不抛弃,不放弃

         最近看了一部军旅题材的电视剧《士兵突击》,这部片子,也是现在网上最火的一部电视连续剧。看后,感慨很深。“不抛弃,不放弃”说的好! 这句话使我联想了好多身边的事情。
         小时候,我最羡慕的就是当兵,我的最大梦想就是当兵。每当我看到老爸以前当兵时的照片,就羡慕的不得了。老爸当年,身穿绿色军装,后背背着冲锋枪。那神气劲儿。甭提多精神了。听说老妈当初,就是被我爸的这身军装所吸引的。哈哈……直到现在,老爸的战友们还时不时的在一起聚聚。我觉得这是人生最好贵的东西。兄弟情谊!可是事以怨为,我没有走上当兵的路线。父母的愿望,使我放弃了自己的梦想。他们的希望就是考大学,工作,找对象,结婚,生子,养老……走得是人生最普通的路线。时间长了,我也就放弃了自己的想法。现在只有时不时的在父母面前念叨念叨:爸、妈,我要去当兵!虽然嘴里这么说,可心里明白,这辈子已经不可能了。
        看到电视剧里面的许三多,对战友不抛弃、不放弃的精神,使我打心眼里佩服他。佩服他的精神和毅力。在他眼里就没有不可能的事情。不管事情多么的困难。也要大家一起去面对。其实,不管是什么事情,我觉得重要的是做这件事情的过程,而不是结果。往往有的事情,虽然结果不是很好。但是你会从这件事情的过程中吸取很多经验。这同样是一种收获。
        电视剧中还有个人,叫吴哲的。他的话,也使我印象很深刻。那就是:平常心、平常心。他不管做什么事情,总是本着平常心的态度去面对。这使我联想到自己面对事情的态度。有时候,我在做一件事情上,总是想一口吃下一个大包子。这使我经常做事情时,产生事急必反,急功近利的效果。假想以后,无论做什么事情,都一步一个脚印,就像许三多、吴哲这样的人一样,事情的结果又会是一个什么样的效果?所以,这也是我们应有的人生态度。不管做什么事情,都应该本着一颗平常心去面对。
        电视剧中还有个反面教育的人物,叫成才的。听这个名字,就知道。他这个人是急于想成才的。呵呵……他这个人物,使我联想到身边的一些同事,有的同事,一旦有个更好的地方,或者更好的待遇。就会毫不犹豫地去争取这样的机会。毕竟人生有限,去争取自己的东西。无疑是再正确不过的事情。往往有很多事情,有得必有失,不是吗?电视剧中的成才,为了能在部队待下去,背信弃义,抛弃了身边的战友,跑到了别的连队,升了士官,当了班长。而他以前在七连只是一名普通的士兵。虽然升了官,可是他失去了身边战友的友谊。人是有感情的动物,相信这种人在我们身边是不会受欢迎的。这样的人,相信也很难长久,很难在实际生活中生存下去。因为他违反了做人的最基本的规则。这是当兵人的大忌,他抛弃了战友。假设这是在战场上的话,他就是个逃兵。但从另一方面,我也看到了他身上的长处,那就是:人谁无过?过而能改,善莫大焉。他能够从自己失败的经历中,总结出自己的错误,并且能够以积极的态度去面对。这点是一般人,很难做到的。他的性格倒挺像曹操。哈哈……说跑题了。
       还有连长,高诚。和那个老班长, 
史今。都视自己的兵为己出。就像自己的兄弟一样。爱护他们,呵护他们,有人把他们形容为军中之母,我觉得这不为过。看后,给我的感觉,的确如此。有这样一个团队。相信他们的将来一定都很有作为。
