一个程序员如何快速赚到一百万? 哈哈 这个不错



一个程序员如何快速赚到一百万,说的详细点儿就是:

一个固定工作者怎么跳出固有的模式,靠其他途径(投资、理财、生意、创意、外包等)赚得相对殷实的钞票?

80% 人都会问这种赚钱问题,但这种问题却太难回答,因为太难有个可标准化的模式去效仿或借鉴。


这个时代,赚钱不难,赚 100 万也不难,难的是要具备且能勤奋的执行的能够持续创造财富的思想方法:观察事物 - 分析分解事物 - 得出解决方案,且把每一个步骤一步一步“写”下来并踏踏实实实施,这个方法最笨,但是她是最踏实的,有了这个,钱是迟早的事儿。

好的思想方法宛如一个能源源不断生长出参天大树的生态系统,这种感觉是绿油油、清清爽爽的。


作为一个程序员,如何赚到一百万呢?

转行

和程序员有关的转行:

废话少说,言归正传。

树立正确的财富观念,既然本文的主题是程序员,那么当然首推阮一峰翻译的《黑客与画家》,至于作者的大名,我怕说出来把你们吓到,就不说了。(其实是我没有记住),放一章关于财富的思维导图:

如何创造财富:

《黑客与画家》之「如何创造财富」思维导图

图片来自segmentfault

另一本对我影响对大的书就是《富爸爸,穷爸爸》,这里有一篇关于本书的读书笔记《“富爸爸,穷爸爸”读书笔记:人穷穷观念,人富钱生钱》。在三十岁成为百万富翁不应该错误的几本书书单中,这本书更是被排到了第一名。


观念树立完成后,进入实战阶段。

就拿程序员举例,举个例子说明上面的方法,我认为编程的核心是三步:

  1. 编程就是把实现方法一个步骤一个步骤写下来,一个步骤一个步骤一个步骤挨个实现,拿 OpenGL 作为例子,如果要实现球体落体弹起的效果,必须从声明、初始化、分配内存、实例化、声明球体大小与地面的高度等、重写落地的函数方法实现 10 余个步骤就能得到,好的程序员会先做 UML,逻辑文档开始,就是这个原因,因为任何事情一定要先观察、分解得清清楚楚,才能够为后面的成功做好完美的铺垫。

  2. 模块化封装在一个优化到相对完美的架构中。可以是 MVC,可以是自己封装的框架,这样就构成一个相对稳定的、能生陈代谢的生态系统,优秀的架构师,必定是一个生态系统的思维的人。

  3. 能够给自己的系统医护、管理。不断迭代和优化,应对超负荷,大功率运作的能力。考虑兼容、安全、稳定、多线程、海量请求、丢包、溢出等等,优秀的软件工程师,必定是一个心思细密而开阔的医生。


实例化一个例子:创造一个有市场需求的产品,卖掉或者自己开公司。

这是我的亲身经历,已经试过,有效果!

第一步:整理、分析自己拥有的一切资源;

例如:个人人脉:C++ 3个,MIT 2 人,某 angle VC,某个城市的司机、律师、黄牛、专利注册线人、私募线人、固件开发、OS 操作系统、电路设计等,个人能力:游说能力、谈判能力、企划能力、核心技术能力等。把这些资源按照强度分成 ABCD 四个档次。

第二步:创造赚钱的商业模式

  1. 搜集、整理、分析市场。找出 20 个最近几年成长空间大的业态,分成 ABCD 四个档次,分档次的依据是:别人干过,别人干了没有干成、别人从来没有干过等等。

  2. 萃取 IDEA + 创造产品。

    1. 找出消费者遇到的难题。列出消费者遇到的100个没有被解决或没有被解决好的难题,按照解决的难道系数、紧急度等分等级 ABCD,

    2. 想出 20 个解决 A 等级难题的方法、路径、渠道。

    3. 列出 500 个与上面 A 相关的关键词。这些关键词包括人的需求(马斯洛等)、现代科技、生物进化、财经八卦、IT 产品、商业模式、渲染引擎、电子商务、手持设备、软件系统、生物医药、材料矿产等等。

    4. 创造产品。

      • 将这些信息和关键词写成便签纸贴在墙上,市场、需求、方法、关键词等按照相关度大小进行联线(画线、连网),最终形成10个最有可能形成产品的“产品网”。

      • 提取 3 个“产品网”进入产品的建模流程:产品满足哪部分人的需求,产品核心价值(杀手锏),产品核心功能、主要功能、次要功能,产品取名,产品运营模式,产品的差异化设计,壁垒设计,产品的难点,竞争对手分析,技术开发,界面设计,规范和产品专利等。

