进了外包,职业生涯是不是就完了?

STM32使用 jansson 处理 Json格式字符 STM32 Json 字符的创建和解析1、Json简介2、jansson库的下载安装和报错解决2.1、下载安装2.2、STM32工程文件中导入jansson库2.3、报错解决2.4、修改堆栈空间3、Json 字符的创建4、Json 字符的解析4.1 纯键值对4.2、键的值是一个对象4.3、键的值是一个数组   STM32处理json字符串一般不常见,大部分都是不需要处理的数据,但是在一些通信中需要处理上传或者下传的数据,就别比如在物联网中,有一部分数据就是以json格式传输的,那么就需要对数据经行解析。我简 阅读详情

“外包”,被很多大佬唾弃过。我就曾在不少大佬的文章里看过这样的腔调:千万不要去外包,去了你就废了!我是非常反感这种腔调的,它会给不少去外包的小伙伴造成极大的困扰,仿佛自己就低人一等抬不起头一样。

比如说这位读者,他就问我“进了外包,职业生涯是不是就完了😭”,言语之间充满了自卑和对外包的恐惧,

观点

对于读者这个问题,我的答案很明确:并不是!

当你的人生没有更好的选择时,最好的办法就是欣然接受。进了外包,就业问题就解决了,下一步就是挤时间去学习,然后争取转正,或者跳槽,成为更好的自己。

不要去想那些没有意义的事情。

这个社会没有绝对的公平,你的家庭出身,你的教育环境,你的成长经历,都会对你未来的职业生涯产生影响。

进了外包,就用积极地心态去拥抱它,至少比找不到工作强吧。人活着,首先得有面包,肚子先不能饿着,饥肠辘辘的情况下,你怎么学习,怎么进步?

外包,其实是社会在制度不完善的情况下的一种特殊产物,公司需要招人干活,就得发工资,缴纳五险一金,但公司又想偷税漏税,少缴点五险一金,于是资本家就在正式员工的基础上想出了外包这一出。

同在一片屋檐下干活,外包员工就得带更劣质的工牌,资本家就是这么可恶。

但当你的能力无法改变这一糟糕局面的时候,就只能忍,只能偷偷摸摸地学,然后完成逆袭和超越。

进了外包,并不意味着一定是打杂干粗活的,这要看部门,看产品,看不同的小组。举个例子,同样是在腾讯,做 QQ、做微信的外包,肯定就比做浏览器、做微博、做安全卫士的更受重视,更能接触到核心技术,那这样的职业生涯就没完蛋啊!

也要看公司,华为的社招都是外包的形式,那职业生涯就不一定发展的差了呀!

还要看时代的潮流,没准你正在做的产品赶上了风口。

外包,必然会受到某些正式员工的歧视,但你要乐观去面对。你要做的就是,打磨自己的技术,尽自己全力,获得领导对你的青睐,同事的认可,尽快的成长,去转正,去扭转糟糕的局面!

给外包的你一点建议,瞅准时机,多和前辈、同事、领导交流,摸清楚团队的核心业务,利用业余时间去研究源码,研究核心技术,当团队遇到难以解决的问题时,你趁机脱颖而出。

在 NBA 的生存圈子里,去冠军球队,你可能只能做一名饮水机球员,但当你去一支弱队时,你反而会获得更多成长的机会,更多的球权。

诚然,外包有外包的弊端,比如说福利待遇,比如说工作机会,比如说团队资源,比如说被某些正式员工鄙视😒,但这并不意味着外包就是一无是处,毫无希望。

我们普通人,要做的事情永远都很简单,管理好自己的时间,管理好自己的身体,管理好自己的脑子,让自己变得比以往的自己更加的优秀。

少一点抱怨,多一点自信。

人生并没有一锤定音,重要的是在不确定性中把握机会。有句话说得好,“生于忧患死于安乐”,当你手里的牌不好时,不妨调整调整出牌的顺序,让打出去的牌更精彩一点。

有个网友说过一段话,另外印象深刻:

  • 考上专科:大专生是不是这辈子就完了?

