招了一个近30岁已婚已育开发,结果是个事逼!

女,30+,已婚,未育的程序媛,2021打工人的总结 前言 看到标题4个标签的形容词,女,30+,已婚,未育,层层递进,焦虑感是不是油然而生并且越来越大。当这四个形容词组合在一起的时候,不知道猎头和其他公司的 HR 是怎么鼓起勇气给我打的电话,一定是因为我的简历太优秀了吧(快闭嘴,別把实话说出来)。减少接听这些电话的一个方法就是告诉他们,我打算要娃,果然清净了许多(看吧,果然还是要娃的理由最让人害怕)。这不,北京又多了30天的产假,女同志找工作是不是更难了。 工作 毕业以来的第三家公司,入职满了两年,从红度变成了蓝度,想想也是目前为止呆的最久的一家了(我就是那 阅读详情
文/ 干货君
图/ 网络

总说人到中年身不由已,没成想现在已婚已育都要成“受批评”的对象了。最近就看到有腾讯员工发帖被喷了一顿:

“最近组内招了一个不到30岁就已婚已育的开发,一会儿说娃生病要请假去医院,一会儿又说要早点下班回去陪老婆孩子,这个事逼来了半个月需求只做了两个,看来是不想过试用期了!”

640?wx_fmt=jpeg
截图于“脉脉”

听这语气,这开发不像个事逼,楼主倒像个事逼了。就像点赞第一的评论所说的“你也会有已婚已育的一天啊”,这年头“挨骂”的事情可真不少见,先是人到中年不如狗,现在连已婚已育都不能出半点差池了。

唉,做人真难,工作真难。

有Google员工把这种人称为“精神资本家”,正如有位阿里大文娱员工补充道:“最怕社会形成常态,认为正常下班是早下班,认为不加班就是罪孽。而这些常态就是精神资本家带坏的”。

640?wx_fmt=jpeg
截图于“脉脉”

此情此景是不是似曾相识?当初大家一起奋力反驳“奋斗逼”的时候,也是在说那些假装很努力加班的人把这种不良风气带到各处影响他人工作节奏。

不过和“精神资本家”不同,奋斗逼好歹还有很大一部分人是真的自己吃苦耐劳只不过常人不能忍受而已,精神资本家就是完全的将自己的观念强加于他人身上并试图同化他人。


这种人并不能理解所谓的“何苦为难呢,做事稳当就行了,工资又不是你发,公司也不是你家,工作态度积极把活干完了就行了”,在他们眼里只有“我每天加班加点干活累得要命,你倒好,老请假是闲得慌?”

请假正常扣工资就好了嘛,干嘛非得口头不饶人?

这又让我想起了职场中那些已婚未孕和已经生了小孩的女性,已婚未孕是找工作过程中面试官重点关注的对象,他们很怕刚招过来就进入备孕状态然后就是大半年的划水开始了,而已经生了小孩的女性更“惨”,职场对待她们可绝不手软,为了保住工作,她们不仅要承担好新手妈妈的义务,同时工作上要比其他人更努力,才能让领导对她的工作能力有足够的信任。

就像我有个前同事,技术实力是相当不错的,但自从她怀孕被知道那一刻起,领导分给她的活就慢慢变少了,然后逐渐边缘化她,逼得她不得不跳槽离职,但你说这种情况哪好找下家啊?

而职场爸爸的困境一点也不比职场妈妈少,一边是更重的家庭责任要多赚钱,一边是要承担起作为父亲角色的陪伴义务,工作生活难两全,孩子生个病什么的,真的是愁死人。别说这位30来岁的开发了,就是我之前领导都快40岁了也常因家中小孩的事情不得不分心,明显感觉他一年比一年佛系了。。。

记得刚入行的时候,有人说程序员吃的是青春饭,只能干到30来岁,过了35就恐惧和焦虑感油然而生,当时我还年轻气盛偏不信这个邪,后来我才明白,年纪大了的尴尬之处除了是能力的更新和进步速度放缓,更多的是这个社会上留有的偏见让人不堪重负。

就像开篇提到的那位30来岁的程序员一样,每个正常人也都会经历那个阶段,除了正视自己该做的事情和该有的实力之外,真心希望这个行业也能多些理解和包容。

多说无益,我带人就是看干了多少活干得怎么样,活干好了一切好说,活没干好就别bb。

Talk is cheap,show me your code!

- END -

今日留言区话题讨论

对于这种领导和员工,你觉得谁比较事逼?

