说话的艺术—卡耐基

 

 
https://i-blog.csdnimg.cn/blog_migrate/60e282fae38351c2d59fb8c5246ea36b.jpeg

作者:
(美国)戴尔·卡耐基 译者:刘祜
ISBN:
9787507417920 , 7507417921
出版社:
中国城市出版社
出版日期:
2007年
内容提要 :
哈佛大学著名教授詹姆斯曾经这样说道:“和我们所应该取得的成就相比,我们只是处于半醒的状态。现在我们只利用了我们身心资源的很小一部分。从广义上来说,人类现在还只是生活在自身潜能远远没有得到开发的狭小天地中,人类具有各种潜力,但却不曾开发和利用”。
开发你原本拥有、但却不曾利用的潜能!这正是《卡耐基说话的艺术》的唯一目的。如果你读了这本书的前三章之后,还觉得难以应对生活中的各种情况的话,那么这《卡耐基说话的艺术》对你来说至少是失败的,因为教育的最伟大目的不是传授知识,而是教人行动。这是一本教人行动的书。好了,这篇序言已经太长了。就让我们现在开始吧!让我们立刻言归正传。
编辑推荐 :
那是在一个寒冬的夜晚,2500我名美国各界成功的绅士和女士们聚集到了宾夕法尼亚饮店的大舞厅。刚到7点半钟,宽敞的舞厅内早已经座无虚席,但是直到8点,仍然还有不少人走进舞厅,而且大家都兴致很高。没过多久,宽敞的舞厅就挤满了人,那些来得晚的人开始挤占没有座位的空地。
戴尔·卡耐基,美国“成人教育之父”。20世纪早期,他独辟蹊径地开创了一套融演讲、推销、为人处世、智能开发于一体的教育方式,运用社会学和心理学知识,对人性进行了通过奋斗获得成功的真实故事,激励了无数陷入迷茫和困境的人,帮助他们重新找到自己的人生。本书就是这位伟大人物的杰作,里面蕴涵了展现自我完美沟通的智慧,是你必读的经典著作之一。
作者简介 :
戴尔·卡耐基,美国“成人教育之父”。20世纪早期,美国经济陷入萧条,战争和贫困导致人们失去了对美好生活的愿望,而卡耐基独辟蹊径地开始了一套融演讲、推销、为人处世、智能开发于一体的教育方式,他运用社会学和心理学知识,对人性进行了深刻的探讨和分析。他讲述的许多普通人通地奋斗获得成功的真实故事,激励了无数陷入迷茫和困境的人,帮助他们重新找到了自己的人生。
接受卡耐基教育的有社会各界人士,其中不乏军政要员甚至包括几位美国总统,千千万万的人从卡耐基的教育中获益匪浅。
卡耐基在实践的基础上撰写而成的著作,是20世纪最畅销的成功励志经典。他的主要代表作有《人性的弱点》、《人性的优点》、《演讲与口才》、《美好的人生》、《快乐的人生》、《伟大的人物》和《人性的光辉》。这些书出版后,立即风靡全世界,先后被翻译成几十种文字,立即风靡全世界,先后被翻译成几十种文字,被誉为“人类出版史上的奇迹”,无数读者由此走上了成功之路。
目录 :
序言 获取成功的捷径
前言 开发你的成功潜能
第一篇 培养优美而令人愉悦的谈吐
第1章 做一个真诚的倾听者
第2章 谈论对方最感兴趣的话题
第3章 让对方感到自己很重要
第4章 说话时面带微笑
第5章 学会使用友善的方式说话
第6章 站在对方的立场说话
第7章 向对方表示同情

第二篇 说话高手的六项修炼
第8章 让对方多说话
第9章 不要和别人争论
第10章 永远不要指责他人的错误
第11章 勇敢地承认自己的错误
第12章 使对方一开始就说“是”
第13章 牢记他人的名字

