纯干货分享——工作小白如何逆袭月薪过万

这篇博客分享了一个职场新人如何通过勤奋工作、提升技能和改善沟通能力,从月薪3千成功晋升至月薪过万的经历。作者强调了在工作中积极主动、解决问题和保持热情的重要性,并提供了提升沟通技巧的实用建议。

纯干货分享——工作小白如何逆袭月薪过万

月薪3千如何逆袭月入过万?

这个转变过程在北上广的话应该用1-2年的时间是可以变化的,但是如果到三四线城市的话,除非是干销售的,否则没个五六七八年是根本不可能的。

我自己毕业实习时工资时1500+这是什么概念。。。。不能出去下馆子只能自己做饭再交个房租基本一毛不剩,说得再夸张一点买个姨妈巾我还要考虑下价位!后来,又换了一份工作工资在3000+左右,因为也是个混日子的单位,工作氛围让我很焦虑所以年底我毅然决然的辞职了,在家浑浑噩噩三个月后又出去找工作。新工作很杂,因为刚开始创业型的小企业,所以什么都得干,不过让我很开心的是这样的企业没有大单位那些条条框框,同事们也是很有拼劲这样的氛围很能感染我!

从什么时候开始我的薪水开始涨了?

公司刚开始的第一个月,每个人都会加班,我当时因为“身兼数职”所以下班回家要更晚一些,每天都要把当天平台的事情处理完才能走不然第二天会更麻烦,因为要处理琐碎的事还要掌管网银负责出纳的事情,给自己的要求就是当日事当日毕。第二个月后,某一天早晨上班,啃着早点的领导突然跟我说了句,下个月工资涨到5000+,我有点懵,开心坏了!哈哈哈这么快就涨工资,那天晚上兴奋的睡不着觉,还偷偷发了个围脖,鼓励自己

我还特意去问了下老板什么会给我涨工资,他大概说了说,做事不推事儿,配合其他人能一起解决问题,没有抱怨,工作有热情。哈哈哈听得我是心花怒放的。大家可能都会深有体会,你佩服的领导在肯定你的时候这种内心的喜悦不是随随便便拿个奖金的那种开心,是证明了你这个人的价值。我经常对我那些刚毕业的弟弟妹妹们说,实习的时候要任劳任怨,要努力解决问题,不要推给别人,对工作要保持最大的热情才能让领导信任你。

怎么突破自己,拓展自己不擅长的领域,给自己增值?

后来公司的业务逐渐起来了,有时候我也要去给客户那里送送资料签合同什么的,跟客户寒暄我是真的不擅长,说着说着就不知道要说什么内容了,好像自己是个刚毕业的大学生。这样出去见客户确实是不合适。想起来之前人资小姐姐给新同事培训的时候有很多沟通技巧,去问她要了一份资料,涵盖了开场,谈话节奏等等内容,唉,文字说的太辛苦了,她用Mindmsater已经整理好了,直接看图吧,真真的干活,一定要看

文中提到的三个故事,大概已经被我用烂了,基本上开口就是一套,哈哈哈哈,很多平时接触的段子有时候为了调解气氛我也会给客户讲,这是拉近客户距离最快的办法哦。有同学想要原版的话,步骤放下面,需要的同学自己去mindmaster【导图社区】找就可以啦。

就这样锻炼了几次,我发现我跟陌生人说话也不怎么紧张了,基本上都能很顺畅的认识新朋友。慢慢的公司里来了客户都是我去接待的,也认识了一些客户的朋友,他们也会把业务带给我,当然这些业务是有提成的,没错,就是这样我的工资从5000+开始破万了,过万收入当然是让人超级振奋,可以给家人买礼物,为自己添置很多之前买不起的东西,给自己的生活带来质的变化。不过更令我开始的是我的沟通能力是别人抢不走的,所以不要给自己设限,所有我们的付出都会以另外一种形式回馈给你,希望大家都能共勉。

 

 

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
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