做设计迷茫时怎么办

每个设计师都会遇到工作的瓶颈或者迷茫期,或早或晚。写这篇文章的原因,也是因为自己遇到工作以来第一次最迷茫的阶段,持续了几个月的时间。可以用挣扎、痛苦、焦虑来形容。不过还好,最近渐渐的走出迷雾,人生又美好了起来。所以想记录下来,作为一个总结,也可以说是一个具有仪式感的翻篇儿。正好分享给大家,希望能帮助到正经历这个阶段的你,或者鼓励到正在奋斗的设计师。


什么原因会导致迷茫?
这里说的迷茫,不是针对执行力差,经常打嘴炮,天天说自己迷茫其实还不都是因为懒的人。而是足够努力,但不确定方向是否正确;不满足于呆在舒适区,然而短时间没有明确的目标;一步步完成了目标,突然发现不知道自己到底想要什么样的生活;等等...其实总的来说一般有几个原因导致:1.对现状的不满 2.对未来事情的未知 3.对长期目标的不明确。


我经历过的两个迷茫阶段
1.毕业前
将要步入社会时,是个迷茫的坎儿。要么找工作遇到困难,要么不知道自己适合做什么,要么专业不对口,要么刚刚脱离集体生活很蒙逼...举个自己的例子:我在毕业前,也是不知道未来进什么样的公司会对自己之后发展有利。是bat这样的大公司?还是高速发展的中型C、D轮融资的公司?或者去产品更加小而美的、有情怀的创业公司?…后来发现,是自己想多了。由于考研错过校招,而社招的话,都要有工作经验,我没有。作品集都是大学做的平面广告设计和书籍装帧相关的,而人家要互联网设计相关的,我也没有。面试几次失败后我都是哭着回学校(嗯,那时候我还是年轻娇羞的大牙),发现自己进入了一个死循环(在找工作-没经验-作品不对口-面试失败),特别的迷茫... 


我当时的处理方式是:
发现再痛苦再纠结也没有什么卵用,根本解决不了问题,要做的就是立即付出行动,而不是陷入无尽的迷茫。所以,我决定不继续面试了,本身已经意识到自己的差距,再继续面下去,除了浪费精力和好的机会。因此,我把面试过程中自己所有不足的地方梳理出来,开始狂看互联网相关的书、体验各种app、加班修改设计、顶着油油的脑袋重新调整作品集和简历、找学长学姐给自己提意见、自己模拟面试问题,自己回答...后来找到满意工作,渡过了第一个迷茫期。


2.工作3-5年
不知道大家意识到没,招聘信息里,要么是招应届毕业生,要么是3-5年工作经验。1-2年的就很少。我尝试从自己这几年的经历和想法的变化,思考这是为什么。然后发现工作1-2年的时候,由于刚开始工作,兴奋劲儿很足,不挑活,感觉做什么都是学习,浑身都是鸡血,看谁都是大牛。所以想要换工作的想法不多,一般还不会遇到工作瓶颈。但是3-5年的时候,自己的小目标也陆陆续续实现,重复性的工作使你对工作变得麻木,同时发现以前认为的大牛也不过如此,那么内心就会慢慢的开始骚动...我也是从工作3年多,突然开始更多的思考自己的职业规划是什么、什么是自己的核心优势、如何突破自己现状获得成就感、还自我否定觉得自己哪哪都不行,变的很焦虑。甚至我都反问自己,到底有没有那么喜不喜欢设计?这事儿真的可以做一辈子么?开始了无尽的自我反问和迷茫中...总之,都是以前觉得假大空的问题,突然冲击着我的脑袋(是不是年纪大了都这样- -)。


我当时的处理方式是:
开始找身边不同行业同学聊天,希望了解设计圈以外,别人是什么样的节奏;跟身边工作时间更久的同事聊,看他们之前有没有同样感受;读专业的、心理学的、经济学的书把自己眼界打开,找到更多的方向;每天下班后跑步...差不多有两三个月的时间,我越来越意识到心态的重要性。同一件事情,不同的心态,过程和结果就会不一样。我开始尝试换一种心态对待不变的工作状态来获得成就感和自我提升。


