改变命运有七次机遇?但和你没有一毛钱关系

欢迎关注天善智能,我们是专注于商业智能BI,人工智能AI,大数据分析与挖掘领域的垂直社区,学习,问答、求职一站式搞定!

对商业智能BI、大数据分析挖掘、机器学习,python,R等数据领域感兴趣的同学加微信:tstoutiao,邀请你进入数据爱好者交流群,数据爱好者们都在这儿。

作者:云飞,原京东集团总部运营经理,阿里巴巴大区运营总监助理,某数百亿独角兽总经理助理。专注职业发展和互联网领域

个人公众号:云飞日记


今天原本打算推送关于滴滴的文章。


发现一篇现象级刷屏爆文,《大江大河40年,改变命运的七次机遇》。


文章以去年热门电视剧《大江大河》为线索,细数改革开放40年来的七次重大机遇。



我非常赞同文章的观点,


个人的发展机遇确实脱离不了时代的大浪潮。


也在之前的文章里多次提到过自己的观点:


不要做逆风航行破船上那个最勤奋的水手。



我也赞同从过往历史中借鉴经验,汲取教训的看法。


大学里最喜欢阅读的就是政治、哲学方面的书籍。


曾用一个暑假和寒假时间读完了《西方政治哲学史》、《西方政治学说史》等政治哲学经典名著。


历史的剧情永远惊人的相似,只是登台的主角一直在轮换。

但,现实的情况是。


大部分人总是穷奇一生在追逐所谓的风口和机遇,却忽视自身的实际条件和现实处境。


曾看到过一个很有意思的观点。


那就是个人成长的“Z”字型理论。


我在此做一点自己的理解。


一个人穷其一生能达到的高度。



1.成功取决于你的起点


即“Z”字最下面那根横线。


上高中时候,


政治课老师为了鼓励我们刻苦学习,经常给我们讲一个案例。



记者遇到一个放羊倌,问道:


小孩,你放羊干啥呢?


放羊倌回答道:挣钱娶媳妇。


记者又问:挣钱娶媳妇干啥呢?


放羊倌又回答道:生孩子放羊。



刚开始听到这个故事觉得很好笑,现在却觉得很心酸。



当时我就读的是县城中学,文科大概一年有1-2个考上重点本科。


所有人都挤破脑袋,每天恨不得吃饭睡觉都在学习。


只是为了抢这一两个重点大学名额。



读大学后认识了一些省城重点中学的同学,


才发现原来上高中除了学习睡觉,还可以这么丰富多彩。



参加工作后,进入过几家知名互联网公司。


身边的同事不乏麻省理工博士、康奈尔大学硕士等全球顶尖名校高材生。


人家压根就没有经历过残酷的高考好嘛。




在大众眼里。


进入顶尖名校肯定优于进入国内普通重点高校,也远胜于当放羊倌。



但在每个当事人面前,


这只是受限于客观实际,做出的最符合个人发展的最优选择。


换位到当事人当时的现实处境下,我们的决策也不一定比别人高明多少。


五环内和五环外,隔着的不仅仅是一条五环。



最常被人们唠叨的一句话:


有的人出生就在罗马,而有的人一辈子也到不了罗马。


起点决定人生的高度,

 

虽然很残酷,这就是现实。


2.起点,决定你的天花板


也就是最上面那根横线。


最近两三年,歌唱类选秀节目层出不穷。


大部分参与者也仅仅只是参与而已,即便获得了不错的名次。


等风头过去,也免不了泯然众人的结局。



其中有一个选手让我映象特别深刻。


那就是叶炫清。


第一次看到她的表演是在《梦想的声音》。


她用竹笛演奏林俊杰的歌曲《关键词》,并先后挑战了羽泉、林俊杰,正式进入演艺圈。


那一年她才18岁。



后来陆续发表过《九张机》等爆红歌曲。



今年不到22岁的她,


在大部分同龄人还在痴迷于韩剧、游戏,处于懵懂无知的年龄段。


已经拥有了看似非常美好的未来。



曾经专门查阅过她的资料,


家族三代唱越剧,从小在民乐的熏陶中长大。


当年以全国第五名的成绩考上浙江音乐学院流行音乐系。




近年来,很多人总会把知名高校的农村籍贯学子录取率越来越低说事。


认为寒门逆袭越来越困难,阶层越来越固化。


呼吁呐喊没错,


但任何事情一旦存在,那就肯定有其合理性。



放眼到更大的范围,


那些能在各自领域很快取得一定成就的人。


有像叶炫清这样具有天赋并祖传世袭的,


但通常这样的人,


他的家庭背景条件都不会太差。



优越的家庭条件,


除了能给他的成功提供金钱、人脉等方面资源的便利。


更重要的是,


从小在父母耳濡目染的熏陶下,

 

他们更懂得延迟满足,刻意练习的重要性。



任何行业想要取得成就,


无非就两点:延迟满足+刻意练习。


而这也是大部分普通人所不具备的品质,


他们没能力也不会下意识地把这种品质传递给自己的子女。



当然,凡事都有例外,


任何一个领域,


你也都可以找到家境一般、资质平平却又突然逆袭的奇迹。


这玩意儿就和炒股一样,也只是个概率问题。


上千万的股民中,总能找到10个连续七天都买到涨停股票的。


但他们的成功经验可以复制吗?




所以你的起点,

通常已经决定了发展的天花板高度。

 

而一切的努力或者机遇,

 

充其量就是调整“Z”字中间斜杠的斜率大小。

 

降低上升难度或者缩短到达顶部的距离。




更残酷的现实是,


以目前大部分人的努力程度,极少有人能真正地触及到所谓的天花板。



3.思想的巨人,行动的侏儒


看起来这篇文章很悲观?


其实并不是,我一直对未来保持乐观。


如果一个成年人因为看到那篇文章,


顿时热血激昂,立志把握时代机遇做一番大事业。


又因为看到了我这篇文章,


就觉得人生一片昏暗,日月无光。



那你应该真正思考的,


不是我们两篇文章大相径庭观点背后的谁对谁错,谁是谁非。


而是应该重新认识你自己。



人世间最大的悲剧,并不是一条路走到黑。

 

而是脑子里向往着诗和远方。

 

却永远只顾着眼前的苟且,在行动上始终不肯迈出那一小步。


3901436-34b659679ad8082a


往期精选

数学推导+纯Python实现机器学习算法2:逻辑回归

数据分析到底对企业有什么用?

总结 | 基于代码的数学符号释义(一)

2018年终精心整理|人工智能爱好者社区历史文章合集(作者篇)

2018年终精心整理 | 人工智能爱好者社区历史文章合集(类型篇)


公众号后台回复关键词学习

回复 免费                获取免费课程

回复 直播                获取系列直播课

回复 Python           1小时破冰入门Python

回复 人工智能         从零入门人工智能

回复 深度学习         手把手教你用Python深度学习

回复 机器学习         小白学数据挖掘与机器学习

回复 贝叶斯算法      贝叶斯与新闻分类实战

回复 数据分析师      数据分析师八大能力培养

回复 自然语言处理  自然语言处理之AI深度学习

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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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