一个女强人的经历

 
一个女强人的经历
 
    98年到现在,我一直迈着浮躁的步伐走着我的技术之路。有时候想到底是我从未走近技术,还是技术抛弃了我,还是说大环境让我无法深入某个技术领域?怎么给自己定位? 我显得如此迷惘。
 
    98年我还在上大一,从小就很喜欢电脑的我,学的是自己蛮喜欢的计算机专业。对各种新鲜的东西都很敢兴趣。以前只会点Pascal,学过一下FORTRAN,上了大学,无意中发现Delphi,就自学起来。第一个比较像样的软件是给爸爸做了一个编教案的小软件,后来爸爸单位需要一个饭堂系统也就叫我去做。那也许是我最怀念的时光,那时候没有上网,时常一个人在黑夜中孤军奋战,可以为了解决一个问题熬通宵,可以极其耐心地反复啃那两本好不容易才找到的Delphi书。如果一直能有这样的学习激情,我的人生也许能改写。系统做出来有一种很大的满足感,看到上千人在用这个系统感觉很幸福,很想对排队的人群说“这个程序是我做的!”那种成就感也许就是在很长一段时间里促使我一直喜欢做技术的原因。
 
    那时候有点井底之蛙,觉得自己挺了不起的。
 
    99年才接触互联网,虽然96年就曾经因为计算机竞赛获奖而得到过一套免费上网的优惠盘,最后还是因为当时的“猫”太贵而搁浅。那时侯的我不能容忍自己的落后,看到周围有不少人开始上网,心里非常着急。在我的再三要求下,我家终于可以上网了。于是我在网上找到了一份写程序的兼职,一个月1750的工资让还是穷学生的同学们很羡慕。
 
    2000年,完成了三年的专科教育,我要走进社会了。因为学校不错,也因为有点小作品,找工作不难,并没有因为是专科生或者女生而尝过失败的滋味。后来在家人的安排下去了一个挺不错的事业单位,多少人羡慕。而我面对每天喝茶看报,偶尔教教同时玩电脑的日子烦躁透了。我觉得“自我”不复存在,没有人关心我是什么我可以做什么,只关心我有什么关系。看到我的同学不断进步掌握各种新鲜的技术,而自己只能业余接些小项目来做,还是那句,我无法容忍自己的落后。
 
    也许年轻想法有点偏激,2002年我终于在一片指责声中离开了福利不错的事业单位。投身一个有点名气的私企,做起了名称颇为好听的“软件工程师”,其实大家都知道咱就是软件民工。在我以为一片新天地向我敞开怀抱的时候,才猛然发现自己踩入了一片沼泽。在这个公司我见识了私企低下的管理水平,以及在这种基础上技术人员的尴尬处境。公司极不负责地要使用流行技术完成项目,那时侯为了中标,吹嘘系统将使用最有潜力的J2EE带来多么强大的应用。项目拿下来之后到处找人,多半是不对口,象我对此并无了解,上来就使用陌生技术做项目,而我还算这技术队伍中功底好的。另外几位程序员都是花两千块左右请过来,人员流动也是极其之快。这样的队伍可以做出什么可想而知,让我这种唯美主义者感到极端难受。终于公司经营困难,长期拖欠工资,技术人员要跳槽就卡。销售人员一律砍掉,而且是借故不给遣散费的砍掉。目睹这种为了项目采购人,不需要时找借口遣散人的卑鄙做法,以至于我之后也一直对私营软件公司噤若寒蝉。
 
    因为他们没有其他产业的稳固收入,一旦项目不成功资金无法回收,公司就岌岌可危了。而混乱的管理和功利的用人机制也加大了项目不成功的可能性。于是呆了半年,实在忍无可忍,离开了,有3个月工资是我在第二年从外地回来才拿回的。这半年我曾经很希望自己能学到些什么,虽然我每天下班都留在公司努力看书,但我发现自己确实没学到太多,只是会写写JSP,java bean之类的,我觉得自己很浮躁,一大堆的技术书,没有那本看得仔细些,还比不上我自己接个小项目学的东西多。
 
    于是2002下半年我到了北京,帮朋友做一个项目,项目效果得到一定的认可,但对我已经没有98年那种心情,当类似的事情做久了就没有什么意思,原地踏步的我怎么可能有成就感呢。为了做这个项目我用了老教授喜欢的VB。后来忽然爱上北京的高校环境,又花了几个月企图考研。家人提醒我老大不小了,连男朋友都没就算考上,29岁毕业出来学计算机的老姑娘,好男人都不好找了,最后平衡利弊就放弃了。
 
