如何培养自信心

self-confidence(自信心)——是一种反映个体对自己是否有能力成功地完成某项活动的信任程度的心理特性,是一种积极、有效地表达自我价值、自我尊重、自我理解的意识特征和心理状态,也称为信心。自信心的个体差异不同程度地影响着学习、竞赛、就业、成就等多方面的个体心理和行为。

当你被指派一个任务时,你会基于你目前所拥有的资源和能力做出一个评估,结果得出自己是否能胜任这个任务。自己目前能力<该任务所需能力,你却得出能胜任的结论,那就是你对自我认知不足,盲目乐观,这就是自负的表现。自己目前能力 >=该任务所需能力,而你却认为无法胜任,那就是过于贬低自己,这就是自卑。

从自负被打回原形比较容易,因为你多自负几次,多栽几个跟头,那么你就老实了。而从自卑上升到自信则难多了,因为由于自卑,你根本不会去领取任务,这意味着你不会完成该任务,从而无法提升自信,有新任务来时又主动退缩,陷入死循环。

所以大家可能看出来了,培养自信心的关键在于,多做事,做没做过的事。不断的检验自己,校正自己对自己的认知。但是大家在面临工作中的挑战时,报的都是比较谨慎的态度,因为事情没做成,轻则挨顿骂,重则丢了饭碗,所以又陷入一个死循环,谨慎接任务->无法突破自身->自信心(能力)无法提升->谨慎接任务。

所以培养自信心可以从生活中的事情开始。有一个很好的任务就是跑一个马拉松。如果你之前没有跑过马拉松,那么你肯定有很多问题想知道。

  1. 马拉松距离有多长?
  2. 跑马拉松需要什么样的装备?
  3. 从现在开始训练,需要多长时间能够完成马拉松?
  4. 需要什么样的训练计划?
  5. 如何安排自己的训练时间?

这么多的问题要把你淹没,自己完成一个马拉松似乎变成了一个不可能的任务。如果这时你退缩,那么我可以告诉你,你自卑了。因为据科学家研究,一个普通人,只要你没某些不适合跑步的疾病(比如心脏病等)以及肢体残疾(有些残疾人也能完成马拉松),通过训练都可以完成42公里的跑步。我说你行,你缺少的就是干劲。

虽然有这么多问题,你还是决定试试。那么首先要解决这些问题。如何解决不需要我教了吧?网上一查,资料一大把。多去跑步圣经、跑步吧里逛逛,买几本关于跑步的书,找几个身边的长跑健将聊聊天,大多数的问题都迎刃而解。小部分的问题可能会使你纠结,比如有人说跑步需要3呼3吸,有人说2呼2吸,有人说亚索800方法好,有人说MAF有奇效。不用纠结,你要进入下个环节了,实战训练,从训练中感知这些理论方法,从而找到更适合自己的方式。

刚开始训练感觉新奇,时间久了似乎各种问题又来了。最近太忙,训练时间很难保证;跑了这么久,距离还是无法突破;到底是先练距离还是先练速度那?…….说时间紧的那我劝你不练了。因为咱们的任务就是跑一个全程马拉松,你没时间训练,那就别干了。这就好像老板喊你7天搭一个网站出来,你说对不起最近LOL正在冲击排位,没时间做。跑马拉松这件事本来就是你自己给自己定的任务,老板就是你自己,所以时间问题你看着办。其它问题好说,搞IT这行的最不缺的技能就是利用资源。多看书、多逛跑步论坛、多找过来人交流….(怎么还是老三样)再加上自己在训练中融会贯通,我就不信你不长进。

好了,经过一段时间训练了,感觉自己进步很大,但还是拿不准啥时候能跑个全马。如果你想达到“万事俱备,只欠东风”,那么对不起,你不是诸葛亮,东风啥时候来你是不会知道的。这就需要你设置个deadline了。先报名一个几个月后的全马比赛(一般马拉松比赛都是提前几个月报名),然后你的训练会更加鸡血。而且你会找到一群志同道合的基友(没找到?不知道咋找?我膝盖前叉断裂,都轻松找到了一群病友,你到底用心没?),一起集训,相互鼓励。

比赛的日子越来越近了。回想这几个月来,你为了这一目标付出了这么多实打实的汗水,肯定感慨良多。你认识了一群基友,熟悉了周边没逛过几次的公园,看到了早晨7点钟的城市,学会了跑步中对自我反思….恭喜你,这些都是跑马拉松给你带来的从来没有的体验。虽然在迎接这天的过程中,你激动的内心有些忐忑,但是你似乎已经得到了很多意想不到的东西。

比赛这天终于到来了,站在起点前,和好几万人一起打算度过数小时的地狱旅行。这时你的心里除了激动还是激动。比赛结果其实已经不重要了,当你站在跑道上的时候,你就比以前的你强了。如果能顺利完赛,你已经不是以前的你。如果因故未完赛,放心,这绝不是你最后一场马拉松,相信你已经谋划下一次冒险了。

好了,你已经完成了生活中的一个任务了。有没有收获?自信心有没有提升?你试一下你就知道了。可以放心的告诉你,这种感觉绝对比你考试得了全班第一的感觉还要美好。另外,跑完马拉松不是你这个任务的终点。它就像给你打开了一个潘多拉魔盒,你会发现有更多的事情你可以去做,比如铁人三项,比如越野跑……

好吧,可能有点标题党。明明讲如何提升自信心,但通篇却在讲如何完成个人首马。其实很多事情都是相通的。因为你已经发现了如何做一件没做过的事情。

首先,先答应下来。这个最关键。

然后,发动所有的资源,了解这个事情。

接下来,做吧。别忘了边做边验证,吸收过来人的经验。

最后,接受检验吧。检验结果不用担心,因为无论通过与否,你整个过程已经有了大量的收获。

看完以后是不是有种自信心爆棚的错觉?别忘了关键两点: 1. 坚定决心要做; 2. 努力想如何做。

最后,尽情享受事情做成后带来的成功感和喜悦吧。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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