为求职中的“怎么办”找答案

无论在职业讲习所,还是在职场讲坛,我们听到大家反映最多的就是怎么样找到一份好工作的问题。具体说来,问题体现在:想找工作但没有经验怎么办呀?和我的专业对口的工作太少,或者是专业知识博而不精,自我感觉没有竞争力怎么办?我根本就不知道自己喜欢什么、能干什么,如何才能找到自己的目标呢?这些问题看起来可怕,仔细分析起来,其实并不困难。

   找工作没经验怎么办

  
Pink学的专业是人力资源,今年即将本科毕业。可是在求职的过程中,他发现大多数用人单位要求有工作经验的应聘者。简历每每石沉大海,上门也是被拒之门外,愿意招他们的,倒是些证券公司的客户经理或是银行的柜员等,这让他感觉十分无奈。他个人想从事人力资源工作,职业测评也告诉他适合做人力资源工作。Pink这种情况,怎么办呢?

  其实企业要求求职者有工作经验,并不是为了这个经验本身,而是希望通过这个经验证明:你具备从事相关职业的能力。这个能力,包含专业知识和实际应用的能力,也包含一个人是否懂得为人处世、能够做好一个职场人的能力。很多时候,企业不愿意招刚毕业的大学生是因为他们觉得没有经过历练的大学生,常常眼高手低,缺少敬业的态度和工作的精神。要记得,对于招聘者而言,最关键的是:你能做好这份工作。其他一切(文凭、毕业学校、是男是女、是否科班)都不过是对这一点的佐证。如果你能够充分地证明你是一个胜任这份工作的人,HR会如获至宝的。

  所以,回到问题上来:如果你没有正式的工作经验,你是否有非正式的工作经验(兼职、实习、志愿者等)?如果你没有直接相关的工作经验,你可不可以有替代性的同样能够证明你能力的经验(比如,校园活动中积累的大量与人打交道、管理的经验)?

  有一位历史专业的大二学生,寒假时通过亲戚联系到一家公司的人力资源部实习,因为她工作非常认真,在实习结束时对方主动提出希望她能在上学期间也去兼职,并且想把专门一块事务交给她负责。那么,她可以很容易在毕业时就入到这一行有这样一个职位。如果你对上面问题的答案都是否定的,并且你时间也这么紧迫了,那么,可不可以多给自己一点时间,从现在开始就照上面说的多积累各种经验?别规定自己必须要在有限的时间内找到适合的、有激情的工作。大学毕业本来就还在职业探索的阶段,目标可以放长远一点,但一定要从现在开始缺什么补什么,准备好该做的功课。

   从能力出发而不是从专业出发找工作

  
Hebe是一个德语专业的大三学生,虽然对德语有兴趣,但还是希望转行做其他更想做的工作,比如从事主持工作。所以,Hebe放弃了原来要考德语研究生的想法,想毕业后先找一份德语方面的全职工作,然后在自己感兴趣的方面再找份兼职工作,届时看哪一份工作发展得好,自己就转到哪一个行业去。Hebe为自己规划好了未来的发展道路,但她并不确定自己的道路是否正确。

  Hebe的想法容易使人陷入一个很常见的误区,就是从专业的角度出发去考虑找工作,但实际上专业与工作之间不是那么狭隘的对应关系,同一个专业可以从事许多不同的职业甚至完全跨专业。

  所以我的建议是:从“能力”的角度来思考求职的问题。通常我们讲,能力有三种:一种是知识技能,这就是大家通常会想到的专业,但除了专业知识以外,其实每个人还学过很多其他的东西,比如摄影或者电脑,这些东西结合你的专业知识,可以帮助你更好地工作;第二种技能是自我管理的技能,也就是我们通常说的个性特质,比如,当主持人可能需要人的反应敏锐、思路灵活,等等;第三种技

  个人的竞争力,在于能不能将这三者较好地结合。 #p#分页标题#e#

  当你在考虑求职的时候,最好从这三种能力的角度出发来考察自己和想要从事的职业。对于职业的了解也应该更全面一些。比如说,你是否可以尝试去电台当一个德语节目的主持人呢?不见得需要从传媒大学毕业才可以当主持人,也不见得需要学过营销才能当销售。关键是要搞清楚:当主持人,需要什么样的能力和素质,这些能力我有吗?我现在能开始培养和发展这些能力吗?比如,去学校的广播电台竞聘主持人、多参加校园辩论赛等。

   如何寻找自己的目标

  
对很多大学生来说,有时候不知道自己到底喜欢什么,不知道自己真正热爱的是什么,那么,我们该如何去寻找自己的目标呢?

  借用我很喜欢的一句诗:“静静地听,听自己心底最真诚的那个声音。 ”那个声音能告诉你:你到底喜欢什么,热爱什么。

  如果你去看两三岁的小孩子,他们不会有这样的困惑:“我要吃饼干”“我要上公园”,他们直接地奔着目标就去了,遇到阻扰的时候他们就大哭大闹。他们非常清楚自己想要什么。为什么长大了,我们反而越来越不知道自己想要什么了呢?

  或许是因为我们小时候的喜好没有得到尊重,太多太多次,我们被告知你“应该”做这个“不应该”喜欢那个,于是,我们越来越不能够肯定自己,越来越失去了为自己作决定的勇气和自信。于是就有很多人像你一样,不知道自己到底喜欢什么自己想要什么;或者,即使知道也不敢确信,需要寻求专家的支持和肯定。

  寻找自己的目标,从尊重自己、肯定自己开始。他人的意见,要听、要参考,但是最终下判断做决定的,是你自己。

   把不相关的专业创意结合起来

  
现在大学里双学位比较流行,对有的同学来说,双学离开自己不喜欢的专业,走向自己喜欢的行业的一个跳板。而对另外一些同学来说,由于并没有找准自己的兴趣和目标,就胡乱修了一个,结果现在感觉两边不讨好。

  我觉得这个“两边不讨好”,可以换一个角度看问题:美国找实习地点的时候,也对自己没有信心,因为我语再好也不可能比得上美国人,但我要找的实习工作要大量运用语言的(心理咨询),而且我又没有什么直关的经验背景。当时老师帮我改简历,说:你可以在特长中写上你是“双语”——你看,这就是角度的不同,说我的母语是汉语所以我的英语怎么样也比不上人家而是说我除了英语还会更多的语言。而这种跨文化的背景,实际上有助于我从事心理咨询的工作。

  对修双学位的同学而言,我觉得也是一样:你懂的东别人更多,你要想想怎么发挥自己的优势。你的两个专业,就该是1 1>2,而不是1-1=0。

  举个例子来说,我个人也有两个专业:本科学的是英语,研究生读的是心理学。而我现在的工作之一是做心理培训的翻译。因为我有心理学的专业知识,这是只会英语的人所不能及的,所以虽然懂英语的人极多。

  我不知道你的两个专业是什么,但是你可以看看可以怎样有创意地结合它们。有时候,你在一个工作中不一定能用得上很多的另一个专业的东西,但是也许一定程度上,那个专业教给你的一些知识、方法、能力,还是可以对这个专业有所补充的。

  如果你能够找到这样的结合点,那么你其实可以相当有竞争力。借用一句关于蔡明的玩笑话:在演小品的人里面,她的歌唱得最好;在唱歌的人里面,她的小品演得最好。记得她曾经在中央电视台做过几十集的节目,就是一个将音乐、演唱和小品结合在一起的,效果也很好。

  关于找工作这茬事儿,要么就把它当成一件事儿,要么就不要把它当回事儿。 #p#分页标题#e#

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是出图像所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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