技术社群

欢 迎 加 入 【 程 序 员 干 货 站 】 读 者 群 , 这 里 有 很 干 的 技 术 干 货 , 有 料 的 行 业 讯 息 , 有 趣 的 程 序 员 伙 伴 , 进 群 方 式 见 下 图

640?wx_fmt=png

雷达气象学(8)——反射率因子图实战(强对流预警篇) 本文聚焦雷达反射率因子图在强对流预警中的实战应用,深入解析了柱状回波、有界弱回波区(BWER)、三体散射(TBSS)等关键回波结构特征,这些是识别超级单体风暴和大冰雹的核心“身份证”。文章强调从静态识别转向动态追踪与多源数据综合研判的思维转变,并提供了系统的实战分析流程与常见误区避坑指南,旨在提升对强对流天气的短临预警能力。 阅读详情

相关推荐

用户存续期价值评估CLV(三) Gamma-Gamma模型 Python模拟

Gamma-Gamma模型 前面已经提到过,Pareto/NBD和BG/NBD模型只对客户存续时间和交易次数进行建模,并不涉及客户未来交易所带来的现金价值。 Gamma-Gamma模型就是对这个问题的一个扩展解决方案。 Gamma-Gamma模型做了如下假设: 从客户角度上来说,交易金额在每个客户的平均交易价值上随机波动。(这一点并不是很有说服力) 所观察到的交易价值均值是隐含价值均值 ????(????) 的非完美计量 交易价值均值在客户中是变化的,即使这个值是稳定的(这个假设非常大) 在客户中的平

weixin_43171270的博客 4372

女,30+,已婚,未育的前端打工人2021年终总结

前言 看到标题4个标签的形容词,女,30+,已婚,未育,层层递进,焦虑感是不是油然而生并且越来越大。当这四个形容词组合在一起的时候,不知道猎头和其他公司的 HR 是怎么鼓起勇气给我打的电话,一定是因为我的简历太优秀了吧(快闭嘴,別把实话说出来)。减少接听这些电话的一个方法就是告诉他们,我打算要娃,果然清净了许多(看吧,果然还是要娃的理由最让人害怕)。这不,北京又多了30天的产假,女同志找工作是不是更难了。 好了,年终总结的正文开始吧。 “我自己是一名从事了6年web前端开发的老程序员,今年年初我花了

爱前端也爱恋爱 4861

告别硬编码!用Aviator 5.3.3实现动态规则引擎,Spring Boot项目实战教程

本文详细介绍了如何使用Aviator 5.3.3在Spring Boot项目中实现动态规则引擎,告别硬编码。通过Maven依赖集成、规则模型设计、规则执行引擎实现及电商促销系统实战案例,展示了Aviator在动态规则配置中的高效应用,提升业务灵活性和开发效率。

weixin_30329623的博客 447

一个已婚生子的女程序媛的未来畅想

我是一个前端工程师,整天跟代码打交道。我承认自己不是顶级程序媛,我的水平可能在中等偏上一点。在咸鱼了两年之后,我觉得自己又快要追不上前端变幻多姿的世界。但是并没有上进想升级leader的心思,所以目前的自己处在一个异常尴尬的境地。在这两年时间里,也曾荔枝过也曾下定决心继续深造,但是终究被夜醒的娃和家庭的琐碎打破,嘻嘻,其实是被无头绪的深奥代码打败,一度怀疑自己是否真的热爱代码。

小白努力走 779

【ceph】OSD-基本存储单元

OSD 是 Ceph 的基本存储单元,负责对象的存储、检索和数据副本的管理。每个 OSD 进程通常对应于存储集群中的一个物理或虚拟存储设备(如硬盘或 SSD)。OSD 是 Ceph 的关键组成部分,负责对象的存储、管理和复制。通过多个 OSD 共同协作,Ceph 能够提供高可用性、可扩展性和容错能力,适用于各种存储需求。

qq_42853133的博客 2000

GD32重映射实战:从部分映射到完全映射的配置解析

本文深入解析GD32微控制器的重映射功能,以定时器1的PWM通道为例,详细阐述了从部分映射到完全映射的实战配置流程。文章重点介绍了AFIO模块的核心作用、配置寄存器操作以及关键的避坑指南,旨在帮助开发者灵活优化PCB布局并解决引脚资源冲突,从而高效利用芯片外设功能。

k6l7m8n9的博客 697

一个大龄女程序员的悲哀....