第三篇 如何成为受人欢迎的说话高手
第14章 让对方觉得是自己的主意
第15章 赞美和欣赏他人
第16章 委婉地提醒对方的错误
第17章 激发对方高尚的动机
第18章 批评对方前先谈你自己的错误
第19章 建议而不是命令对方
第20章 给对方面子
第21章 送给对方一个好名声
第22章 让别人乐意接受你的建议

第四篇 当众说话的高效技巧
第23章 快速获得当众说话的技巧
第24章 培养当众说话的勇气和信心
第25章 简单而有效的当众说话方法
第26章 说话时充满旺盛的生命力
第27章 打开听众的心扉
第28章 如何激励和打动听众
第29章 说明问题的技巧
第30章 说服听众的技巧
第31章 如何发表即席讲话
第32章 培养良好的说话姿态
第33章 完善语言表达的技巧
第34章 完善你的说话风格和个性
第35章 走向成功的秘诀
后记
……
书摘:
第13章牢记他人的名字卡耐基成功金言
公司越大,人们之间的关系就会越冷漠。唯一能够使公司变得温暖一些的办法,就是记住人们的名字。
富兰克林?罗斯福知道一个最简单、最明显、最重要的使人获得好感的方法,那就是牢记别人的名字,使人感觉受到了重视。但是,我们中间有多少人能够像罗斯福这样做呢?
在个人事业与商业交往中,记住别人姓名的能力并非一件小事。拥有这种能力的人,将会使自己成为一个受人欢迎的谈话高手。1898年,纽约的斯通克兰发生了一件不幸的事,当地一个孩子死‘了。这天,附近的邻居正准备去参加葬礼。一个名叫吉姆?法莱的男子到马厩中去牵他的马。由于接连下了好几天的雪,地上全都是积雪,寒风凛冽,而且那匹马也好几天都没有出来跑动了,因此当它被拉到水槽边的时候,满心欢欣,双蹄拾得高高的踢向空中,结果将吉姆?法莱活活踢死。在那个星期,在这个小小的镇子里有两个葬礼,而不是一个。
吉姆?法莱死后,留下了妻子和3个孩子,以及几百美元的保险金。他最大的儿子小吉姆这时才只有10岁。为了帮助母亲,小吉姆只好到砖厂打工挣钱。他的工作就是运沙子,然后将沙子倒入砖模中,将制好的砖坯转换方向,把砖放在太阳底下晒干。
小吉姆从来没有接受过什么教育,但因为他具有爱尔兰人天生的愉快品性,他有一种使别人喜欢他的才能,当他以后参加到政治活动中的时候,随着岁月的流逝,他培养了一种特殊的能力,那就是记住别人的名字。他从未上过中学,但在他46岁以前,已经有4所大学授予他名誉学位;他还成为美国民主党全国委员会的主席,当上了美国邮政总监。
一次,我去拜访小吉姆?法莱,问他有什么成功的秘诀。他说:“努力工作。”
我说:“您别和我开玩笑了。”
于是他问我:“你认为我成功的因素是什么?”
我回答道:“我知道你可以叫出10000人的名字。”
“不,不。你错了,”他说道,“我能叫50000人的名字。”
千万不要小看这一点,正是这种能力,才使得小吉姆?法莱帮助富兰克林?罗斯福进入了白宫,当上了美国总统。
吉姆?法莱早年为一家石膏公司当推销员而到处奔波时,当他在家乡的小镇上担任乡间公务员时,他自己找到了一种记住别人姓名的有效方法。刚开始的时候,这种方法非常简单。每当他接触到一个陌生人的时候,他总会问清楚对方的姓名、家中有几个人、对方的职业以及他的政治观点,并认真地记住这一切,将这些和他本人的面貌联系起来。当他下次再遇到那个人时,即使是过了一
……
—转自大象的QQ空间
—国庆读书

转载于:https://www.cnblogs.com/lele/articles/2709791.html

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、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