不要只甘于做一个程序员

去年都想写这篇博客了,不能说是没有时间,而是没有下定决心去写,想着这年后的工作可能会慢慢紧张起来,赶紧写完也算是了却一个心愿。

 

我的工作经历

      工作前两年的程序员生涯是很苦逼的,大家通过“我的程序员工作经历”这两篇博文中都不难看出——磨练是成长的阶梯
  

      于2011年11月份结束了之前两年算是“非正规军”的工作环境,换到了一家当时在襄阳最大的互联网公司,也让我第一次感受到大公司(相对于之前的公司而言)的正规化管理模式,从之前的基本上都是独自负责一个项目,到现在的团队开发——不过还好我的适应和学习能力比较强,差不多在试用期内已经适应了新的环境,并得到领导和同事们的肯定——也很快的掌握了js闭包、MVC和一些设计模式等技能,这一干都是两年多。公司处于虚张声势、管理混乱有些盲目的发展中,从刚去公司时做房产到之后前前后后做了四、五版的同城网购王章,整个公司的状态:方向不确、管理层不能以身作则而且没有好的管理方法与绩效奖励制度,大部分员工都在公司的大环境中变得懒散、被动,毋庸置疑我也无法幸免——由刚开始的斗志昂扬、富有激情,到差不多一年后的工作提不起精神、有些颓废和茫然,也就在那时写了“谈谈小城市程序员的迷茫和坚持”这篇博客;一直努力在发现和安慰自己留下来的理由,但事实却是与我的职业发展规划和个性渐行渐远...,最终在开发完“订单系统”之后,果断的辞职了——其实在这半年前就想离开这家公司,之所以继续留下来坚持把“订单系统”做完,主要是当时接触了新的开发框架,订单系统开发对我也比较具有挑战性(想想来这公司近两年多,一直做着大同小异的网站项目,说真的是一点儿激情都没有,好不容易有个比较复杂、能挑战下自我的项目,这机会怎能错过?!)。

 

一些思考


   可能正是因为上家公司在各方面都存在一定的缺陷,也让我在这两年多中能有一些思考:如何能提高员工的工作积极性?如何做比较理性的公司或团队管理?就职业发展来说,我到底想要的是什么?

   对于管理有一些想法,以激励下属为前提,以下方法可取:

 

1.设立项目奖金:制定项目开发计划,提前或按时完成会有相应的奖金,超出计划则没有奖金或扣除基本工资(可根据情况考虑)。


 2.引导下属学习,激发他们的兴趣,学以致用 良性循环。

 3.了解下属的(职业)发展规划,根据其自身能力和期望担当的工作,提升下属的职位和所做的事情,最好的是“让他做他想做的事,让自身价值得到体现和成就感得到满足”。

 4.根据下属的个人情况,让他做——对他而言 (略)有挑战的事情;对于大多数人而言,做有挑战的事(有压力才有动力),才能激发他的工作兴趣和激情,才能让他的能力有较大的提升。

 
    管理的最终目标不是把人看住,而是发掘员工的潜能并激发他的兴趣让他更主动、更有效率的工作!

 
舞台与价值


      同样的一瓶可乐,便利店里2块钱,五星级饭店60块——对人也是一样,很多时候,一个人的价值取决于你所在的位置
    上面这段话,二三线城市的程序员看后不知道会不会跟我有一样的感受:内心那种一直都隐隐的有种“怀才不遇”的失落情绪——如同气球被针一下捅破。可能在一线城市你不用这么辛苦和努力,就能有比现在好几倍的薪资待遇,更重要的是——你参与开的项目给公司带来了可观的收入或是有很多的用户正在使用,那种成就感是比工资更能让人持久振奋的。所以,对于二三线城市的程序员,他们心底的痛——无法体现个人价值,无法在工作中有让人能沉下心的存在感!
    

回到正题


   1.我为什么不想再做开发?——主要是成就感无法得到满足,做了不少项目但基本上都属于“实验室”里的项目——无人问津;受襄阳城市发展的局限性,我也没想要一直做开发,不是对开发不再爱了,而是就目前来说襄阳还不存在能让我从事有挑战性开发的平台。截止2013年10月份是我工作,也是我做编程的第五个年头,我必须要做出抉择——是继续过着这种蛋疼、懒散和毫无激情的码农生活,还是要准备经历一段“转型”难过的适应期,但却有可能获得我想要的挑战和激情的新工作和环境;我骨子里就有一个不甘于平凡的心,也不喜欢一成不变的状态,混日子更不是我的风格,不趁着年轻好好拼搏下,那就真是“再不疯狂我们就老了”。所以,最终我选择了转型,现在在做移动端产品经理。


   2.我倒不是说做程序员不好或有多么的苦逼,而是从之前一起做开发的同事身上,看到却是一种悲哀——埋头苦干做码农,事不关己改bug,没有自己的思想。“有些程序的情况是:华丽的界面背后,隐藏的是无法直视的代码。。。”,这是我之前发的一条闪存,说的确实有调侃之意,但也不可否认这样的情况比较常见。其实做技术没什么不好,如果能获得成就感,你会感觉做编程是件很有趣的事情;然而,我想说的是:做为程序员,你应该有自己的思想,要多想想如何能将自己的工作变得更轻松,从重复、繁琐的代码中解脱出来?怎样能让自己的代码写的更有可读性、艺术感?如何能让团队协作开发更顺利、高效?如何能将自己的能力得到更全面的提升(项目管理、产品策划等)?...

 

我知道这篇博客写出来,会引起“轩然大波”(有些夸张),因为我知道没有多少人只甘于做一个程序员!

我的微信订阅号:zxcknowmore,你的关注与支持,是我多写博文的动力!

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 4
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

打赏作者

黑马晓程序

为梦想而赞

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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