2015061109 - 如何管理自己的人脉?

    认识10000个,不如深交20个.

    邓巴数理论:人类的社交人数上限为150人,精确交往和深度交往人数为20个左右.

    当你认为是你的target深入交往的20个人之1,但是其实对于target来说你是150开外,你怎么办?人脉不存在雪球效应,你认识一个行业内的牛人并不意味你就直接叠加认识另外一个,你认识一个意见领袖并不是你就被别人认可,两者没有因果关系.

   你积累众多你所谓的人脉后,真的要具体执行一些事情后,你会发现你的能力,想法,理念,经验才是最重要最重要的.不管你以前用了多少时间多久努力去争取去管理你所谓的人脉,只要对方足够牛,落实到具体上后最后的瓶颈一定还是你自己.

   别把别人当傻瓜,你功利人家就会立刻check你是否有资源值得交换,以及怎么利益最大化.

  其实最好的管理就是,你能给你的目标客户,同时,老板,用你的人格,性格,品格,能力妥善给出一个方案或者完成一件事情,你们的关系自然建立.整个过程中,你们的关系会由于共同的利益而挂钩!!

 

   对于如何管理人脉总结三条:

   1.搞清自己几斤几两.所谓的人脉最重要的不是管理,而是过滤.过滤掉那些不真诚的人,过滤掉那些伤害你的,保存真心的,是商业伙伴就想怎么让大家利益最大化,是朋友就想怎么让大家开心.

   2.待人真诚点,做什么事情都要发自内心.

   3.结人缘,不结人脉.

 

   eg:这个回答我感触深刻啊.结人缘,不结交人脉.提到人脉,我就有种利用的感觉.像那个什么陌陌社交软件的广告,江南春的老总吧,当自己不行的时候,国家主席认识你,你有个屁用啊.如果说相互利用,你有什么值得和别人交换的呢?如果你都没有值得交换的,那么你只想从别人那获取,你认为不是很滑稽吗?

 

   answer3:

   真心相处,喜欢就在一起玩,心情不好就猫在家里躲着.

   单位的同事,干工作的活儿,办公司的事情,还真不喜欢交流私人生活.

   客户呢,帮助客户解决问题,别让客户为难,做事顺势而为,水到渠成最好.维护关系的诀窍是勤快,别怕客户烦,经常问候和走动.

   交那些真心值得结交的人.

   eg:我是否值得结交呢?

 

   内部少开会,开会效率高点,提前多准备准备.

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