让心引领--大话猎头(3)

让心引领

作者:张大志(leo)

昨天,接到一位互联网总监Ann的电话,咨询她换工作的事儿。Ann是之前的位候选人,在国内位列前3的互联网网站负责一个部门的运营。在漫长的15年职业经历中,她只换过1次工作,就是从传统媒体到现在的互联网公司。4年前我作为猎头联系 Ann的时候用金钱、职位、良好发展等手段进行诱惑,她都不为所动。在猎头看来Ann是优秀之中的优秀了,目标明确、知道自己想要的什么、能抗拒诱惑。因为相互比较认可,离开猎头行业之后我们依然有联系。

Leo新机会什么吸引了你呢?

Ann发展。虽然听起来有点虚,但这是实话。我现在工作上什么都不缺,职位、薪水、升职机会,但感觉是在已经搭好的平台上做,我想挑战自己。联系我的公司是家相对新的公司,刚起步,很有前途,我比较看好。

Leo那你还犹豫什么?

Ann虽然我自认为到了应该换换平台的时候,但家人和身边的朋友都反对。我想听听你的意见,这件事与你没有利益冲突,应该更客观些。

之后,我介绍了常用的T表工具给Ann。具体方法是:找张白纸一上、一下画上个大大的“T”字,在T字左右两边写上如下内容。

上边的T字左边写上现有工作的好处,右边写上现有工作的不足。下边的T字左边写上新工作的好处,右边写上新工作的不足。之后,按以下逻辑进行分析硬条件、软条件。

硬条件(能准确衡量)一般包括:职位、薪水、福利、上下班远近、企业性质。

软条件(不能准确衡量)一般包括:公司前景、企业文化、本部门的领导风格是否适合自己、职位和技能的上升空间、自己在此还能能学到的东西、自己留下(离开)给部门带来的影响。

需要注意的是在软、硬条件里都要加上权重,比如,职位提升的机会的权重要远远大于家近这个因素。此外,很值得提到的是,把这张表给两类人看,家人和与自己利益无关的人,请他们加上各自的意见。

列地越清楚,就越方便判断。列出之后,把目前公司的好处与新公司的好处相比,再把两个公司的不足之处相比。得出自己最终的结论。

我还说了自己几年前换工作时使用T表的例子。

目前公司职位

优势 劣势

相对稳定、有比较熟悉的环境

收入正常(收入不能低,我一个MBA同学也做招聘,薪水比我少20%

与目前领导配合很默契,双方已建立信任

 

离家近

 

压力适中

 

新公司职位

优势 劣势

薪水目前的Double(谈的好可以再多些,吼吼)

工作压力很大(主要是带团队,完成业绩)

国际知名的人力资源专业公司(牌子响)

公司风格需要进一步了解、环境需要熟悉

带团队

离家远(每天4小时在路上)

 

 

不得不承认Ann很有耐心地听完了我在电话里的唠叨。之后她心平气和地说:谢谢!这个方法上周用过了。我时常看你的博客。

Leo哦!让我再想想。

Ann之前,我也咨询过其它人。类似的工具也用过,还是难做定夺。

Leo如果所有理性的标准都无法准确地让你得出结论。那我给你讲个故事。

……

之后,Ann按故事中的道理去做最后的决定了。

这个事故我最近经常讲,讲给别人听,也讲给自己听。

有位全球排名前5猎头公司的CEO工作了30之后要退休了,继任者问:什么是决定候选人能否入职的最关键因素。CEO阅人无数,他没有谈及高薪水、升职机会、新公司的美好未来,对优秀的候选人而言这些在目前公司也会有(像故事里提到的Ann)。CEO只说了一个词Fate。我认为翻译成缘分是最合适的。

当所有的理性比较都失去效用的时候,检视一下:与现在的公司是否缘分已尽,跟新公司是否更投缘。既然客观条件都差不多,那么让自己的心给个答案。

当然,我要是还在猎头行业、Ann的新公司又是我的客户,我肯定疯狂拉拢她,希望她加盟新公司。猎头的私心也很重。

(版权声名:本文原载于《职场》杂志09年第2 。原创作品,允许转载,转载时请务必以超链接形式标明文章原始出版、作者信息和本声明。否则将追究法律责任。本文地址:http://blog.csdn.net/jobchanceleo/archive/2009/05/22/4208250.aspx

大话猎头系列

猎头乌龙事件

第一次与猎头亲密接触

两招揪住猎头心

制服猎头面对面

年薪35万女网管的故事

当猎头来敲你的窗

让猎头雨天送伞--大话猎头(1)

宁静可以致远--大话猎头(2)

【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。
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。
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