职场混得差的三个真相!

提升职场竞争力:打破思维闭环,做好向上管理

见字如面,我是军哥!

开头之前说一件重要的事,上海搞读者见面会了,干货云集,没看到昨天文章点这里(军哥上海读者见面会来了!),上海同学速速报名集合!

上周有一位读者说自己工作 7 年了,职场一直混得差,吃不开,打不开局面,这个问题我觉得还蛮普遍的。

于是,今天写上一篇,从三个不同的维度度聊一聊,我相信对大多数程序员或者 IT 从业者都会有帮助。

1、思想闭塞、固执、情绪化

总是自以为,对于外部或者他人的意见听不进去,然后在自己的思维里形成闭环,妄想使用原有解决问题的经验解决新的问题,于是处处碰壁。

我建议,要多听别人(特别是比自己牛的)的意见/新的思想,特别是跟自己想法截然不同的,那可能是自己完全的盲区,如有机会同时多听几位大佬对同一个问题看法更佳。

还有一个思考,你会发现身边牛逼的人,那么对某些问题的认知/观点差不多,为什么呢?因为很多事的成功做法/路径就那么几条,重合度挺高。

最后说说情绪化,一句话说明白,情绪一上来,智商就下去。为什么?因为人在情绪化时是感性的。

在职场里,情绪化的人,别人认为你是小孩子性格,所以重要的事谁敢交代给你,必然错失很多成长的机会。

2、单方面归因

很多人觉得老板不喜欢自己,就是自己技术不行/气场不合。

很多人觉得自己追求不到自己喜欢的女孩子,就是自己长得不帅/没钱。

但是,90% 的事原因并不唯一,一般来说至少有两个原因,但是绝大多数情况下,最重要的原因不会大于三个,从不同维度找到那最重要的三个,你就能找到解决问题的根本方法。

所以,你大概率听到你认识的公司大佬对某件事发表观点,最终总结出来就是1、2、3。

3、不会做向上管理

关注我的读者,我估计都上了 15 年或以上的学,然而老师从来没有教过我们两件事,一件是怎么赚钱,一件是如何和领导相处。

所以,大家都是摸着石头过桥,踩坑无数,不过大概率会出现以下两种极端:

第一种完全就是一个执行者,领导说啥就是啥,说干啥就干啥;

第二种是太有自己想法,总干自己认为对的,对于上级布置的任务自己不理解/或者不想干的,就等着领导主动来找自己/拖着。

久而久之,领导不待见,加薪晋升跟自己无缘,然后情绪一上来跳槽,但是到了新公司始终还是走老路,这职场就每况愈下,郁郁寡欢。

如果你有这些问题,并不用怕,因为这些我都很擅长。

今天晚上 21:15 ,我会做一个主题是「聊聊比技术还重要向上管理」的直播分享,这是很多技术人的短板,我来帮你补上,也欢迎带着你的问题来直播间提问,不见不散呀~

好了,今天的文章就写到这了,我们下期见哟~

「关于作者:军哥,前饿了么、贝壳技术总监,目前是一名自由职业者兼公司顾问,乐于结交朋友,也欢迎加我微信与我做朋友(公号输入框回复“w”即可),朋友圈做个点头之交!

另外军哥写了一些,关于个人如何快速成长、深度思考、程序员或产品经理能力模型、架构,OKR干货,技术管理等电子书资料,公号后台回复 “9”获取,不谢。」

以往热文推荐:

军哥上海读者见面会来了!

三年换 3 份工作,再也找不到工作了!


更多精彩,关注我公号,一起学习、成长

d4dedbf9f97c9704535e705e759300f5.png

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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