  • 考上二本:读个渣本是不是这辈子就完了?

  • 考上一本:非 985/211 是不是就没公司要了?

  • 去了外包:去过外包是不是这辈子就废了?

  • 去了小厂:是不是这辈子就只能混吃等死了?

  • 去了大厂:35 岁被裁了,是不是整个人生就没有希望了?

人生总有不如意,尽自己全力奔跑就可以了。少问结果,但求无悔!

最后免费分享给大家一份Python全套学习资料,包含视频、源码,课件,希望能帮到那些不满现状,想提升自己却又没有方向的朋友。

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

一、Python所有方向的学习路线

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。在这里插入图片描述

二、Python必备开发工具

在这里插入图片描述

三、Python视频合集

观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。 在这里插入图片描述在这里插入图片描述

四、实战案例

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。 在这里插入图片描述

五、Python练习题

检查学习结果。 在这里插入图片描述

六、面试资料

我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。 在这里插入图片描述在这里插入图片描述

这份完整版的Python全套学习资料已经打包好,需要的小伙伴可以戳下方链接免费领取

S型速度曲线进阶:基于Sin²(x)的PLC平滑运动控制实践(以伺服/步进系统为例) 本文深入探讨了基于Sin²(x)的S型速度曲线在PLC平滑运动控制中的实践应用,特别针对伺服/步进系统。通过对比传统梯形曲线和七段S曲线,详细展示了Sin²(x)曲线在加速度连续性、计算效率和参数自适应性方面的优势,并结合博图平台的具体实现技巧和实战案例,为精密运动控制提供了优化方案。 阅读详情

相关推荐

STM32驱动AD2S1210实现旋变解码与角度读取

旋转变压器作为一种耐高温、抗振动的角度传感器,在工业伺服、机器人关节和电动汽车电驱等场景中占据重要地位。其输出信号需要经过专用转换芯片处理才能被MCU高效使用。AD2S1210是一款典型的旋变数字转换器(RDC),内部采用Type II型跟踪环,将模拟SIN/COS信号实时解算为数字角度与速度,降低了处理器负担并提升抗干扰能力。本文基于STM32平台,详细介绍了AD2S1210的硬件接线、SPI通信配置、寄存器初始化流程,以及读取位置数据时的SAMPLE脉冲时序等关键实现。同时总结了常见故障如全FF、角度跳

weixin_34194829的博客 197

因为干过外包,我脏了简历!大厂HR透露:干过外包就刷掉

最近一位网友问了一个问题:做过外包,甲方就不要了吗?引起了一大波疯狂劝退,并且不少人还总结了不选外包的3个理由: 1.外包会成为简历污点。去过外包,很难再进大厂了。 2.外包岗稳定性极差。项目说没就没,被裁几率很大。 3.外包福利待遇差。外包和正编一个是妻一个是妾,各方面待遇差别很大。 爱惜羽毛,远离外包! 也有人在此基础上,增加了更多的不去外包的理由: 过来人告诉你,千万不能去哈!!以中软国际化...

菜鸟学Python数据分析 1万+

Linux平台CCS安装配置完整示例

手把手讲解在Linux系统中完成CCS安装与环境配置的全过程,涵盖关键步骤与常见问题解决,是查找ccs安装教程时不可多得的实战指南。

weixin_42601134的博客 516

劝你别去外包,干了三年,感觉废了一半....

