996,别让年轻人累到不觉得累

昨天都被「BOSS 直聘」公开取消996的消息刷了屏,并且原来薪资中所含的加班费正常照发。 

这个薪资不变真的香,真的良心。 

为什么一下子就刷屏了,因为打工仔们,真的压抑了太久了!

以前大环境都是在加班,打工人能咋办呢?

要么一起卷下去,要么卷不过,自己出局不玩了。

打工仔对大小周、996的反抗,从来都没用。 

反抗不了,要么接受,要么离开! 

现在「BOSS 直聘」敢第一个站出来,直接公开取消996。 

虽说资本都是逐利的,且不说「BOSS 」这个决定有多少成分是出于资本利益着想,有多少成分是为员工谋福利,亦或是受到上面给了压力。 

总之,不管怎么说,能看到越来越多的公司放弃大小周、恢复双休,心中还是挺欣慰的,毕竟打工人们有更多时间留给自己了。

从“996福报”论,到字节、快手纷纷取消大小周,再到BOSS直聘保持薪资,取消996,把本来属于劳动者的双休日还给劳动者,这是打工人的胜利。

作为大企业,「BOSS 直聘」敢走出这一步,绝对起到了典范的作用。 

哪怕是表面功夫,也好过明目张胆的加班,也好过大肆宣传996是一种福报。

慢慢来吧,在这个内卷的时代,要扭转整个局面,也急不来。 

这种大企业就应该标榜榜样,自从马云说了996是福报之后,让多少小企业的老板,甚至是打工仔,都认为996是正常的工作节奏。 

本来就是劳动者应有的东西,到最后变成一种福利了,变成了一种恩赐。

附上BOSS直聘CEO的一段话:

近期招聘

「中国移动」招聘前端、后端、产品经理

「探迹科技」招聘 7-8 名中/高级前端开发

「快手」招聘多名中级/高级/资深前端开发

「酷狗音乐」招聘 2 名前端开发工程师

「京东内推」招聘web前端开发工程师

热门教程

通俗易懂,趣味ES6教程

《vue.js 基础》简易教程

《vue.js 进阶》简易教程

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
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