裁员:样本组成了整体,特例装裱了样本

原创:小姐姐味道(微信公众号ID:xjjdog),欢迎分享,转载请保留出处。

 

王老板是公司老总,手下几百人。昨天晚上做了个梦,梦到一群蚂蚁爬到他的胸口,压的喘不过气来。这太TM可怕了。

王老板思前想后,肯定是组织臃肿,周公托梦。早茶过后,稍加思索,决定启动集团的优化工作。他扔了个骰子,点数为3。好吧,就优化30%。

王老板王干爹会怎么做呢?

有的人,是抱着改变世界的决心去开公司,最后在生死线上挣扎;有的人,觉得手头上有资源,不开公司可惜了,最后资源断裂彷徨撤退;而更多的人,就是奔着赚钱去开公司。如果他已经有钱了,那就是想要更多的钱。有了更多钱,又想钻进某些圈子。

难。

世界的运转是随机的,随机的元素却是固定的。很多种可能,会让我们不期而遇。

1、老板分为有钱的老板和没钱的老板。

1.1 、有钱的老板,分为花自己钱的和花投资人钱的。

花自己钱的老板,每花一分钱在别人身上都会觉得肉痛。这不是吝啬,而是精致的利己主义,千万不要以为老板身家数亿你就可以多拿一分钱。

花投资人钱的老板,短时间是非常慷慨的,长期来说还是要受到资本方的约束。也就是,你的老板其实不是真正的老板,他还是要向他的投资人负责的。

2、公司分为大公司和其他小角色

大公司的老板同时也是明星人物,镁光灯下很伟岸,却照不到脐下三寸的活动;小公司老板想要这种生活,于是拼命攻读MBA。这倒不是为了知识,能当老板的,哪个不是天马行空的自信,他们是想要入圈;十几人的小作坊,不叫老板,叫个体户,不在我们讨论之列。

哪天,你看到xjjdog要攻读MBA的消息,就是马上要当老板了。祝福我吧。

OK。传说中的互联网寒冬到来,需要裁员。

也确实需要裁员。因为水太浑, 码农又过剩,水平高的和水平一般的码农得到的报酬其实差不了几千块钱,非常的尴尬。

既然如此,我支持裁员,让水货见鬼去吧。

企业裁员,第一初衷降成本;第二初衷留人才。可惜大多事与愿违,过程非常的精彩。即使你是个水货,也不会认同被人任意宰割的命运。在企业启动措施的时候,如何在保护自己的前提下,尽量的利益最大化,才是我们所需要的。当然,现在来看,风险意识要放在首位。

hr全权代表了老板的意志。对你的照顾其实是老板对你的青睐,对你恶语相向也是老板授权的。千万别把感恩的目标用错了地方。即使你的组织结构离着老板有七八层,他也在盯着你。

不是盯着你本人,你是作为统计数据的一份子而已。样本组成了整体,特例装裱了样本。

弄明白了这件事,可以了解到,其实当老板的风险是非常大的。

有的老板,一蹶不振,信心受挫,无法东山再起。
有的老板,欠一屁股债,心想还是躲在监狱安全。
有的老板,爱惜自己的羽毛,专职培养东西厂。
有的老板,对别人要求多,却管不住自己的下半身。

见人说人话,见狗说犬话。不仅老板这样,你我也是。

ok。我们还是用一张图来看一下上面列出的这些属性。

 

 

 

如果按照法律章程来,有很多员工是非常欢迎被裁的。我曾见过,为了争取能上裁员名单,有的员工甚至送礼给主管。结果主管先走了,愿望落空。

所以有问题的,不是裁员,而是暴力裁员。

暴力裁员又分为冷暴力和硬暴力。

其中,硬暴力通常都能够通过劳动仲裁要回所要的权利,就是让你堵一下,纸老虎一个。所以,现在的焦点问题其实就集中在冷暴力上。

什么叫冷暴力?举个例子,要你996,但没钱。

这也是最最无耻的行径。

有些人不能东山再起,或者不能重复之前的幸运,是有原因的。

我们对图中标序号的一一解释。

1、没钱还给补偿的。这个老板很厚道,能够同甘共苦,如果有机会,肯定要优先合作。如果你有余力,一定要共度难关,这是值得深交的合作伙伴。

2、有钱,花自己钱给补偿的。这个老板对自己做的事情很有信心,看的深远。虽然短期会遇到瓶颈,但会有强大的凝聚力。加上自有财富的加持,值得追随。

3、有钱,花投资人的钱给补偿的。这只是企业普通的决策行为,可以看作职业生涯的一段普通经历。好聚好散,一拍两散。

4、没钱,不给补偿。这个只怪你眼光不好。如果确实是没钱,员工也没法多说什么。但如果对方做的过火不留余地,就可以给他雪上加霜,让他彻底完蛋。

5、有钱,不给赔偿,花自己的钱心疼。蚊子腿也是肉,很疼。这样的企业,一般很“坏”。在取得巨大成功时,也会非常的吝啬。通常会在上市前夜,过河拆桥。能够给你机会看清,也是运气。

6、有钱,不给赔偿,钱是投资人的。遇到这样的公司,赶紧跑,认栽。资本是无情的,做事通常没有底线。不要抵抗,不要做炮灰。

那对于巨无霸的公司来说,又该怎么样呢?除非你有精力和能力,或者走投无路,还是怂一些比较好。人生不差这几个月的钱,就当是可以回味的经历罢了。

我们再说回王干爹。王老板的公司没有明显的上升期,这次是纯粹的降成本。他想出的策略是:早报晚报996,日会周会天天会,降薪劝退谈人生,钉钉考勤刷笑脸。

即日便与大家开始开启圆梦之旅。

对这么可爱的老板,肯定是先耗为敬了。但对于大多数有志青年来说,肯定是耗不起的。

什么叫有志青年?那就是,不要把自己看的太轻。人生有太多的随机,对待普通人的傲慢,就是对抗整个随机系统,有可能不会输,但永远不会常赢。

你要不信,看看你们曾经的国民老公?

作者简介:小姐姐味道 (xjjdog),一个不允许程序员走弯路的公众号。聚焦基础架构和Linux。十年架构,日百亿流量,与你探讨高并发世界,给你不一样的味道。我的个人微信xjjdog0,欢迎添加好友,​进一步交流。​

 


作者:小姐姐味道
链接:https://juejin.im/post/5decf0b86fb9a0161b5e8894
来源:掘金
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

【6层】一字型框架办公楼(含建筑结构图、计算书) 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。
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