先说一下自己的情况,大专生,19年通过校招进入杭州某个外包软件公司,干了接近3年的功能测试,今年年初,感觉自己不能够在这样下去了,长时间呆在一个舒适的环境会让一个人堕落!而我已经在一个企业干了3年的功能测试,已经让我变得不思进取,谈了2年的女朋友也因为我的心态和工资和我分手了。于是,我决定要改变自己现状,准备冲击一下大厂。刚开始准备时,自己都蒙了,3年的功能测试让我的技术没有一丝的进步,提升的只有我的年龄和体重…

nhb687096的博客 7769

STM32F103C8T6驱动DM542步进电机:从CubeMX配置到按键控制的全流程避坑指南

本文详细介绍了如何使用STM32F103C8T6通过CubeMX配置驱动DM542步进电机的全流程,包括PWM频率计算、GPIO模式选择及按键控制实现。重点解决了常见硬件连接错误、PWM参数配置及加减速算法优化,帮助开发者快速搭建稳定的电机控制系统。

weixin_42741930的博客 308

003:大疆智图新手入门:从下载安装到首次建模实战

本文为大疆智图新手提供从下载安装到首次三维建模的完整实战指南。详细介绍了软件安装的硬件要求、试用许可申请流程,并指导用户如何准备航拍数据或使用开源样例进行首次建模。通过分步操作演示与核心参数设置讲解,帮助初学者快速掌握使用大疆智图进行实景三维重建的核心流程与常见问题解决方案。

t8u9v0的博客 704

所有人都在说,进外包毁一生,没得选怎么办?今天带你剖析利弊

也能够拿到20-30 k左右的一个薪资。终于呢找到一家公司说是做项目外包。但是身边所有人都在劝他不要去外包。再把戒掉过来的人员归还给外包公司。外包再扣除一定的佣金后再发给你的。而且呢外包几乎是不享受公司福利的。外包项目都是甲方公司的非核心项目。但是通过外包这种方式进入到BAT。如果有机会进入到大省的外包项目组。会要求外包人员不断的学习新的业务。开发架构工作流程基本上都是统一的。那个时候的年薪就已经拿到60多万。现在呢又没得选很迷茫该怎么办呢。一类是项目外包另一类是人力外包。和正式员工的员工工牌是不一样的。

m0_73648871的博客 3962

5.30华为OD机试真题 新系统 - 链表数字游戏 (Java/Py/C/C++/Js/Go)

5.30华为OD机试真题 新系统 - 链表数字游戏 (Java/Py/C/C++/Js/Go)

算法大师! 1126

没有归属感?辛苦如牛?软件测试外包那些事,你真的了解吗?

现在市面上存在很多对软件外包公司的非议,导致很多求职者都对软件外包公司避而远之。什么没有归属感,什么辛苦如牛,所以很多伙伴一听说外包公司,就没有投简历的兴趣了。

软件测试小dao 1839

火灾图像检测识别:cnn卷积神经网络 Adaboost 支持向量机 随机森林 决策树 完整代码数据

火灾图像检测识别:cnn卷积神经网络 Adaboost 支持向量机 随机森林 决策树 完整代码数据

864

微信小程序推广策略,打开小程序领域流量大门

本文旨在为小程序开发者、运营者和企业主提供一套完整的微信小程序推广策略体系,帮助他们在竞争激烈的小程序生态中获得更多流量和用户。内容涵盖从0到1的冷启动策略,到成熟期的增长技巧。本文将首先介绍小程序的基础推广设置,然后深入探讨各种流量获取渠道,接着分析数据驱动的优化方法,最后展望未来发展趋势。小程序:无需下载安装即可使用的应用,运行在微信生态内:独立访客数:页面浏览量转化率:完成目标行为的用户比例留存率:用户在一定时间后仍活跃的比例自然流量获取:通过优化搜索、完善资料等方式获得基础流量社交裂变。

小程序开发 1031

入门即月薪过万?外包岗的程序员,还有出路吗?

关于外包的讨论,最近又热闹起来,最让我印象深刻的一句话是:“大厂IT外包,狗都不去!”对于互联网小伙伴来说,有一个词只要一提到就仿佛触碰到逆鳞,那就是 — 外包公司。

xx16755498979的博客 3044

Fabric V2.5 通用溯源系统——使用Hyperledger Caliper压力测试

Caliper是一款测试区块链性能的工具,支持Hyperledger Fabric、Ethereum等,支持丰富的测试配置参数,测试完成后将直接输出报告,相较于tape更加专业,但是配置稍微有些复杂。本文将一步一步配置Caliper以测试Fabric V2.5 通用溯源系统中的注册用户、查询用户、农产品上链、农产品查询的区块链性能。

TrueTechLabs 官方博客 1397

我曾在外包公司呆过,谈一谈外包要不要进?

