[思考]你会带着什么经验继续走下去?

毕业答辩结束了,我却多了一些思考。刚读研究生的时候,总是想把自己的经验写出来分享,比如两个月考研、连续三届电子设计大赛国奖、健身瘦20斤、参与朋友的创业项目等等, 后来我在想,这些重要吗?最终认为只是自己在某段时间努力的结果,并不足以当成经验,充其量算是些经历。时至今日,回首看来,思想上的转变才是我最重要的收获。

认识真正的自己

人往往难以认识并承认自身的弱点和失误,有时是因为没有自知之明,但更常见的原因是,自尊心的阻碍作用。在某些问题上,一旦自己清楚自己的短板在哪里,并虚心听取别人的建议,最终可以得到帮助。这时你将会发现,没有什么是做不到的。

我很小就听父母说:“你要虚心听取别人的建议”,但遗憾的是以前从来没被我落实过。或许是出于自尊心和缺乏自信等原因,遇到分歧的时候总是害怕失败,不愿意承认自己的弱小,所以总是会固执地坚持自己的观点,当然也不愿意承认自己的错误,更别提接受别人的建议。

后来我知道:承认自己的弱点并不是向它弱点投降,而是克服它第一步。直到研究生阶段,我才真正接受了平凡的自己,才开始倾听别人的观点和意见,果不其然,这样做给我带来了非常大的转变。

因为我明白自己是个有畏难情绪严重的人,所以努力克服告诉自己“试试看你可以的”,而不是给自己一个“没兴趣”的借口,并且继续待在自己的舒适区。

因为我清楚自己是个不求甚解的人,那么就努力多问一句“这是为什么呢”?而不是一句“管它呢,能用就行”。

承认自己的弱点,并接受别人的建议变的容易起来。其实经过认真观察和体会,每个人身上都有值得学习的地方,同时我也在深刻理解“三人行必有吾师”的含义。

相信我,一旦你承认自己的弱点,便会有无数的方法去改善、去解决你所遇到的问题或挑战,最难的是你有没有勇气承认并接受平凡的自己。

很多人不了解自己的性格,觉得自我复杂,其实复杂总是相对的。你可以回顾下自己曾经做出的重大选择,列出自己做的最重要的几件事,讲讲你之前人生风云际变的日子是如何挺过来的等等。这个时候就不要找什么借口,说什么假如,那个你,就是你的样子。
生活中你有哪些观人术? - 刀刀的回答 - 知乎
https://www.zhihu.com/question/23561870/answer/192031429

面对迷茫的勇气

我读研一的时候最焦虑,每晚失眠,一到深夜便在走廊里徘徊,那时我不明白自己为什么要来读这个研究生,学校不是名牌,学的不是自己想学的专业,将来找工作也一定艰苦万分。

这个问题太难解决,之后我就去跑步,希望用疲惫掩盖焦虑。既然想不通那就放空去锻炼身体吧,于是跟室友一起报了健身房,一开始我以为自己会很快放弃,没想到最终坚持下来了,并且瘦了20斤。

没有人可以预测未来,所以于对未来的迷茫是客观存在的,与其选择恐惧和逃避,不如把当下的问题解决,把当下的任务完成好。当我把问题一个一个解决并让自己变的越来越优秀时,周围的一切都会好起来。

当我选择勇敢面对迷茫的时候,我发现可以用以前成功的经验来鼓励自己并克服对未知的恐惧,只要是成功的经验都很有帮助,而且会形成一个良性循环,久而久之面对未知,自信和勇气都有了很大提升。

突破固有的认知

最艰难的是跨过自己心里那道坎

我之前参加了创业大赛,用的是老师的一个项目成果,当时已经做出实物了,而且效果很好,我认为胜券在握,甚至想好了奖金该怎么花。
当我在讲台上侃侃而谈控制效果有多好的时候,评委老师一脸不屑。那是我第一次感受到对于创业大赛,技术不是最重要的,其核心是如何让评委觉得你的方案可行。

我反思了比赛失败的原因,以前那些我不太愿意承认的事实,终于狠狠地教育了我。在某些层面,技术往往不是最重要的,重要的是产品定位,销售渠道,供应链管理等。

之后参与朋友的创业项目,在谈投资的时候,没有一个投资人问过技术问题,反倒问的是你凭什么挣钱?需要投多少?回报率是多少?这些才是人家关心的问题。

我终于跨过了内心深处那道坎,技术是主要部分,但不是重要部分更不是决定性部分。我跟老师讨论他的项目时,再也不会为控制方法而争的面红耳赤,而是多了一些用户体验的探讨,市场如何推广等等。

以前我是一个典型的学生思维,我觉得挣钱的模型是这样的
好好学习技术,努力工作,然后涨工资!
其中最重要的就是技术,技术好其它的都迎刃而解,别的挣钱方法都是歪门邪道。现在我知道,挣钱不单靠工资,要想有税后收入,得学会理财,进而投资自己。

尾巴

在研究生期间我的固有认知经过了几次重大改变,虽然冲突的过程异常痛苦,但是一旦跨过这个坎,就会发现有很大的突破。
由于自己一直读书,对社会知之甚少,认知有局限也很正常,所以每当遇到认知上的冲突时,便更愿意去思考,借鉴和反思。

整个研究生期间我一直在纠结为什么要读这个研究生,现在认为核心的问题是自己到底想要怎样的生活,研究生只是一个探索过程,能够多一些选择。
虽然我目前还没有找到答案,但是我接受有弱点的自己,且有面对迷茫的勇气,还愿意突破自己的认知,我相信我一定可以找到一个完美的答案。

关注微信公众号,遇见更好的自己。

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