可以骑驴找马,但不要虐待驴----徐小平老师

徐老师:

您好,我今年大学毕业,学的是电脑动画设计,但我找的第一份工作是影楼后期设计,做了半年多,但是这行工资不高,就是努力加班工作收入也不是很好,而且还有淡季旺季之分,旱涝保收,也没有什么保险之类的,我想换个工作。

但是找来找去,首先关注的招聘信息全是影楼方面的消息,已经跳不出这个圈子了,很是苦恼,我性格比较内向,不善交流,但我工作很努力,但就是看不到前途和希望,影楼这行做的人太多了,基本上不需要什么技术,学一个星期就能处理照片了,而且我是个女孩子,在影楼里也待不了几年,很少看到三四十岁的人还在影楼里处理照片的。

不知道下一步该找个什么样的工作,动画,室内设计,景观设计,广告设计,这些行业我都没有工作经验,只有半年的影楼经验,发了很多简历也都石沉大海,现在我很迷茫,完全失去了方向,希望许老师能为我指点迷津,期待您的消息,谢谢。

迷茫的燕子

迷茫的燕子:

其实这封信与其反映了你的工作问题,不如说是你的心态问题,职场心态问题,这种问题是大部分青年人共同的问题。

我想你的核心问题,是觉得影楼这份工作的工资太低。假如现在工资增加一倍、两倍、三倍,同样的工作,公司,你还会这么难受吗?我觉得不会。低工资虽然不好,但这反映了一个无奈的现实:你在就业市场上的低身价。你在抱怨低工资的同时,并没有高工资向你招手,这才是你烦恼的核心。认识这一点,有助于你,以及信赖我的读者们更快地提高自己的身价。

其次,你抱怨的影楼这份工作的所有问题,其他工作都有。不要“这山望着那山高,到了那山没柴烧”,这是小时候我母亲常常对我说的话,是我的家传秘籍,现在和你分享。我不是要你忍受不愉快的工作,我是要你知道:天下乌鸦一般黑,天下职场问题都一样。你的教育没有告诉你这一点,现在我来帮你补上这一课。你的任务不是抱怨职场的问题,你的任务,是提升你在职场的核心竞争力。

第三,现在说说什么是你在职场的核心竞争力——你说这份工作没有意思,但我问你:你在这个行当里做到顶峰了吗?我相信你还没有。影楼后期设计关系到人们一生的珍贵纪念,它可以做得很艳俗,也可以做得很雅丽。你可以在这个既有岗位上——无论它多么简单,事实上它绝不简单——瞄准北京、上海、香港、台湾、甚至东京、巴黎的同行们,看看人家是怎么做的,你的差距在那里,这样一看,你的差距就出来了,你的目标也就水落石出,你的职业就有方向、就有力量了!你的核心竞争力也就出来了!

写到这里,我不得不说,其实你的问题完全在你自身。你是大学生,工作与专业也有些关系,如果我是你,我肯定会在“影楼后期处理”这个领域,真的把工作做到世界一流——达不到世界一流,我就中国一流、地区一流、本城一流、本店一流……多少百年老店,都是这样踏踏实实、兢兢业业、一步一个脚印(对你而言,应该是一步一个倩影)做出来的!中国社会正在迅速发展。“影楼”这个名词,都是从港台引进的。而做好影楼的观念和技术,不知有多少可以供你一辈子消受的。

最后,我不反对你寻找其他新的、更好的、更激动人心的、你更加喜欢的职业。你去找啊,去啊!只要你能找到。你可以“骑驴找马”,但是,在寻找你的千里马同时,千万不要在精神上虐待你现在骑着的驴——这是我多年前一本书《骑驴找马》的主题——否则,你就是虐待你自己。

忽然想到,“骑驴找马”这个成语有种族歧视。驴也是上帝创造的物种。驴有驴的长处,马有马的短处。如果一个人总把自己拥有的东西当做驴,恐怕他的一生注定非驴非马!

爱你的,

徐小平
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。
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