如何和不喜欢的人共事?

杰夫和我一样,集作家、发言人、咨询公司领导职位于一身。据我所知,他是个专业、受人尊重、才华横溢、诚实并且受人欢迎的人。我们的一个共同朋友让杰夫与我共同完成一项工作,很明显,一起共事对我们双方都有利。

  这个想法听起来不错,但问题是:我并不喜欢杰夫。

  他的一些事激怒了我。他看起来要么太自私自利,要么太自以为是。我不知道如何准确地描述杰夫,但是我知道我不喜欢他。

  我把这些想法告诉了让我们共事的那个人。她劝我必须克服这种想法,“你可以不喜欢他,但你要明智地与他合作。”

  那么,如果必须和不喜欢的人共事,该怎么办呢?

  我并不是单纯谈论那些让你难堪的人。这些人可能会因为沟通能力欠佳或者会议组织能力太差而让你失望,和这种人共事,你当然会因为时间被浪费而愤怒,尤其是在你相信自己可以更出色地完成工作时。但是这种情况并不等同于“不喜欢”。想想看,对于你喜欢的人,如果他们会议组织能力不行,你会非常想帮助他们;而对于那些你不喜欢的人,你会想终止和他们一起工作,如果会议真的被拖得很长,你会很想打断他。你对这两种情况的反应是不同的。

  对于和不喜欢的人共事,最典型的忠告就是:降低彼此间的联系,而只需和他们保持工作关系。换句话说:逆来顺受。

  但是我发现这几乎不可能实现。那些人会让我们抓狂,以致于我们会浪费大量时间和他们争吵,或者在需要和他们沟通时会倍感压力。

  但这都还不是最糟糕的。更糟的是,如果你不喜欢的人,碰巧知道了你不喜欢他,这就会激起他们也不喜欢你。如果你认为和自己不喜欢的人一起工作是件困难的事,那么不妨试试和不喜欢你的人一起工作。

  这个道理很简单。和你和睦相处的人,会帮你找解决方法;与你不合的人,却会找你麻烦。

  讨人喜欢有不可否认的益处。研究表明,喜欢你的人越多,你的生活就会越轻松、越有效、更有利可图。那就意味着,与你不合的人,即使你对他逆来顺受,他也会对你造成威胁。

  所以,如果逆来顺受不奏效,还有哪些选择呢?

  首先,你应该稍微想一想自己不喜欢某人的理由。也许你认为他们很贪婪、自私、刚愎自用。换句话说,他们有一些令你讨厌的性格缺陷或厌恶的特质。就像我把杰夫看成自私、自以为是的人一样。

  第二,这也是最艰难的部分,想想自己内心深处是不是也有类似的令人厌恶的特质。

  你是否也是个贪婪自私、刚愎自用或者十分卑鄙的人?你确实不喜欢这些性格,对吧?就像和不喜欢的人保持距离一样,相信你也希望自己能与不好的一面保持距离。

  换句话说,那就是,你不能容忍的那个人,让你想起了自己身上也有同样的缺点。

  要你一下子和不喜欢的人共事,就变的更加有意思了。如果你越了解他们,越能接受他们讨厌的部分,那你就越能更好地了解自己,并且接受自己令人讨厌的那一面。

  所以说,克服你讨厌别人的方法是什么呢?——就是克服自己令人讨厌的个性。

  那也就是你不喜欢的人可能派上用场的地方。通过他来更了解你自己。想想你为何不喜欢他。他做了哪些事让你如此烦恼?别去追究他组织会议的无能表现,或者是写不好工作邮件的事儿,要找到让你心烦的真正原因。是他的行为或个性让你讨厌吗?你究竟因为什么讨厌他?

  想清楚你如何回答这个问题,这反映了对自己的写照。这好比是一个游戏,只有找到你令人讨厌的行为,你才算是赢了。

  对于我来讲,从杰夫身上,我了解到自己令人讨厌的特质就是——自私、自以为是、自我满足。

  当你感到贪婪、自私、或非常卑鄙的特质时,你要三思。你自己发现了吗?你是否发现你的行为同时具备了吸引人的和令人厌恶的特质?你是否承认自己的个性不是非黑即白,而是复杂的混合体?你是否承认作为人的复杂性?这些都是能否接受自己的关键。

  而接受自己又是接受别人的关键。只有你开始实质性地喜欢之前讨厌的人,你才能够意识到这一点,才可能去协助他们把会议组织得更加高效。

  现在对于我来讲,很容易从杰夫身上看到我自己。我可能是个自私、自以为是和自我满足的人。这是个很难承认的事实,即使是在写这篇博客时也是如此,但这就是我个性的一部分,只要运用得当,这部分特质就会帮助我。

  这么做的好处就是:我现在已经不讨厌杰夫了

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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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 1
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