前期是老板给你发工资,中期是能力给你发工资,后期是品德给你发工资!

从前,有一个卖水果的摊子,老板因为年岁大了,无法久站招呼客人,于是就贴条子征店员。 过了几天,来了一个年轻男子,问老板一个月要用多少钱请他来帮忙,老板笑着说:“我们这小摊子生意,哪里付得出月薪,当然是看你的努力,一天能卖多少水果,收到的钱就给你十分之一,每天领现”。 年轻人听了,上下打量眼前这个破旧摊子,就臭着脸说不行,这太没保障了,说完掉头就走。 过了几天,又来了一位小伙子,问老板薪水怎么算,老板又把领日薪的话说了一遍,这位小伙子听了也想了一下,又问:“日领月领都没有关系,重要的是这水果摊一个月收入大概多少啊?” 老板说水果有分季节,生意也有淡旺季,好的话可收五万元,不好的话可能只有一万元。 小伙子听了破口大骂,说这种生意做一辈子也得不到荣华富贵,只有笨蛋才会来卖水果。 同样的,说完就走了。 又过了几天,又来了一位小男孩,问老板薪水怎么算,老板同样是说领日薪。 小男孩听了就笑了笑,对老板说,可不可以在节日和周末时,把日薪的抽成比例调高,领当日收入的十分之二,如果当天收入超过一万元,就领十分之三,如何? 老板哈哈大笑摸着小男孩的头说: “你真聪明,还知道节日和周末的生意比较好,就按照你所说的去做吧!不过,就算是节日或周末,营业收入要超过一万元,可不容易啊!” 就这样,小男孩开始用清水把水果都洗一遍,然后每天不停地变换水果的位置,节日或周末时,就贴出几张海报,写着消费满一千元就送一百元的水果,任凭顾客挑选。 想不到第一个月,小男孩就领到了三万元以上的薪水,等于平均日薪一千元以上。 水果摊老板虽然付出了不少薪水给小男孩,但他也乐得每天坐在摇椅上,看小男孩跑进跑出的,为他赚进比以前更多的钞票。 几年后,小男孩赚了不少钱,就把老板的水果摊买下来,经过他的巧思,设计出更多促销方案,生意比以前又更好,利润当然也更高,于是他立刻开了第二家店,过几个月又开第三家店,等到小男孩长大成人时,他已经成为亿万富翁,不到三十岁就拥有了荣华富贵。 根据调查,全世界的上班族,有百分之七十以上,都不满意老板给的薪水,即使知道老板的生意下滑,收入减少,这些人仍然主张老板要付更多的薪水。 很显然的,这百分之七十的人,就是第一个来应征水果店的年轻人。 他们要的只是一份保障,不管他们是否有全力去工作,或者他们的上班是否真的有帮到老板,他们就是要老板给自己一个稳定且不能打折扣的死薪水。 此外,我们相信,在这百分之七十的上班族中,也有不少是第二个来水果店找工作的小伙子,这类的上班族,都以为天底下的老板,一生下来口袋里就塞着一堆荣华富贵,住豪宅开好车吃美食,如果老板不多分点好处给你,就是小气吝悭,或心胸 狭隘的守财奴,因此,只要工作一段时间,发现老板不是很大方,或者感觉自己从事的产业没有发展前景,就立刻跳船走人,结果就是不停换工作,然后,不停地在新老板面前咒骂旧老板的小气和不是,直到老迈,还是找不到荣华富贵。 天底下没有一个老板,会送你荣华富贵的,老板能给你的只有“机会”,你只有掌握手上的机会」,为老板增加收入,为公司赚到更多利润,你才能反过来借用公司和老板的资源,让自己的船因为公司的水涨而跟着高升。 不管你是做什么职业!卖水果或卖茶叶,是做热门或冷门产业,只要你能想通这个道理,你就能像小男孩一样! 与坚持梦想者同行 与坚持信念者同行 与相信者同行 感谢这一分钟的陪伴 把这份能量和爱传出去,和更多人一起,每天为自己种下一个善根,让我们共同努力,把世界变的更美好。 心存善念、相信自己的信念,我们都可以改变自己的人生! 转发随喜 功德无量,让更多人因为你而更健康! 马云说:成功的人每时每刻都会分享有价值的信息,传递给身边的朋友,你在他们的心目中会变得更有价值。

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 1
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