疫情结束后,我想换份工作了


01

有位老木匠准备辞职了,他告诉老板,说要回家与妻子儿女享受天伦之乐。

老板舍不得他,问他是否能帮忙再建一座房子,老木匠说可以。

但大家后来都看得出来,他的心已不在工作上,他用的是软料,出的是粗活。

等房子建好的时候,老板把大门的钥匙递给他,“我送给你的礼物”。

他震惊得目瞪口呆,羞愧得无地自容。

如果他早知道是在给自己建房子,他怎么会这样呢?

其实,我们又何尝不是这样,我们漫不经心地“建造”自己的生活,凡事不肯精益求精,在关键时刻不能尽最大努力。

等我们惊觉自己的处境时,却早已深困在自己建造的“房子”里了。

02

或许你也曾有过这样的想法,给三千的工资就干三千的活,老板太苛刻了,不值得如此拼命地为他工作。

有的单位老板在对待员工问题上确实不是那么厚道,这样我们是不是就可以用这种心态去对待工作呢。

要是这样认为的话,我们也会忽略了另外一个问题:工作时虚度光阴是会给老板带来损失,但受伤害更深的却是我们自己。

 

360董事长周鸿祎在360新员工入职培训上的讲话,我觉得说得很中肯很实在。

大家一定要记住,混日子就是在浪费自己的时间。想一想,你35岁以后还能混么?那个时候会有更多的年轻人,他们比你更努力,比你更能干,要求也比你低。你要是没学到东西,没锻炼出来能力,他们会代替你的。能力是不能混出来的,而是学习出来的,是锻炼出来的。结果,你在企业里只把年龄混大了,能力没有提升,那么你人生道路会越来越窄,也丧失了你最好的学习机会。你一定得在360学到能力,学到本事才行,因为你将来要行走江湖,要成名立万,靠的就是能力和本事。

这一段话,我想不但适合360,也适合其他公司员工。

能力是不能混出来的,而是锻炼出来的,磨炼出来的。在公司里,认认真真编好每一行代码,填好每一个坑。为公司,也是为自己负责。

 

03

 

这世界是不公平的,但从某些方面来讲,它又是公平的。你用什么样的态度对待生活,生活就会用同样的方式对待你。

有段时间我按部就班地上班,下班了无所事事,一有时间就追剧,刷微博,刷完微博再刷抖音,就这样一个晚上就过去了,也曾因此地陷入迷茫,我会怀疑自己的能力,怀疑自己的价值,甚至怀疑自己的存在。

后来想想,看再多的电视剧,以我目前的条件,我也成不了演员,更成不了影帝。刷再多的抖音,我也成不了网红。与其无所事事,不如找点有意义的事情做。哪怕短时间内看不出什么效果,但我相信,假以时日,这件事会以不可思议的方式丰富你、回报你。

16年的时候,我写过一篇文章,《为什么有的人工作多年还是老样子》,那时候我把工作多年了还是老样子归根于缺少目标以及自身没有核心竞争力。随着这几年的一些经历,除了目标和竞争力,我认为还和自我认知有关系。

 

同样是工作几年,为什么人与人之间会慢慢产生差距?

除了一些客观因素,我想重要一点是有的人在努力想办法解决问题,琢磨着如何让自己变得更优秀;而有的人总习惯于逃避,为自己的无所作为开脱,并不断强化消极的自我认知。长期如此,能力自然不可同日而语了。

 

在这里再给大家分享一个关于巴菲特和他私人司机Mike Flint的故事。

有次,他和巴菲特在探讨他的职业生涯目标时,巴菲特让他去做这么一件事。

巴菲特让Flint写下他职业生涯最重要的25个目标来。于是,Flint花了一些时间,把这些目标写了下来。然后,巴菲特让他审视一下这个清单,然后圈出他认为最重要的5个。Flint也照做了。

巴菲特专注地看着司机,司机恍然大悟:“我明白了!我应该把所有的精力倾注在这5件事情上。至于另外 20 个,并没有那么紧急。所以可以放在闲暇的时间去做,然后慢慢把它们实现。”

“你搞错了,重点是你永远不要去碰剩下的事情。”

人的精力是有限的,如果你能及时地认知到自己不喜欢做什么,这是一件非常了不起的事情。

所以如果你明确的知道了自己不喜欢现在的工作,那就要及时止损,去从事自己喜欢的工作。但是如果你还没有想清楚自己想做什么,那请你不要冲动。不妨先沉下心来,重新认识自己。勇敢地去面对自己一直回避的问题。

 

很多时候,我们时常走着走着,却忘了自己为什么要走。把自己当成那个那个老木匠吧,想想你的房子,每敲进去一颗钉,每加上去一块板,都是在构建自己的房子。为别人工作,为了工作在工作,为自己工作,工作为我工作。

 

人的一生不一定能干成某一件轰轰烈烈的大事由于种种因素,即使我们拼尽全力,一个人也干不出一件大事,但一定要有追求,或是和别人一起干出一件大事。这件事情有多大,当我们老了,每每想起那段快乐的日子,仿佛年轻了很多,心情愉悦。我想这就是那件大事。

-END-

作者:洪生鹏 设计 阿金

你可能喜欢:

一场疫情,看清了腾讯

更多惊喜,请长按二维码识别关注

点在看就是最好的支持

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