鄉愿

      人常常不願做壞人去得罪別人,有時候明知是錯的事情,但是,始終欠缺道德勇氣去指正或糾舉,久而久之如果組織一直存有這樣的文化與氣氛,終究會讓整個組織「劣幣驅逐良幣」。
      中國人很喜歡談「天時、地利、人和」,尤其「人和」這兩個字,因此,為了和氣生財,大家都會盡量的包容與隱忍,從某種角度來看,這是無可厚非的事情,組織是由龐大的人力資源所組成,要完成任何上級所交付的工作,若欠缺「人和」,是無法成功的推展,但是,如果因為過於講求「人和」,而無視於影響組織甚大的人與事情,一昧的讓它存在且週而復始的發生,這就不是「人和」而是「鄉愿」,一個組織文化與氣氛如果太過於「鄉愿」,不只影響組織成長,且會耗損與傷害整體組織的團結與競爭力。
      前陣子有個朋友告所我,他在工作上非常的辛苦,老是幫別人處理善後,他的同事幾乎什麼事情都不做,卻又非常有很多意見,可是當要他去做的時候,卻兩手一攤什麼也做不出來,我朋友擔心如果事情沒做好,球就會掉到地上,整個團隊的績效都會受到影響,因此,形成丟球的永遠都是對方,接球的總是他,讓自己不管身體或精神上都非常的疲憊。
      聽完他的抱怨後我詢問他這樣的狀況已經發生多久了?他告訴我大約三年了,接著我很好奇的詢問他「那這三年你除了幫忙他解決問題之外,你還做了什麼事情?」,他思考了一下回答我說「並沒有」,我接著問他「那你團隊中的其他成員呢?主管呢」,他誠實的回答我「大家都很不悅,可是沒人願意去挺身去面對他的事情,主管也因為有其他顧慮,所以無法處理」,最後,組織就有不少優秀的人萌發了不如歸去的想法,選擇離開這個組織了。
     「鄉愿」是組織很可怕的病症,尤其是主管對部屬或是團隊成員之間的「鄉愿」,中國人很習慣「自掃門前雪」,如果事情沒有燒到自己家裡來,根本不想去管,萬一事情真的碰到了,能躲開就躲開,所以,組織很多毒瘤與伔員其實都是來自於組織或主管、同儕間長期的「鄉愿」所造成的,或許這些人開始時並沒這麼糟糕,但是,當他初次犯錯開始或無賴時,組織不僅沒人指責、要求他,反而有人會出來幫他解決問題,事後也沒有受到任何的處分,久而久之這樣的「鄉愿」就讓那些自以為聰明的人,不斷的嚐到了甜果,最後惰性與無賴作為就越來越大,長成了組織的大毒瘤與頭痛的問題。
      其實要克服團隊「鄉愿」的文化與氣候,端賴領導者的魄力與勇氣,如果領導者開始很堅定的不與這些人妥協或低頭,直接點出問題所在,必要時讓事情攤在陽光下,也直接挑明自己做事情的態度與價值觀,相信這種「鄉愿」的文化與氣候就不容易在組織裡面蔓延,相反的,如果領導者對於這些人平日漫無經心的態度,採取放任的心態,那員工一定私下都會報怨,「主管都不願意管,那我們幹麼去惹一身騷呢?」,所以,組織「鄉愿」的文化與氣候的造成,相信這是領導者應該是要負的責任。

 

http://blog.roodo.com/peterwu/archives/4316873.html

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