最近在找工作,无果,特来发泄一把... java开发五年,已婚,未育... 之前一直没换工作,如今真正开始换工作,才体会到IT行业女性的悲哀... 同事和同学帮忙推荐的,网上自己投的,加起来也就不少了,基本面试机会差不多是8:1,甚至是同事推荐的,可能都在简历关直接被毙,原因就是:大龄已婚女青年,担心生孩子休产假的问题...又或...

3246

ANSYS FLUENT 超临界流体物性分段线性插值数据批量导入

使用fluent自带数据库进行超临界流体仿真时,时不时会出现计算错误,考虑是数据库不稳定引起,而使用自定义的分段线性插值物性则不会出现上述情况。 超临界流体在拟临界点附近物性变化剧烈,需要使用较多的数据点才能更准确的表述物性,如果是在对话框中修改,一次只能输入一个点,人工输入极其费时费力且容易失误。 数据批量导入方法为: 1.以CO2为例,使用REFREPRO等物性查询软件或数据资料,获得所需物性数据表。 2.在FLUENT材料Materia...

wind_rider的博客 1万+

我28岁已婚未育,连面试机会都没有,还能找到工作吗?

近年的裁员潮,让“30+”成为了一个敏感的数字。 前几年热映的《三十而已》,第一次如此全面且集中的揭露“30+女性”的生存现状,你以为这就是她们生活的全部吗?现实残酷远远不止如此:

伤心的辣条 981

【SpringBoot香樟转转】debugDay01

在学黑马程序员的苍穹外卖项目,刚开始学,想用maven编译一下代码,结果报错,找不到符号。本着先理解原则,看着能找到这个变量呀。

m0_72696598的博客 1742

光学系统仿真软件:OSLO_(13).衍射光学元件设计v1

目标函数是设计DOE的关键步骤之一。目标函数可以是一个具体的光强分布,也可以是一个特定的波前形状。在仿真软件中,目标函数通常用数学表达式或数据文件来定义。假设我们需要设计一个二元相位掩模,使其在特定位置生成三个焦点。我们可以定义一个目标函数来描述这三个焦点的光强分布。# 定义目标函数"""定义一个多焦点目标函数:param x: 横坐标:param y: 纵坐标:param z1: 第一个焦点的深度:param z2: 第二个焦点的深度:param z3: 第三个焦点的深度。

kkchenjj的博客 1003

面试了一个 31 岁程序员,让我有所触动,30岁以上的程序员该何去何从?

最近面试了一个31岁8年经验的程序猿,让我有点感慨,大龄程序猿该何去何从。

程序猿学社的博客 35万+

NVIDIA Isaac Sim 联合 VS Code 开发调试环境配置

在 Visual Studio Code (VS Code) 中打开 Isaac Sim 软件包主文件夹,即可打开该工作区。注意建议在学习教程和示例时使用 Visual Studio Code。另请参见有关 VS Code 工作区的详细信息,请参阅 Visual Studio Code (VS Code) 文档。

2506_90492529的博客 3109

30岁转行学网安,零基础培训三个月,成功逆风翻盘

不够优秀,努力来凑~~~ 不要为懒散和懈怠找任何理由,每天给自己一个希望,路是靠自己走出来的,成功是靠自己努力得到的!!!

ytt0523_com的博客 1078

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

一位30多岁已婚已育没有车贷男程序员的不安

前言 昨天晚上,收到了一位30多岁已婚已育男程序员的私信(这描述我怎么感觉怪怪的……),对方表示很迷茫,希望我能给他指点迷津。 听过他的自述,我感觉他的问题也应该是很多学Android的朋友们的共同心声。于是,我决定写下这篇文章,记录下来,希望能对同样身处迷雾之中的朋友们一个参考。 是继续打拼还是安居一隅 我能感觉得到,这位兄弟当时心里非常的混乱,也可能是因为受深夜网抑云的影响。 他说自己现在很焦虑,很纠结,不知道该怎么选择。一开始我听的一头雾水,这到底是怎么回事都没弄明白。 后面我打断了他的话,提了几个问

m0_46962786的博客 986

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

我是一个Java程序员!我今年30岁!

程序员的30岁 30 岁程序员,差不多已有了 8-10 年的编程工作经验。8-10 年差不多是一个高级软件架构师应该具有的基本工作年限。不少人在 30 岁时已经做到了高级架构师,带着团队;不少人虽然没有获得架构师这个头衔,也没做领导,但其实也具备了相当的水平;还有一些人可能有点失落,他们既没有获得这个头衔,也没有达到类似的高级专业水平。 30 岁确实是一个重要的关口。 一个人为什么会迷茫...

