上班那些事儿之年终

(一)年终总结
        每年十二月份,公司都会要求写一份年终总结。虽然领导没有限制题材和字数,但是年终总结基本上已经形成了一套固定的格式(套路)。
        第一段写自己一年来的工作内容。选择最能突出自身特点的几件重要的事情,着重写,但也不要写的太详细,让人看明白就可。
        第二段写自己未来一年的计划。需要注意的是,你的未来的计划,必须跟公司的发展战略是融合在一起的。
        第三段写感谢词。“感谢公司的栽培……帮助自己获得很大的提升”等等。

        起初,我以小学生应付老师布置作业似的对待年终总结。但当我认真回顾这一年的工作内容的时候,发现自己的问题确实不少。
        首先,自己对待工作日志的态度的问题。最大的感触就是,平时写工作日志有多重要。我把登录公司的OA系统后,发现自己居然缺了半年的工作日报,结果半年的工作内容只能靠回忆了,能回忆多少是多少。下半年对待工作态度不端正,十分懒散,这事让我感到很惭愧。 终于明白到为啥自己每个月的绩效分数都很低了,想来老大都得不到我的工作上的反馈,自然没法给出高分了。
        其次,技术水平问题了。上半年都是在开发新的项目,那时候简直就是本人技术水平的巅峰了,项目中,一遇到问题,就赶紧找资料,在网上求教高人,往往一天都能学习好多技术知识。但是,到了下半年,公司几乎停止新的项目开发,本人的工作转为日常的系统维护,改造一些需求以及应付各种奇怪的新需求(这也是为何缺了半年的工作日报的原因),因此,下半年对技术方面有所懈怠了,都没怎么提升。
        看来得花点时间来改正自己的这些问题了。

        顺便回顾了一下年初列出的计划清单。清单内容:一是每天要上论坛回答十个以上的问题;二是每周写一篇技术博客;三是准备程序员考试。
        第一件事(反馈):题数太多,保证了数量,就无法保证质量。因此,改成每天认真回答二个问题。
        第二件事(反馈):进行中。
        第三件事(反馈):进入复习阶段。准备接触真题,等待下一次考试。
        明年将继续坚持这三件事。希望来年是个收获的一年。

(二)年终奖
        一到年终,各大新闻媒体网站开始了晒年终奖金了。动不动就某某公司发年终奖十几薪,动不动就某农村发年终奖几个麻袋。我不禁想起了朱自清《荷塘月色》里的一句话:热闹是它们的,我什么也没有。我暗自在心里诅咒它们:秀年终奖的,“死”的快!哈哈!
        我们公司的年终奖发“十四薪”,分两次发,第一次是跟12月份的工资一起发,也即12月份发两份薪水。第二次是在春节放假前发,根据绩效评分,在月薪的基础上正负20%之间浮动。因此,年终奖的多少,跟工资是挂钩的,如果工资涨了一点,那么,年终奖就可能涨2倍。看来,我要加倍努力工作,争取来年让领导多给我涨点工资呢。
        即使是“十四薪”,也禁不住过年的“洗礼”。还没到手的年终奖,就已经全部在预算中了,一份都不剩了。先给自己买一套过年穿的新衣服,然后将剩下的都拿来包红包。红包中大部分是给长辈的“孝顺红包”,其中爷爷奶奶各一份,外公外婆各一份,爸爸妈妈各一份,还有小部分红包发给小辈当作“压岁钱”。这一年下来,我又成了名副其实的“白领”了。
        古人说:“穷则独善其身,达则兼济天下”。前往“达则兼济天下”的路还很长,因此,我只能学着“独善其身”。虽然荷包扁扁,但今年我收获了一辆电动车和一台笔记本电脑。电动车开启了远游的第一步——实现了市区游;笔记本电脑是我实现梦想的起点。

【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