大家好,我是一哥。前几天招聘群里讨论外包岗位要不要去的问题,大家讨论的比较激烈,各抒己见。外包,在我们这个行业是一个很常见的名词,对应着一个特殊的工种。但是我发现很多朋友好像妖魔化了外包,觉得这玩意就是一个“坑”。但是这个问题吧,得去辩证的看。很多人一提到“外包”就是非常的消极,觉得这个人大概是“没救”了。但是外包,真的不好吗?它并不是一味的坏。说实话,外包的存在还是圆了...

数据一哥,公众号:数据社 1万+

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

打死都不要进外包,看看我在阿里外包的2年…

总而言之,如果你正在考虑加入外包公司,在物质待遇、工作环境、福利等方面不要抱有过高的期望。如果你能够抱着一颗勤奋、求学和进取的心态,那么外包行业还是为你提供了一番广阔的发展空间。另外,大公司虽然优秀,在技术和人才上得到了很好的证明,但并不是入职的唯一出口。在职业生涯的征程中,我们需要不断学习,发现属于自己发展的空间。无论我们走在哪里,学习态度是决定成败的重要因素。只有学习不断进取,我们才能从这份工作中得到更多的经验和收获,为我们的职业生涯打下坚实的基础。

weixin_67553250的博客 1万+

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")

外包程序员入职蚂蚁金服,被质疑到怀疑人生!外包真的不好吗?

内容参考自:脉脉 外包一直都是程序员进阶的一道坎,尤其是现在有很多人宁愿去小公司,也不愿意进大厂外包,很多人认为,大厂的外包除了没有归属感外,还要受到不一样的气。明明有进大厂相同的实力,却不能享受和正式员工一样的待遇,而且还阻碍跳槽。 近日,有位已经成功入职蚂蚁金服的员工发帖吐槽:“外包毁简历,每家公司都会盯着外包公司问,质疑我的学习能力。" 不少网友感慨:一入外包,毁终生。甚至有人将其称为人生污点。 @程序猿.永恒的完美:大厂外包等于不知名小厂。 @东方不败:人生污点 @程序猿.华..

致力于C语言C++知识分享! 7715

我为何一直强调外包公司别去

「 不是针对外包 」我为何一直对外包公司如此大的怨念?其实不是,外包公司也是公司,也是凭本事和技术挣钱,无论在道德、心理、合法性层面都没有任何意义的客观错误。之所以我总给...

前端你别闹 10万+

我在华为做外包的真实经历!

一个爱钱如命,又有所不为的人。1写在前面我将用系列文章,回顾十年程序生涯,一方面是对职场生涯的阶段性总结,另一方面希望这些经历,对大家往后职场生涯有所启发。我很庆幸一路走来皆是自己的选择...

纯洁的微笑 3万+

外包,最好别碰

从5月16入职外包,到现在已经1个多月的时间了,内心也终于体会到外包人的无奈、无助、孤独、寂寞。本篇文章就和大家讲讲我这段时间做外包的感受。 如果可以,永远不要选择外包公司 这是我最直观的感受,也奉劝各位,如果能不进外包就不要去外包. 孤独 记得有首歌是《孤独的人是可耻的》,我在外包公司就感受到满满的孤独,没有归属。来了没有人会在乎你的感受,你就是外包的,你就是低人一等的感觉。 ...

weixin_30478923的博客 842

吐槽一下外包的各种坑

   目前的时间节点是11月尾,离过年还有两个多月时间,我是第一次也是刚入外包的坑没多久,事实上入职也就一个多月的时间,但是就在这一个月稍多一点的时间里,见识了诸多的外包的坑。   1. 记得当时十月份面试某软某条银行线的时候(中级),是电话面试,电话那头有两人在面试我,面试时聊的全是技术(java),当技术面面完之后,到了我提问的环节,首先我问职位是不是Java开发岗,电话那头给予我肯定的答复...