1.比如做设计,以前所认为已经做麻木、没挑战的设计需求,试着总结规律看能不能抽出来高效的方法论。
2.意识到输出牛逼的设计效果已经满足不了自己,我就开始更关注数据所反应出用户的反馈,以及如何结合定性定量的分析来进行持续优化,来提升体验。哪怕这期间没有输出所谓的视觉稿,而更多的是沟通和梳理逻辑上的问题,我发现同样会给自己带来更多的成就感。
3.以前觉得工作没挑战了、项目做腻了是不是要考虑换工作。慢慢意识到,不是所有地方都有那么多可挑战的事情要你去做,不是所有的好机会都在等着你去发现。而是要学会放平心态,利用大大小小的项目,学着把问题想的更有深度,解决方案更优雅,抽取的方法更高效,知识沉淀更到位,从而建立自己的专业壁垒。
渐渐的,状态就调整好了,走出了所谓的第二个迷茫期。总的来说这次迷茫比第一次更痛苦,因为刚毕业的迷茫你知道自己哪里都不足,明确需要学习的地方很多,很快能找到方向。但工作3-5年后,考虑的问题会更多更复杂,需要一层层剥离和分析问题,来找到自己内心最想要的答案。


如何度过你的迷茫期?
1.找人聊
这个阶段多跟人交流,而不是自我封闭。因为在这段时间,自己想问题会很极端,很局限,容易把自己陷入一个怪圈里面走不出来。所以,多跟有经验的人聊,你会发现你所经历的、纠结的、迷茫的,可能他们也曾遇到并解决过,而且你会发现大部分人的牛逼都是努力的结果;多跟从事不同行业的人聊,你会发现自己迷茫的事儿,跳出来看并没有想象中的那么不堪;多跟比自己年轻的人聊(如果你已经工作很久),你会发现很多优秀的年轻设计师,身上的激情可以重新感染到你。


2.多读书
跟人聊多半会让你短时间内有了方向,或者得到安慰,但是确定目标并付出实践,最重要的还是自己内心的坚定。所以多读书,好多问题都可以从书里找到答案,找到共鸣。不要让自己的视野太过狭隘,或许,迷茫只是因为自己的局限性。同时我还发现,很多身边设计师会把时间都花到做设计上,提高技能肯定没错,但学习理论知识也相当重要。它能使你更有理有据的推进项目、看到优秀设计作品时明白背后的意图、从不同维度给自己带来新的灵感,而不仅仅停留在视觉表面。


3.动手干
好多人都有个坏毛病就是拖延症。知道对现状不满意,也明白该做什么,但是执行力不够。导致一直拖延,后果就是,越拖延越有负罪感,越负罪越迷茫,成了恶性循环。我之前也有类似的问题,比如写文章这事儿,我总觉得自己写东西不行,等多看看书再写吧。或者,觉得自己的工作经验也有限,写设计相关的文章观点如果不对,会不会影响到阅读它的人的认知,不够负责,等等...   一系列的借口,都说服了懒惰的我。然而,最近我决定,想做就直接做,不用磨磨叽叽的,没有差的就永远写不出好的,所以真正动手做了这事儿,学着突破自己,你会发现挺有成就感的。


总结:
你会发现,迷茫阶段虽然痛苦,其实是很宝贵的,它让你更倾听内心的声音,让你不满足于现状尝试突破,变得更好。因此,抓住成长中每一个转折点、每一次挑战,来完善自己。还有就是,虽然工作和学习很重要,但是玩儿也同样很重要。无论什么事情都要达到平衡和适度,才能长久。所以打怪升级的路上记得保持乐观。


祝你开心快乐每一天。呦吼~
本文来自UI中国,作者:苏大牙
大连中钰睿泓与你分享精品文章

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 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
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