关于实习

关于实习

1:少说话,多做事

人到了新环境,会听到遇到不一样的人和事,尤其是当这是你的第一份实习工作,原先只在大学校园混,突然进入到一个全新的社会小染缸中。这个时候自然会有很多感触萌发,很多感想表达,很多八卦想聊。
一定要牢记忍住:(重要的事情说三遍)
憋说话,多做事
憋说话,多做事
憋说话,多做事
因为作为实习生,你根本不知道你的这堆话会被谁听到、传开、以及会被如何理解。
职场上死在言多必失的老江湖遍地都是,比如最近某度的总监。
更何况小小的实习生,所以管住自己的嘴。

2:有问题先google

虚心好问是种美德,但是问蠢问题就是作死。
“xx,请教下这家客户是卖什么产品的?

“xx,请教下怎么撤回发出去的邮件?”
“xx,请教下怎么ppt上怎么内嵌入链接?”

一般我遇到这样的实习生,第一次,第二次我会解答他的问题,同时最后告诉他以后类似的问题请google,如果有第三次,game就基本over了。
因为第一我很忙,我的工作不是来帮你解答这些随手google就能出来的问题的;
第二在我心目中,你已经生成一个牢固的标签:不思考的万年伸手党。怎么放心把工作交给你。

3:态度很重要

“不好意思,我晚上有聚会,做不完,明天给你可以吗”
“不好意思,我周六日要出去玩,周一给你可以吗”
“不好意思,昨天做着做着困了,就先睡了,我下午给你可以吗”

可以啊,这有什么不可以的。只是应该3次以上,以后只会给你最简单重复性工作的任务了,那你就真的成了传说中的“我做了2个月实习,每天只负责打印”。
因为我不敢给你有点挑战或者需要非工作时间投入精力的任务,项目里都是一环扣一环的,你的进度delay,是拖延了整个项目的节奏,给你的工作晚上得出活,我哪知道你会不会睡着或者出去happy呢,所以还不如交给其他靠谱的人做或者自己做。

这点并不是说实习生要牺牲所有的生活时间,而是说“有付出才有回报”,经验不够可以靠时间积累,但是“态度不到位”,那就不要怪别人不给你机会了。
我团队中有个实习生,不直接汇报给我,原先完全没注意到,后来无意间早上约个讨论会,问大家的时间,她说时间都可以,她一般8点就到公司了。要知道她住的地方离公司1个半小时的路程,而且因为经常加班,一般大家都是9点30之后到公司。感受下。

4:多想一步

不论是对客户还是对老板,保障满意度的秘诀是超出对方期望值一点。
让你递个筷子,你还顺便递上纸巾;
让你更新个excel表,你还能把excel表的命名同步更新;
让你一起参与讨论,你还能会前做点小调研带着想法过来,哪怕想法不怎么样;
这些多想一步,会慢慢建立起你靠谱,会思考的标签。

5:自然的一起耍

刨开工作之余,如果有机会一起吃饭一起K歌一起喝酒,但凡不是特别的原因,就一起耍。别自顾自纠结,我是个实习生,一起去好吗?去了之后说什么呢?不要给自己扣上个实习生的帽子,之后就束手束脚。别多想,只管耍就行了。耍完之后各自还是在各自为之干各自的活,也不排除互相之间感情到位了,可能会有更多意想不到的收获。
只是耍的时候别带太多小心思,这种如果让人感受到那可能就是负分了。

6:让比较多的人记住你

实习生有时候会互借使用,所以对待任何一个人任何一个任务都需要全力以赴,因为你所接触的人对你都有评价的话语权,不管是名义的还是实质的。
怎么让比较多的人记住你,其实如上5点之后,如果有自己的特色特长,甚至跟工作内容相关,那就更能建立你的uniuqe了,比如假设你是广告公司的实习生,你有自己微信公众账号并且还有上万的粉丝。

作者:shimashima

链接:https://www.jianshu.com/p/6db1dc7eee6a

转载于:https://www.cnblogs.com/liguo-wang/p/10891739.html

  • 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
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