刀哥谈Java的博客 5649

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

30岁前男人需要完成的事

1,事业永远第一 虽然金钱不是万能的,但没有钱是万万不能的,虽然这句话很俗 ,但绝对有道理,所以30岁之前,请把你大部分精力放在你的事业上. 2,别把钱看得太重 不要抱怨自己现在工资低,银行存款4位数以下,看不到前途,现在要做的就是努力学习,即使你文凭再高,怎么把理论运用到实践还是需要一个很长的锻炼过程,社会永远是一所最博大的大学,它让你学到的知识远比你在学校学到的重要得多,所以同样

★ 喜欢看海 ★ 4101

在成都,30岁的人最焦虑

在成都,舒适安逸的生活属于50岁以上的中老年,轻松愉快的时光属于25岁以下的青少年,只有30岁左右的人,每天承受着来自四面八方的焦虑,表面光鲜亮丽,内心沧桑无力。 只要这句话出现:“你都30岁了,……” 30岁就像一条隐形的年龄线,上面挂满了各种生活压力,而这种压力在成都尤为明显,且被广泛认同。在成都,30岁的人最焦虑。 /30岁了还在租房,是不是很失败?/ 从大学毕业留在成都的那天起,租房成了我的落脚地。一晃眼8年过去了,期间换过无数个房东,成都的东南西北住了个遍,租房成为一种..

chengduitjob的博客 1796

30岁前不必在乎的30件事

30岁前不必在乎的30件事把握的反面就是放弃,选择了一个机会,就等于放弃了其他所有的可能。当新的机会摆 在面前的时候,敢于放弃已经获得的一切,这不是功亏一篑,这不是半途而废,这是为 了谋求更大的发展空间;或者什么都不为,只因为喜欢这样做,因为,年轻就是最大的 机会。人,只有在三十岁之前才会有这个胆量,有这个别资本,有这个资格。 2失恋 不是不在乎,是在乎不起。三十岁前最怕失

DDD614921766的专栏 391

成功人物们的30岁都在做什么

30岁,人的生理周期、职业生涯周期和家庭生命周期完全重叠的时期,人生中最美好的时光。30岁是新工作的组合者,是高效的解决者,是行动中的梦想家。想要抓住机会?想要在你的2007年和泛泛之辈彻底分道扬镳?想以加速度坐上金字塔顶端的少数几个座位?    生逢30美好时光 富豪们都在干些啥    30岁的时候,生命开始展现出一些有意思的情景。比如:如果之前一直爱笑,那么相由心生,他应该已经有了张舒

绿竹琴箫 4149

30 岁程序员:关于编程,我终于想清楚这 30 件事了!

作者 |Allen Helton责编 | 唐小引出品 | 优快云(ID:优快云news)以下为译文:今天是我 30 岁生日。虽然对我 20 多年来的生活已经感到很满意,但是我更期待...

HollisChuang's Blog 1268

男人30岁以前应该做的23件事

古人云:男人三十而立。究竟30岁是否代表男人一生的转折点?你即使不承认,但也总会随着年龄的增长而考虑过这个问题。虽然,30岁未必是绝对的界限,现今的标准下,30岁的男人还是归入青年之列,但事实上,30岁还是大家都爱讲的“保险线”。因此,我们在这里归纳出23件男人在30岁之前应该要做的事。看看你同意多少又完成了多少?  1、交过一个不怕被出卖的朋友   朋友对于男人有何重...

aa3712730的专栏 368

我是一个将近30岁的女程序员

    我快30了,iOS女开发,简历不会作假,水平不高不低,我觉得自己大部分东西都能搞出来,然后呢,出去面试,我总是不做什么准备,不喜欢吹嘘一些那些虚无的东西,喜欢过开发,后来公司黄了,想回家,然后房子没到期,就随便找了一个家附近的工作,拿着比原来低一千的工资在这里,感觉这的开发的水平不是那么好,然而自己也是这里的一员,后来公司黄了,我面试了一家,一次就成了,但是工资好低 ,比那次还要低500,...

u012089671的博客 2万+
上一篇: 面试6年程序员,技术差跳槽7家要20k 被我一顿怼!
下一篇: 从传统企业跳槽的35岁程序员,被裁后没人接盘!
程序员干货站
博客等级 码龄8年 114粉丝 85原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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