊括了当时人们的所有想象。中国社科院社会学研究所副研究员李炜认为,职业声望是公众对客观存在的职业等级在主观层面的反应和评定,而这种评定则由教育程度、职业收入、劳动技能、支配能力等等复杂因素所决定。 




  下面我们试图给出这样一些标准: 
   


  法则一:当然是钱。 


  当晒工资成为最热炒的网络现象,当垄断行业的工资构成成为人们讨论的焦点,当通胀让你每月拿到的钱都会短一截,那么,钱就成为职业的第一标准了。何况,工作或者职业的原始目的就是赚钱。 


  问题在于,工资是钱,奖金是钱,福利收入和隐性收入也是钱。国企员工的工资单上有采暖费、消暑费、书报费,外企和私企员工却只有一两个简单名目。上市企业的员工们在计算着自己的期权,大多数企业员工则在纳闷:为何国家统计局总是说全国城镇职工平均工资不断在涨,而自己的工资单数字却纹丝不动? 


   
  法则二:美誉度。 


  美誉度对于职业的作用就像绯闻对于明星的作用,没有的时候想要,有了又不想。大学教授显然比中学教师更有美誉度,而工程师自然比技术员听起来更好听,影星比电视剧明星高级,CEO要比厂长更现代。 


  职业的美誉度饱含了人们对于这项职业的无尽想象,这其中有道德因素、风光程度、职业形象的优雅与否等等,还受着当时社会环境的影响,同样一项职业很有可能在短时间内经历美誉度的几起几落。 


  比如,医生。白衣天使、救死扶伤、医者父母心……你尽可以举出很多的赞誉之词,这些都蕴含了人们对这一职业的高美誉度的认同。可同样,简单的一起事件也可以让这些词改换成:红包、黑幕、回扣、医疗事故等等负面评价。 


  职业的美誉度就是这样模糊并善变。 


   
  法则三:可持续性。 


  很多女孩子去当空姐是因为想张扬自己的青春,很多二三流明星最终发现几年出不了头就意味着一辈子出不了头。一个职业能不能拥有吸引力,很大程度上决定着它能干多久。虽然,我们看到模特最终成为了模特经纪公司老板,空姐变成了地勤,记者都当了主编,服务员自己开了小饭馆,明星都开始写回忆录了,但这也只能认为是他们利用了职业资源成功转行,而不能说是原来的职业本身具有可持续性。 


  我们的理想都是35岁退休,但你知道,理想终归还是理想,能在53岁退休都应该额掌相庆。趁年轻捞上一笔固然是一种走法,但更多的人喜欢可以一直捞。 


   
  法则四:权力和影响力。 


  简单地说,就是能不能影响别人的生活。 


  一个大学教授可以决定一个学生未来的3年是在格子间朝九晚五还是读自己的研究生。一个明星可以让500个粉丝甘愿放弃自己的生活,到机场出口去等上一天,而一个狗仔队则可以让这个明星张皇失措地挡住自己的脸。一个石油公司可以让3.3万亿的资金冻结起来等着中奖,然后两天内又可以让中了奖的钱蒸发掉600亿。 


  在改变别人生活的力量中,以不被人察觉的方式出现的是影响力,以显而易见的方式出现的就是权力。比如,无论是不是“史上最牛”,钉子户和媒体都不可能真正影响到别人生活,真正的主角是政府的拆迁主管部门和房地产开放商,尽管他们一度被弄得灰头土脸,但是别忘了,让你成为“钉子户”的是他们,让你成为“史上最牛”的也是他们,让你最后消失的还是他们,“钉子户”或者不是钉子的拆迁户的生活都在他们手里,媒体的报道和大众的谈资也在他们手里。这就是为什么青春偶像剧《奋斗》里男主角的生父和养父分别是房地产商和规划局工程师的原因。 


   
  法则五:技术含量。 


  虽然职业不分贵贱,但人们总还是怀着一点点技术崇拜的心态。能够成为工程师自然以为你拥有着较高的教育背景和技术水平,这些都代表着你在这项职业上的前期投入足够多,自然也就引起对这项职业的产出预期。 


  判断技术含量的一个简单标准就是准入门槛。人人都可以当小商贩,所以小商贩比百货公司经理的技术含量低;很多人都可以当IT工程师,但能进微软亚洲研究院的只有800多个。 


  另一判断标准则是职业的名字,英文比中文高级,中文里字数多的比字数少的高级,新词汇的比旧有的高级。所以,人们便开玩笑给小偷改名叫做夜间物流工程师。 


  和技术壁垒相对应,还有一些非技术壁垒的标准。同样是做职员,打打报表、发发传真,在普通公司做和在中国移动做显然不同;同样是建筑师,给建筑公司打工和在规划局供职可完全不一样;同样是考公务员,监狱管理局和烟草专卖局可是两回事。可以总结的规律是:如果你的单位拥有人所皆知的简称,那么它基本上就是份好职业了。 


  在《职业声望调查》中我们看到,外资企业电工、集体企业电工、国营企业电工、私营企业电工分别单项计算。连电工都分得如此之细,可见中国职业阶层之博大精深。 
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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