慢思考:修炼你的哲学,做自己的英雄

离开学校得有4-5年了,一旦离开学校,很多既往的观念都不再适用。比如你会遇到很多问题,这些问题包括技术问题、生活中的遇到的问题、感情中遇到的问题、工作中遇到的问题等等,并且其中的大多数都不是黑白分明、对错井然的,更多是你从自己当下的认知去思考和考虑,从很多疑惑到稍微能够思考明白一点点,然后涨一点点经验,提炼出自己的一点点生活哲学。这里记录一下自己最近遇到的一些问题和此时此地此刻,自己在当下的一些思考。我知道自己未来的想法肯定会变,因为每天我们都在经历、思考、实践和变化。但是当下的思考和记录在漫漫的时光里反而是弥足珍贵的。

01.一个方向,持续投入?

职业生涯很重要的一个点是找到自己在团队中的定位,不断精深深入这个定位,快速的培养自己的不可替代性。这里面的关键字是:定位、方向、快速、不可替代。

在这个过程中,你可能遇到的挫折:

1.方向的选择。方向的选择是个很大的学问,是个需要前瞻的东西,当下我也看不清楚。不过这个很重要。这个东西也一直在我的排期里,但是总是没有付诸实践。感觉这个东西,如果自己看不清楚,就要找比自己级别能力强很多的人指导一下,这是一个面向未来的东西。我也只是能在小方向上有自己的想法,技术上目前有一个大的方向是:在音视频播放和编辑上形成技术壁垒。能够把相关的前后端技术打通。另外一个方向还在观察中,目前考虑是跨平台方案。我们都知道音视频现阶段很火,但是未来并一定。但是既然选择了,就要承担一定的选择后果,即使未来不火了,但是你基于此的学习能力是完全的锻炼出来了。

2.在方向上怎么单点突破,怎么学习,怎么持续积累。
其实很多人都知道当下音视频很火,我相信很多人都曾信誓旦旦的在心里给自己定下过目标,然后说到跟做到之间天差地别。如果有100个人,其中知道要学习的有80个人,开始学习,但是断断续续的可能60个人,能够在具体的工作中用到实践到的可能40个人,能够给自己设定一定的阶段学习计划的可能30个人,知道怎么去学,知道怎么设定阶段学习计划,知道怎么实践的人可能只有10个人而已, 你看,知道和学习到掌握到的差距,可能是80%-90%。你要努力让自己成为那10%的人。比如,你会看前沿的论文,你会把新的东西落地实践到项目里,抛弃纯粹的学习态度还会运用,那你就又超过前10%里的好几个人。
学习路径的问题。这个最好能找到有相关经验的给个路径,如果能学思用结合那效率肯定是更高的。此外,弄清楚一个核心的东西,核心的概念。这个这里不多讲,未来会专门写一篇如何学习的文章。

3.想做很多事情,想学习很多东西,无法抵制诱惑。学习的这个过程中要抵制想学习很多东西的诱惑,想做很多事情,想学习很多东西,你要抵制这种诱惑,因为时间珍贵,你要更快的在某一方面建设壁垒,就必须放弃做一些比较平庸的事情,因为这块一定有人比你做的更好,才能在时间上和效率上单点突破。

02.个人边界、突破、创造的思考

自己是个计划性比较强的人。大概有7-8年了,从刚开始的简单的计划,到现在方方面面的计划。从最开始感觉到的那种秩序感和平和感,到现在的那种感觉有种束缚的感觉。你越擅长某项东西,你越危险,因为你看问题的视角你思考问题的视角都将被你的优势所影响。这里面我肯定是需要调整自己的认知的。计划的目的是什么,什么不可计划,怎么打破自己的桎梏,怎么去做创新和创造,怎么去做计划外的事情,怎么去兼容别人的不计划等等。

认知层面

计划的目的肯定不是为了让你变得思维僵化变得懒惰。计划的目的是什么?
1.计划的目的为了让你看清楚自己的目标,然后达到你的目标,为了不让你的大脑被平时混乱的事物占据。
2.计划是为了让你重视和实现自己的承诺,不会有负于人。
3.这样,因为有东西帮你记录下来了,所以你的大脑空间有更多的空间和时间去思考一些重要的需要耗费脑力的事情,让你的大脑从琐事的桎梏里解放,然后能够自己的思考,计划其实可以给你留更多的大块时间让你去思考去突破去创造。
4.享受计划内的笃定,也享受计划外的事情带来的惊喜。不排斥。
5.因为你的体系太封闭了,所以是体系的僵化原因。应该是一个开放的系统,有很多输入来对你产生影响,比如没有功利的去读一些繁衍价值更高的书籍,比如结交高手,结交导师,比如反思能力,比如观影等,你需要一个更加开发的系统,僵化就会消失。多出去走走,多试试在一些非重要的事情上不去计划,去体验,重视体验感受。
6.惊喜。这个也是一个很重要的概念。你必须相信你自己会有好运的、尽量不做可能倒霉的事情、保持开放、持续学习、创造更多的连接、保留适当的随机、多管齐下,齐头并进。

自己好多框框,怎么去拓展自己呢,让心灵和思想翱翔呢

这块首先还是要承认,并接纳自己。怎么才能让心灵翱翔,读书,多读书,多感受,多出去走走。也就是上面提到的惊喜,适当的在某些事情上保持随机,更多的链接,持续学习,多读书,保持一个开发的状态和心态。

有些事情,需要放弃计划了?

感情是保持适当的随机,随机才能体会到乐趣,因为未来不可知,所以才有趣。有的时候的读书也是如此。但是如果发现自身的问题,矫正就要有一定的安排了。

03.输入太多,系统爆炸???规定边界

最关键是要过滤
1.减少对没有繁殖价值的信息的输入
2.扩大行动圈,减少关注圈
3.价值观等等前置过滤

04.什么是安全的依恋关系,怎么建设?

儿童的依恋分三种:
A型 焦虑-回避型依恋。这类儿童在陌生情境中,母亲是否在场对他们的探究行为没有影响。母亲离开时,儿童不表现出明显的分离焦虑;母亲返回时,也不主动寻求接触,而且母亲接近时反而转过身去,回避母亲的亲密行为。在忧伤时,陌生人的安慰效果与母亲差不多,不表现出明显的陌生焦虑。

B型 安全型依恋。这类儿童在陌生情境中,把母亲作为“安全基地”,去探究周围环境。母亲在场时,主动去探究;母亲离开时,产生分离焦虑,探究活动明显减少。忧伤时容易被陌生人安慰,但母亲的安慰更有效。母亲返回时,以积极的情感表达依恋并主动寻求安慰,即使在忧伤时,婴儿也能通过与母亲的接触很快平静下来,然后继续探究和游戏。

C型 焦虑-抗拒型依恋。这类儿童在陌生情境中,难以主动地探究周围环境,而且探究活动很少,表现出明显的陌生焦虑。母亲离开时相当忧伤,但重逢时又难以安慰。实际上,这些儿童抗拒母亲的安慰和接触。他们的行为表现出一种愤怒的矛盾心理,对母亲缺乏信心,不能把母亲当作“安全基地”。当母亲返回时,他们拒绝去探究,仍表现出明显的焦虑不安。

如果把B型依恋称为安全依恋的话(约占70%),A型(占10%左右)和C型(占20%左右)则称为不安全依恋。三类依恋之间的区别不在于强度的强弱,而在于质量的好坏。显然,B型依恋的质量高,而A和C型依恋质量低。

怎么去建设是个大问题。

以上,这些因为是个人思考,没有标准答案,也很模糊,更多是个人的关键字提炼思考等等

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