Hope_lee的博客 6156

外包程序员面试遭HR鄙视,称:外包就是程序员的“职业污点”?

外包程序员面试遭HR鄙视,称:外包就是程序员的“职业污点”?业内的朋友都知道,互联网当初就是外包起家的,很多人当年都经历过这段时光。程序员无论是做外包还是从事大企研发,都...

程序员之家 2万+

程序员能去外包公司吗?

软件外包主要分为两种类型:人力外包和项目外包。人力外包,也称为劳务派遣,是指将员工派遣到其他公司工作,接受用工单位的管理和考核。项目外包则是将某些非核心业务交由专业服务提供商完成,通常包括整个项目的开发、测试和文档编写等工作。

硬核科技 943

我在华为做外包的真实经历

作者 |纯洁的微笑 本文经授权转载自纯洁的微笑(ID:keeppuresmile) 一个爱钱如命,又有所不为的人。 我的选择 上篇文章《第 1 份工作,我只干了 2 周就被辞退了!》提到,我上班两周就被辞退了,被开除后我紧急的找了一周工作,收到了 3 份 Offer ,于是我选了一个工资最高的。 这个工资最高的工作就是去华为做外包,当时面试的时候就很不友好,整个面试过程在当时...

程序人生的博客 1万+

进入外包公司之后…………

去年写过一篇自己进入培训机构学习java,然后进入外包公司的个人经历,然后就有好多小伙伴私信问我进入外包后到底怎么样,是真的就像外界说的那样废了还是说有其他的情况。所以今天就决定写一篇文章,以我个人的经历谈谈我对外包的感觉。(当然,高大上的毕业生或者有完美学历、经验的小伙伴不用往下看,没意义) 外包公司就是一把双刃剑 对于非计算机专业或者转行想进入软件开发行业的小伙伴来说外包是能让你最快速度踏入这一行的途径之一。我个人经历来说,软件行业是很看重你的学历和专业的,小伙伴们应该都深有体会吧。对于非科班出身的

weixin_43036570的博客 1710

在京东做外包的那些日子....

不知不觉已经在京东做了两年外包,最近收到不少朋友私信,说马上面临就业,在找工作的过程中,有不少的外包公司给我打电话让去面试,究竟要不要去?这篇文章给大家说说我这2年的外包经验,希望对于正在找工作的你有所帮助。

yjt2045263063的博客 5396

为什么不推荐大家去外包公司

很多人都认为外包公司没有技术,其实这种思想不对,国外有大量的高端技术外包业务等着我们干,但是反问一句“你们能干吗?”。 现在大部分的公司都是平均每个项目开发4个月,干完就再转一个组再做别的项目,从Java .NET C C++ 到有些人可能没有听说过的RPG,一个有着7年开发经验的外包人员可以说自已会十几种开发语言,做过几十个case,但是却不敢说自已有技术,为什么?很简单,我们只是编码,并且是在...

Java进阶之路 3万+

我为什么还继续呆在外包公司

之前因为觉得自己实习的地方很坑,没转正就辞职了,然后在家呆了好几个月,得有小半年了吧,首先不是我不想去工作,是真的没人要我!最后经人推荐去了一个外包公司,事后我自己琢磨了一下,根本原因还是在自己身上,距当初已经有500多天吧。 先抛出几个致命且真实的结论吧,不知道各位有没有相同的。 学历 面渣 雨露均沾 就从以上几点开始聊吧,以免长篇大论。 学历 学历真的是个还蛮致命的东西,当你连门槛到达不到...

全栈纸伞 2661
上一篇: 大厂面试官眼中的好简历到底什么样?
下一篇: 在中国,程序员能不能干一辈子?
大模型应用场景
博客等级 码龄5年 7675粉丝 1350原创
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
 
 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