IT人的十级孤独

这篇博客描绘了IT行业中不同角色如销售、售前、运维、市场人员所经历的孤独感,从痛苦、幸福到磨练、思念,孤独伴随着IT人的成长,尽管有时被铭记,有时被遗忘,但正是这种孤独塑造了他们的独特与优秀。
摘要由CSDN通过智能技术生成

销售孤独等级表

第❶级

一个人去投标

第❷级

一个人做标书,并且独立完成技术应答表填写

第❸级

一个人去参加技术交流会,并登台讲技术方案

第❹级

找人去陪标,结果陪标公司中了,我没中

第❺级

友商都入围了甲方爸爸的年度采购框架,除了我司

第❻级

精心运作的项目发标书了,发现标底友商都满足,除了我司

第❼级

请客户吃饭,客户还没喝好,我已经喝大了,客户把我送回家

第❽级

公司开客户答谢会,我邀请的甲方爸爸一个都没来

第❾级

公司销售都完成了年度任务,除了我

第❿级

公司销售都没完成年度任务,除了我

 

有时,孤独是一种痛苦

有时,孤独是一种幸福

 

 

售前孤独等级表

第❶级

给客户讲方案,客户一脸懵逼,没听懂

第❷级

给销售讲产品,销售一脸懵逼,没听懂

第❸级

给女朋友讲技术,女朋友一脸懵逼,没听懂

第❹级

客户给你讲需求,你一脸懵逼,没听懂

第❺级

销售给你讲套路,你一脸懵逼,没听懂

第❻级

女朋友给你讲情话,你一脸懵逼,没听懂

第❼级

销售给客户讲方案,客户懂了,你没懂

第❽级

客户给销售讲需求,销售懂了,你没懂

第❾级

女朋友跟你讲“技术”,你却跟她讲技术

第❿级

没有女朋友

 

有时,孤独是一种磨练

有时,孤独是一种思念

 

运维孤独等级表

第❶级

一个人在机房值守

第❷级

周末一个人在机房值守

第❸级

小长假一个人在机房值守

第❹级

大年夜一个人在机房值守

第❺级

大年夜一个人在机房值守,出了故障

第❻级

大年夜一个人在机房值守,出了故障,没人响应

第❼级

大年夜一个人在机房值守,出了故障,没人响应,你使用了命令:rm -rf /*

第❽级

有AI陪你在机房,一起值守

第❾级

有AI替你在机房值守

第❿级

没有机房再需要你值守

 

有时,孤独是一种被铭记

有时,孤独是一种被忘记

 

市场孤独等级表

第❶级

一个人扛易拉宝去办活动,然后再一个人扛回来

第❷级

一个人逐字逐句校对厚厚的《产品手册》设计稿,印错了还得自己赔

第❸级

一个人求爷爷告奶奶去删稿、铲帖

第❹级

被技术部门嘲笑:不懂技术;被业务部门嘲笑:不懂业务

第❺级

自己辛苦编发的公司微信文章,只有1个阅读

第❻级

出了10个版本的海报设计稿,拿给老板选,老板一个都没看上眼

第❼级

公司实在没啥可宣传的,却还要挖空心思去想素材

第❽级

公司发布会前夜,布展完成,彩排完成,一个人独坐会场,守候精彩

第❾级

公司发布会落幕,人潮散尽,同事都在自拍、晒圈,你却一个人在张罗收拾会场

第❿级

老板说,今年市场费预算减半,但是活要照干!

 

孤独,我们每个人都经历过

孤独让我们与众不同

孤独将我们成就,孤独令我们优秀

那么

.

.

.

.

.

 有人说是,过年不回家 

我觉得 可能是没有时间找女朋友吧!

孤独是一种病  久了 也就习惯了!

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。
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