ITFriend创业败局(四):菜鸟CEO的自我修养

自创业自封CEO以来,短短3个月,又经历了无数的磨练,快速成长中。

创业不同于打工,他要求你必须有全局观和综合能力,技术、市场、商务,啥都得会,还要处理各种各样的问题和矛盾。

根据个人经历,我总结了以下几点:

1.胸怀

      以前的我,不喜欢别人的批评,别人指责我、侮辱我的时候,打架、骂战、不给对方好脸色,结局就是双方都不开心。

     创业前后,有的好友潜在合伙人不愿意一起干IT,认为没钱途,让我大失所望;有的好友潜在合伙人,认为搞社交没新意,干活不给力,我内心非常愤怒;很多人想知道你的创业方向,知道后,觉得没前途,还有的会打击你。

    总之,让你不开心的事情非常多。

    每当我愤怒的时候,我一直都尝试控制自己的情绪,好生与人沟通。不断挑战自己的底线,提高自己的心理承受能力,尝试着去包容更多的烦恼和不满,包容更多以前所不能容忍的。

  如果你不能包容别人,忍受别人的指责,去和对方“对抗”,只会给自己带来更多的麻烦。

2.耐心

  创业,最大的还是心理压力。心理压力来自,没有金钱收入,对成功的期望,对失败的担忧,别人对你过高的期待和美誉,别人对你过低的期待和挖苦。

 创业需要与很多人打交道,合伙人、合作伙伴、银行、QQ网络陌生人等。与人沟通交流的时候,可能会非常着急,急切地想把事情办成,而没能准确地理解对方的想法,导致出现争执。

 出现分歧的时候,耐心交流非常关键。争吵不能解决问题。

 有时候,大家都想把事情做好,只是因为思考问题的方式不同,结果反而导致不能把事情做好。

3.毅力

  当我决定创业的时候,我是毅然决然,毫不退缩,打算勇往直前的。

  我首先咨询了大学老师-副教授老猫的看法,他不看好,觉得社交网络没有前景,他的一个理由是新浪微博流量大幅下滑。

我和武汉上谷网络张总,谈社交网络,他觉得这个风险太大,玩不起,建议我继续工作,或者找个难度较小创业项目先做着,或者加入他们公司,和他一起继续创业。

 除此之外,以前的所谓的潜在合伙人,根本不看好。众多QQ好友等网友,也只是图个热闹,并不会竭尽全力帮你。

别人不看好,打击你,有的甚至侮辱你,有的时候,会让你自己也开始怀疑。

我坚持看好。如果说,刚开始提出IT社交创业方向的时候,还只是一个模糊的想法,现在又经过了3个月的思考和积淀,我有了更清晰的认识。对于2014年的全年发展,还是有清晰的规划的。

我们应该逐步分阶段,完成一个个栏目、应用的开发,做好用户服务、市场推广、商务合作等各项工作。

4.厚脸皮

  中国有句古话,脸皮厚,吃个够;脸皮薄,吃不着。

“技术出身”的我,脸皮还是比较薄的,或者说自身性格本来就比较保守、腼腆,不太愿意主动与人沟通交际。

放下自尊、放下脸面,与更多的人交流,包括小区保安、超市阿姨、陌生的网友,而不能只限于IT圈尤其是技术达人程序员们。

敢于竞争,该争取的利益,果断去抢,无论对方多强对牛逼,也得誓死战斗,不能退缩。

我发现,网上被骂的最惨的,都是那些相对比较成功的人,知名度较高的人,如李彦宏、马化腾、方舟子、韩寒等。

坚持写博客,发表分享自己的看法,不怕攻击和责难。

为自己心中的梦想,为团队,为我们公司,而努力奋斗。

5.表达能力

很多人都想知道你创业干的是啥事,每个人对互联网的接受程度差别很大,如何让每一个人都能理解你所做的事,是一项巨大的考验。

在与人说话的时候,有人喜欢严谨准确,有人喜欢幽默风趣,有人喜欢清晰简洁,如何不断提高自身的措辞描述能力,让更多的人满意,也是一个挑战。

6.解决矛盾

  出现分歧是很常见的,关键是要及时发现和理清,双方的分歧点。

 只有认识到双方的不同点,才可能达成一致,或者说“妥协”,每个人都在不断地进行妥协。

  要么让别人向自己妥协,要么自己向别人妥协,或者双方互相妥协。

---------------------------------------
总结
   就结果来说,2014年第1次创业,很不理想。由于多种原因,我选择了放弃,我一点也不后悔。
   2015年,请复战~  

 小雷FansUnion-第1次创业,半途而废的男人
 2014年6月,2015年2月16日
 北京-昌平-天通苑,湖北-武汉-循礼门

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 8
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