做到这四点,让公司给你大幅加薪!

 

 

今天有位网友加我微信提了一个困惑:上个月他涨工资了,但公司才给他涨了10%,他不满意,怎么办?

 

我首先问他:你认为你们部门谁涨得最多?为什么?

 

他思考了下,我的项目经理,他踏实能干,公司应该不会亏待他。

 

我让他用三句话总结下自己的强项和优势。

 

他思索良久,无法表达。

 

公司每年的涨薪其实是对个人生活通货膨胀的补贴,也是对你的未来发展潜力的认可。你过去的成绩代表着未来给公司带来价值的潜力。

 

公司不是说你过去干得辛苦,就必须给你涨很多。过去的工作,已折算成薪资发放了,所以涨幅的大小是公司对你增值部分的认可程度。

 

我给他提了四条建议:

 

1、向优秀的人学习。

 

看他们哪些经验值得自己学习。我在 《保持高效办公的简单几招,一般人不告诉他!》特别提到了原百度集团总裁兼首席运营官陆奇。现把他的作息时间表再帖一遍。温故知新,体会大牛级的生活。

 

每天3点起床,先查邮件,回复邮件。
4点跑步,跑上5公里。
5点至6点,就到办公室上班。
7点前,处理完所有邮件。
8点前,做好当天工作计划。
9点,和姗姗来迟的老外开晨会。
22点下班,学习一个小时。
23点上床休息。

 

这个作息,陆奇多年如一日。仅仅是这个自律的坚持,就足以超过全世界99.9%的人,还不包括他其他方面的自律,可怕不可怕,陆奇能达到如此的成就和他的坚持自律是分不开的。

 

2、少抱怨,聚焦工作。

 

团队真正优秀的就那么几个人。大部分都比较平庸,只要你自己努力稍微一点点,领导都能感到你的巨大变化。

 

我们可能对自己的岗位不满意。很多岗位的价值,需要自己去挖掘,如果你就是把自己当作,按照领导安排,按部就班去做事,那么你在多重要的岗位,恐怕也不见得能成长,但如果你有自己的思考和分析总结能力,你在日常工作中不断总结思考,不断深入。很多普通职位也会出现高阶人才。

 

把眼界放得更高的层面,在工作中发挥更大的价值,在工作中提高自己的技能。

 

不要多想,聚焦工作。对工作以付出不亚于任何人的努力做好。在自己的岗位只要认真付出,发挥自己的价值,总会得到丰厚回报。

 

做好以上,再加点讨巧的方法:把工作中的一些思考和经验进行梳理总结,写几篇干货,发到公司论坛,提高自己的曝光度。文章不在多,而在于精。可以每个月发一篇,半年之后,大部分人会记住你的名字。

 

发到论坛是不是太张扬?你想多了,先做了再说。对自己有损失吗?没有。没有那怕什么,做就是。

 

3、保持良好作息时间。

 

现在每天晚上12点睡觉,早晨8点起床,修改下作息时间,建议改成晚上11点休息,5点起床。用5点到8点这三个小时的黄金时间,干些有意义的事,比如学技术,学英语,跑步。

 

他们的强项,自己搞不来。那就做简单的事情,坚持做,比意志力。这种自制力不是每个人可以达到的。

 

看下面这个抖音里面的健身达人。他就是每天早起健身练口才。重复的事情坚持一定时间后,大家会其产生一种敬佩。逐渐个人IP就打造起来了。

 

 

 

 

4、和领导处好关系。

 

每周发个周报给领导们。逢年过节送点小礼品。咱们国家是讲究礼节的社会。人情世故这点,技术人员比较缺乏,可以多注意这些方面。

 

以上三个建议都做好,大约需要一年时间,这时再看公司对你的认可。如涨幅未达理想值,兄弟,可以跳槽了。

 

* 作者简介:王不留(微信: wbliu85),早晨四点开启奔跑人生的一枚非典型程序员。

 

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