做phodal的御用编辑，其实我是拒绝的

最新推荐文章于 2021-09-06 20:58:00 发布
最新推荐文章于 2021-09-06 20:58:00 发布
阅读量394 收藏
点赞数
原文链接：http://mp.weixin.qq.com/s?__biz=MzI1MjA1NzM3MA==\x26amp;mid=2650997551\x26amp;idx=1\x26amp;sn=74adcd22cdb3d754150cf95a10f2c7e9#rd
版权

前情回顾：

极客爱情 2.1 |  从你的编程世界路过

极客爱情 2.2 |  你究竟有多少个女神

   极客爱情  2.3 |  和技术宅约会是这样的

极客爱情  2.4 |  和程序员男友过节是这样的


640?wx_fmt=png

◆ 01

某人的第一本书出版了，收到出版社寄来的样书的时候，某人并没有显示出异样的激动，反而是我，兴奋地拆开包装，迅速翻看了扉页、序、前言、封底，没有提到我，没有提到我，没有提到我……

我失望地将书扔在了沙发上，朝他嘟嘴。

“你居然连一个向我致谢的字都没有写......”

他见我一副委屈欲落泪的样子，便过来抱了抱我：“好好好，不哭不哭，这回忘记了嘛，下一本书一定写上。”

一听到他说下一本书，我的内心越发心酸。

我还要做多久他的御用编辑？要等他出到第几本书，我才能迎来自己的第一本书面世？

一面恨恨地捶他，一面答应着说好。

0?wx_fmt=jpeg

◆ 02

对于他写书译书这件事，我打心底里是拒绝的。一方面是因为这非常打击我的自信心，频频增加我的挫败感；另一个很重要方面，则是因为他写书译书的过程，对我而言，实在是太痛苦了。

他和大部分理工科学生一样，拥有不太流畅的表达能力。更因为他长期阅读翻译水平参差不齐的外来技术书籍，造就了他极具英文语法习惯的中文表达。举个简单的例子，我们一般会说“你中午吃了什么”，而他写出来的句子，可能就是“什么你吃了，作为今天的午饭”——当然，他还不至于表达不清一个这么简单的句子，但就他写的文章来说，大致就是这个意思。

于是，从他的毕业论文时代起，我就肩负着一个重任：替他修改文章。当然，这也只能怪我自己no zuo no die，平时嘴欠，总是嫌他语言表达bug多多：语法有问题逻辑有问题语言不通顺行文不流畅......

“那你帮我改一下咯。”

出来吐槽，总是要还的。


0?wx_fmt=jpeg

◆ 03

也是从帮某人改毕业论文开始，我才发现我身上有个神技能。那就是虽然我可能看不懂通篇文章究竟在讲些什么，但这一点也不耽误我把文章中的每个句子修改凝练，乃至调整段落间的逻辑关系，使之成为一篇更优质的文章。

那个瞬间，我突然觉得我的身上，还是有一些天赋异禀存在的。

某人显然发现了我的这个技能，因为，当他的同学们都忙着一遍遍修改论文的时候，他豪爽大气地把论文扔给了我，然后，让我帮他完成最后提交前的修改。

不过，我不会告诉他，后几回修改，我只是看了看开篇的绪论，改了改绪论中明显的错别字和标点。


0?wx_fmt=jpeg

◆ 04

某人毕业不久后，就接了第一本翻译。——虽然那本书到现在都还没面世。

他翻译的速度很快，以一两天一章的速度前进着，没过几天，就把译稿发给了我。

“帮我过一遍吧。”

而他的这句“过一遍”，花了我半个暑假的时间。

那是一本关于物联网的书，我发誓我由衷地讨厌物联网这三个字。

我打开他的译稿，映入眼帘的是狗屁不通的话；我将原文复制粘贴进谷歌翻译，出来的结果和某人的译文相差并不很大。确切地说，他只是稍微调整了一下语句，改了几个专业名词而已。

我向他提出了异议。

他说：那你就改一下呗！

他说话的语气，仿佛这件事和中午吃肯德基一样轻描淡写。

我在学校里呆了一个月，泡图书馆，蹲咖啡馆，拿着笔和本子，对着我那分辨率极低的笔记本屏幕，坑坑洼洼地往下读。

相信我，虽然也算是囫囵吞枣地看完改完，我依然不知道那本书究竟讲了些什么。我只知道，有很多图片和代码块的章节，看起来格外可人。

0?wx_fmt=jpeg

◆ 05

他把第一本翻译发给编辑后没多久，就迎来了第二本。还是物联网，更厚，更枯燥。

这回是他和他的两个好基友翻译，而我依然可能连出现在致谢里的机会都没有，却依然要承担义务编辑兼审校的职责。

相信我，每看一行字，我都觉得我需要去吐一会儿。

那阵子我见那书实在讨厌得很，消极怠工了好一阵。

基本上每天下午某人下班回来，在去吃饭的路上，某人都会问我：翻译看得怎样了？

见我支支吾吾找词搪塞，某人便知结果：“没多少时间了，你赶紧看看啊。”

我打开文档，看了两行，那时候觉得连最生涩的《现代汉语》课本都无比可亲可爱，连《查拉图斯特拉如是说》都像言情小说。

恕我无能为力，实在是——太让人作呕了。

后来我还是随手翻阅了一下，改了些无关风月的错别字，将译稿发还了给他。

“你以后要接翻译的话，接个HTML啥的行不......”我在微信上同他说。

0?wx_fmt=jpeg

◆ 06

某人一直相信勤能补拙。甚至相信这个世界上没有什么东西是学不会的，只要你努力去学。

“那比如唱歌呢，像我对音乐毫无感觉，再怎么学，音痴还是音痴啊。”