  3. 产品的运营计划。创造合适的盈利模式、收入模式、如何扩大用户群的方案、有可能形成合作的公司等方案。结合第一步中的个人资源,分析并提取出实现度最高的 1 个产品,进行商业运营模拟,形成三年内的运营计划书。

  4. 3 年损益计划。自己的钱 + 亲友的钱 + 私募 + VC + 借贷等。

第三步:开实体公司。

  1. 组建团队。将A等级的人脉资源从上述的第一步中拎出来,进行“六度”人脉扩展甄选,组建成团队,
  2. 资金筹集。自己的钱 + 亲友的钱 + 私募 + VC + 借贷等。
  3. 成立公司。找房子 + 注册公司 + 办理手续等等近 20 件常规流程事情。
  4. 生存下来先,无论怎样先生存,头几个月很关键。
  5. 剩下的时间按上述的 3 年运营计划进行,在过程中优化进程!
  6. 卖掉或者继续。

再重复一下,这个方法最笨,但是她是最踏实的。

文章来源:http://www.zhihu.com/question/20367199

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于Tensorflow、OpenAI搭建的强化学习框架,训练机器自动操盘 强化学习(Reinforcement Learning, RL),又称再励学习、评价学习或增强学习,是机器学习的范式和方法论之一。它主要用于描述和解决智能体(agent)在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。强化学习的特点在于没有监督数据,只有奖励信号。 强化学习的常见模型是标准的马尔可夫决策过程(Markov Decision Process, MDP)。按给定条件,强化学习可分为基于模式的强化学习(model-based RL)和无模式强化学习(model-free RL),以及主动强化学习(active RL)和被动强化学习(passive RL)。强化学习的变体包括逆向强化学习、阶层强化学习和部分可观测系统的强化学习。求解强化学习问题所使用的算法可分为策略搜索算法和值函数(value function)算法两类。 强化学习理论受到行为主义心理学启发,侧重在线学习并试图在探索-利用(exploration-exploitation)间保持平衡。不同于监督学习和非监督学习,强化学习不要求预先给定任何数据,而是通过接收环境对动作的奖励(反馈)获得学习信息并更新模型参数。强化学习问题在信息论、博弈论、自动控制等领域有得到讨论,被用于解释有限理性条件下的平衡态、设计推荐系统和机器人交互系统。一些复杂的强化学习算法在一定程度上具备解决复杂问题的通用智能,可以在围棋和电子游戏中达到人类水平。 强化学习在工程领域的应用也相当广泛。例如,Facebook提出了开源强化学习平台Horizon,该平台利用强化学习来优化大规模生产系统。在医疗保健领域,RL系统能够为患者提供治疗策略,该系统能够利用以往的经验找到最优的策略,而无需生物系统的数学模型等先验信息,这使得基于RL的系统具有更广泛的适用性。 总的来说,强化学习是一种通过智能体与环境交互,以最大化累积奖励为目标的学习过程。它在许多领域都展现出了强大的应用潜力。
尝试用基于值函数逼近的强化学习方法玩经典的马里奥游戏,取得了一定成果 强化学习(Reinforcement Learning, RL),又称再励学习、评价学习或增强学习,是机器学习的范式和方法论之一。它主要用于描述和解决智能体(agent)在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。强化学习的特点在于没有监督数据,只有奖励信号。 强化学习的常见模型是标准的马尔可夫决策过程(Markov Decision Process, MDP)。按给定条件,强化学习可分为基于模式的强化学习(model-based RL)和无模式强化学习(model-free RL),以及主动强化学习(active RL)和被动强化学习(passive RL)。强化学习的变体包括逆向强化学习、阶层强化学习和部分可观测系统的强化学习。求解强化学习问题所使用的算法可分为策略搜索算法和值函数(value function)算法两类。 强化学习理论受到行为主义心理学启发,侧重在线学习并试图在探索-利用(exploration-exploitation)间保持平衡。不同于监督学习和非监督学习,强化学习不要求预先给定任何数据,而是通过接收环境对动作的奖励(反馈)获得学习信息并更新模型参数。强化学习问题在信息论、博弈论、自动控制等领域有得到讨论,被用于解释有限理性条件下的平衡态、设计推荐系统和机器人交互系统。一些复杂的强化学习算法在一定程度上具备解决复杂问题的通用智能,可以在围棋和电子游戏中达到人类水平。 强化学习在工程领域的应用也相当广泛。例如,Facebook提出了开源强化学习平台Horizon,该平台利用强化学习来优化大规模生产系统。在医疗保健领域,RL系统能够为患者提供治疗策略,该系统能够利用以往的经验找到最优的策略,而无需生物系统的数学模型等先验信息,这使得基于RL的系统具有更广泛的适用性。 总的来说,强化学习是一种通过智能体与环境交互,以最大化累积奖励为目标的学习过程。它在许多领域都展现出了强大的应用潜力。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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