【第39期】我适合做游戏策划吗?

一位游戏策划分享了自己从被质疑到成长为制作人的经历,强调了不要轻易否定他人的重要性。

我是酱油,这是第39期文章。

有位新同事,因为某些原因要离开,面谈时他说:哥,你觉得我适合做策划吗?

几年前,有人跟我说:你不适合做策划。

那阵子很失落,为什么那么努力,却得不到肯定。现在的9-9-6算什么,我可是9-10-6。后来,我换了个地方重新开始。

几年后,听说当年否定我的人,他们的新项目失败了。

过了几年,又听说,他们的新新项目失败了。

又过了几年,仍然是,他们的新新新项目失败了。

而我从策划到主策到制作人,没有多成功,但也没那么落魄。原来,那些说我不行的人,也不过如此……

讲真,对于他们,我仍然很敬佩。

但这事让我懂得了:别去否定别人,免得打脸。

-------------华丽分割线----------------
工作之余,陆续在微信公众号里写了些文章/笔记(日更勤劳不起…)
有需要的朋友,欢迎关注我的微信公众号《游戏策划职场故事》

【第47期】游戏策划:不过是个鬼故事
【第43期】游戏策划:小白怎么入行?
【第40期】游戏策划:给@真***的应聘攻略
【第39期】我适合做游戏策划吗?
【第37期】游戏策划:简历那点事
【第31期】游戏策划:职业选对了,剩下都是小事
【第27期】游戏策划的25种死法
在这里插入图片描述

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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