    大家可以看到我用的开发工具很杂,截止2002年已经登台的包括Delphi, PHP, ASP, jsp, VB, 如果把开发中用到的其他技术,比如数据库,比如接口那就是一大头堆。我做的项目行业跨度比较大,客户要求差别也比较大,适合的工具也不同。可能跟我这人喜欢新鲜也有点关系。所以我的简历只能写了那么一大堆,有流行的观点认为应该只突出某个技术,我还确实有点难突出,只好弱弱地补充一句,统统都做过项目。然后又跟人家说其实什么语言都差不多的东西,给我一本手册还不是照样做,关键是架构和思想。其实说起架构和思想,我也挺惭愧的,虽然面向对象方法说得沸沸扬扬,其实说起来我在开发中几乎一直都用结构化的开发方法,也许是习惯了这种分析方法,虽然一些系统中也用到了“对象”,那只能说是局部面向对象。结构化的开发方法不是分SA,SD,SP吗?其实我就觉得做个SA就蛮好了。2004年底应聘技术经理的时候,对方随便挑了我简历上一个项目,要求我给大家讲解一下,我在白板上画了模块图,刚要开始讲。对方就说,你是否能用面向对象的方法来讲解一下你的项目,呜呼,那个项目设计的时候都是按功能模块的结构化分析,所以后果可想而知。
 
    2003年我回到家,进了一家外企。终于知道大家为什么都进外企,人家做得就是够意思!谈好薪资,不会说什么试用期只给80%之类的。一进去就给三个月的培养期,工资照样发。吃住都在公司附近,好像又回到了大学时代。一个月之后我能用完全陌生的lotus完成一个小项目了,由于以前的功底,还融合其他技术做出了不少有创意的功能。马上得到了上师的肯定,口头的肯定,待遇方面的肯定,让我很是感动。在这里宽松的环境,有续的管理制度,良好的待遇,优秀的上师让我学到了很多的东西。不仅仅是技术,重要的是我学到了很多做人的道理,比如明白了什么叫敬业,什么叫专业。上师也对我很好,常常教我鼓励我,让我做有挑战性的工作。:)还送我小礼物,最能让女孩子开心的莫过于这样的小关怀了,如果他高大威猛一点我都要爱上他了!呵呵,开玩笑了,人家是外籍人士。当然这些情况也招惹了老员工的不满,开始是不理我,工作上不配合,后来是设陷阱。我也不是当年心高气傲的小毛孩,也学会了化解这些敌意,送小礼物、请吃饭、写email表示自己在这个领域是初学者,是很尊重前辈的…… 几年的跌跌撞撞让我明白不能锋芒毕露,和大部分人和平共处才不会死得比别人快,或死了还不知道什么回事。
 
    人生无常,以为自己会在这个企业很久,结果我却为了结婚离开。并且在还没来得及确定新工作的时候有了孩子,于是开始了2年的无任何保障的全职妈妈生活。代码?项目?技术?通通远离了我的世界,我的世界只有家、孩子。
 
    这里稍微提一下辞职结婚后找工作的尴尬,毕竟工作多年也想找份稍微有点职级的工作,才发现真的很难。在几乎绝望的时候居然找到一份研发部经理的工作,结果才上了2天班就没戏了,因为他们用VC,我很坦白地说我没有用过,我可以很快学,但老总说部门只有一个VC工程师,其他10人只会做网站,他希望我不但会而且还能做现在工程师的导师,虽然那个老总似乎很和善地推荐我到其他分公司,但我觉得也仅仅是让我走得好看一点。也许我最大的错误不是我的不会,而是我的坦白,给自己造成难以服众的局面。
 
    2006年9月,孩子1岁了,当我重新打开求职网站,却如此茫然。什么工作适合我?离家近,下班准时,最好可以在家办公,还要薪水过得去……哪有这么好的事情?最后我选择了做老师,并很快在一个高校找到了工作,IT培训。但我常常烦恼,一怕误人子弟;二来逆水行舟不进则退,我的知识没有更新,而现在居然准备提议开一门我自己都还不会的3G相关的课程,需要快速学习,而我确疲惫地应付着家务、照顾孩子等任务。这个时候忽然有点怀念当初那份每天喝茶看报收入好的工作了。而且待遇过低,不断刺激着我的心理底线。何况家中还有一个小人,爸爸说负担重的日子才刚刚开始。两年前职级比我低的同事都已经月入过万,有时候想我是不是还是应该去找个外企?我能找到吗?停顿了这么久的我对自己没有什么信心,以前那家确实是歪打正着,我英文不怎么样,如果我知道它是外企可能还不敢投呢。
 
    絮絮叨叨写了好长,不知大家是否有兴致看完。对比周围的同学朋友,我觉得自己变化太多了,工作老是换,没有在哪里安稳做3年以上,现在这份老师的工作到底能做多久?它能作为我的终身职业吗?2007已经来临,2008也会很快到来。希望在下一年也就是10年回顾的时候我已经找到了一条适合的道路,找到一个我的终身职业。
 
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