“那一定是没掌握正确的方法。”

我嗤之以鼻。

“再说了，你唱歌跑调，就可以学习唱不在调上的歌。”

我竟无言以对。

不过话说回来，他的语言表达能力，经过他有目的性的训练和练习，的确长进了不少。如果说我刚认识某人的时候，他写的一段话里一共有十句，可能十句都有语病；如今，大概至少有五句能表达流畅。

所以，某人就开始了自信满满的写书之旅。

倒霉的我，又帮他过了几遍稿件。觉得他的编辑应该好好谢谢我才对，不然他的编辑拿到的稿件，可能就要更狗屁不通一些了。

后来我把这些审校经历写在了我的简历里，阴差阳错的得到了现在的工作机会。不过我最终还是没能由衷地爱上技术，就在昨天，我向boss提出了离职。

然并卵，因为，某人又开始写第二本书了......

也不知道某人收到稿费之后，会给我发多少奖金。

640?wx_fmt=png

640?wx_fmt=jpeg

文 | 微博@花仲马

     关注后阅读：

▷ 我上班又不是为了梦想，还不是因为穷

▷ 我们遵守道德，不是为了给你“行个方便”

▷ 在窘迫的青春里，遇不上最好的我们

▷ 对不起，找我写文章，请付稿费好吗？

▷ 去大城市追逐梦想，还是留在小城市享受安逸？

640?wx_fmt=jpeg

白米粥｜yiwanbaimizhou

640?wx_fmt=jpeg

Phodal
关注
MinGW+Vim(御用编辑器)
09-25
Vim（Vi IMproved）是一款功能强大的文本编辑器，深受程序员喜爱。它提供了丰富的插件支持、高度可定制性以及高效的编辑模式。Vim分为命令模式和插入模式，用户可以通过键盘快捷键进行各种操作，提高编程效率。 **...
phodal大神帮你理清物联网开发架构
m0_46700908的博客
06-30 334
作者 | phodal责编 | 唐门教主微信公众ID | csdn_iot随 JavaScript 语言的流行，及物联网领域的崛起，我们能看到它们结合的可能性，同时也发现它特别适合于物联网开发。因此，在这篇文章里，笔者将主要从以下三个方面进行介绍：典型的物联网架构，及多种语言带来的问题；只使用 JavaScript 语言的物联网架构；详解基于 JavaScript 语言的...
刻意练习的三种思维方式——Phodal
技术杂谈
09-29 9466
在工作的前三年里快速成长
无代码编程
热门推荐
Phodal's zenthink
04-02 1万+
中台之后，便是无代码编程。 规模化的组织，经常要面临这样的挑战：每个应用的基础设施是相同的，部分的代码也是相同的，甚至于它们可能只是数据模型不同而已。结果却导致了，他/她们要一次又一次地重新编写一个应用。 对于一个新的应用而言，它需要对接大量的三方（非自己团队）服务。服务之间的不断变化 ，导致了对应的使用方也需要发生变化。不断变化的业务，导致了前台的设计不断变化。为了应对快速谈的的前台服务，后...
基于 Serverless 架构的密码管理器
Phodal's zenthink
03-12 880
最近的几年里，每个人在密码上都遇到越来越多的挑战，即需要一个复杂的密码，又需要能记得住它们——两者几乎不可兼得。于是乎，我们开始使用上各式各样的密码管理器，并为之付上了费。又或者是一些开源的、不能同步的密码管理工具——毕竟服务器是要钱的。 然而作为一个程序员，我觉得嘛，他/她们写的代码都不可靠——**愈是通用的软件，愈加危险。**一旦一个地方出现问题，那么其它地方都会有问题。比如说，你的 Mast...
Phodal 应该怎么读？
Phodal's zenthink
06-25 361
可惜可口可乐公司没有给广告费Phodal 是从我的名字『峰达』音译过去的，即 Phone + Nadal ...
御用面试题1
02-28
【标题】：“御用面试题1”通常是指一套精选的面试问题集，旨在帮助求职者，尤其是Java领域的毕业生，准备面试。这些题目可能涵盖了基础概念、编程能力、设计模式、框架应用、系统架构等多个方面，旨在全面评估候选...
程序员御用主题包
01-13
里面的图片是我下载的vs2010发布的时候同期发布的桌面背景，我自己蛮喜欢的，如果想自己制作请看看我写的博客： http://blog.csdn.net/zuoming120/article/details/8497553 这个博客是这个主题包的制作过程
御用买入指标通达信指标公式源码.doc
08-11
御用买入指标通达信指标公式源码.doc
御用画框模板PSD
11-27
【标题】：“御用画框模板PSD”指的是一个专门设计的、用于图像展示的Photoshop Document（PSD）模板。PSD是Adobe Photoshop软件的默认文件格式，它允许设计师在多个图层上工作，保存图像的所有编辑信息，以便于后期...
2021 年技术书籍推荐 ——『Phodal 精选』
Phodal's zenthink
09-06 1663
说来也奇怪，每次我想推荐一些书籍的时候，都是在奇数年，也都是在 9 月份。比如说，《2017 年的编程书籍推荐》、《2019 年的书籍推荐》。大概是到了秋、冬的时候，温度下降了，比较适合我...
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
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。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip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。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
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。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
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。
自製ERD Commander 2010：微軟御用工具集，一键恢复与系统诊断
ERD Commander 2010是一款由微软公司支持的紧急修复工具，它在Winternals被收购后虽然不再以Winternals Administrator Pak的形式更新，但微软并未放弃这款备受用户喜爱的工具。该工具集成了Desktop Optimization ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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