     总结了电视剧的观后感,令我不得不想到我现在的项目团队,我的兄弟姐妹们。我们从刚来公司,就像刚当兵的士兵一样,什么都是跟着老兵们学习,从什么也不会,到现在能够支撑整个项目的维护工作。无论从开发设计,还是编码维护。都能够很有信心的去完成。这是我们两年前,刚从大学校门走出来,所做不到的。通过2年来的努力,我们完成了迄今为止,公司最大的项目,3000万的项目。我很荣幸,能够从刚来公司,就参与到这样一个项目组中,从事开发设计工作。想想这2年的经历,我们获得了很多,也失去了很多。首先讲讲我的收获吧,我的最大收获,其实不是技术上的提高,而是让我结交了很多兄弟姐妹,我们相处的,就跟亲人一样。不能用言语所形容的那种感觉。在开发中,我们互相帮助,取长补短。有意见分歧时,能够互相开导,直到问题解决为止。我们不仅在工作中互相关心,我们的更多还是在生活中互相的支持。长时间的相处,使我们建立了深厚的友谊。其次,是我在技术上的提高,从一个无知的大学生,慢慢成长为一个职业的程序员。无论从设计还是编码实现上都有了很大的提高。当然了,和老程序员还是有一定的差距,跟自己比,还是有一定的进步的。呵呵……这两年虽然在做一个项目,可实际上,这个项目包含很多子系统的开发。例如:会员系统,资讯系统,通讯员系统,即时通讯系统……,虽然在系统上线方面,客户方对我们提出了种种苛刻的要求,但是通过我们的共同努力,我们还是都挺过来了。不容易啊。
      我再说说我的失望和失败吧,我的失望是在这过程中,我们项目组的成员在不断的离去,有的随着项目后期不需要这么多人,被调到别的项目组工作了。有的兄弟离开了公司,选择别的发展土壤去了。甚至,我最好的朋友,也远赴日本打工去了。当初他对我的帮助也是不小的。我很珍惜这样的朋友。2年来,我在公司认识了不少的好朋友,而随着时间的推移,我身边的朋友,又都离我而去了。唉……失去一个朋友,是件很痛苦的事情。只能用无奈来形容我此时的感觉。因为每个人都有自己人生的选择。也许他们只是我人生的一个过客而已,我只能这么认为。所以我会珍惜和身边每个朋友在一起的美好时光。希望等我老的时候,会想起他们,想起他们的点点滴滴。呵呵,有点伤感。
      再来说说我的失败吧。在整个项目的开发过程中,不是很顺利。我参与开发了4个系统,其中两个我完完整整开发的系统,最终没能够上线。其中的原因很多,有管理上的问题,有沟通上的问题,有商务上的问题,更有开发上的问题。我觉得这不是客户的问题,虽然他们有一定的问题。但我不想说别人。因为事情是相对的。没有起因,也就不会有结果。我觉得还是我开发的系统,没能够满足客户的要求。所以客户迟迟推托不想给我们上线。他们的要求总是时时的在变,而我们在面对这样的客户问题上,没有做好任何的准备。我们总是从自己的角度出发,而没有考虑到客户的人员素质上。毕竟他们是使用者,而不是开发人员。所以我们在沟通方面还是做的不够好。这都是我们的问题。但我要说明的是,在此过程中,领导的管理上,是有一定问题的。在此,我不想说的很多,也不便于对领导评价什么。这两个系统,使我个人付出了很多,加班加点的去完成他们,可是到头来,我的努力却化为了零,想想都觉得好笑。我这么拼命的干是为了什么?虽然这两个系统没有最终上线。但从我个人而言,我收获了很多,从中学习到了很多技术上的东西。从公司的角度,可能损失就大了很多。唉,这也是很无奈的事情。说白了,还是公司没有能力做这么大的项目啊。假想,要是公司一个系统一个系统的开发上线,又会是一个什么样的结果。我们当初的开发,真像是吃大锅饭,一哄而上。几个系统一起开发,互相缺乏沟通,自己开发自己的系统,都没有好好考虑系统互相的接口。这是系统分析师的工作。可是我们的系统分析师在哪里?所以导致今天的这个局面,我不会感到奇怪。呵呵……虽然壮观,可是死的很惨。
      可是,我们不会放弃,我还有身边的两个好姐妹儿。她们都和我一样,有着坚定的信念,所以在项目组不断走人的情况下,我们仍然还留守在自己的位置上。努力做好自己的工作。相信明天我们会收获到更多的东西。那就是:坚持!

      今天的话,说的有点多。往常都不会有这么多的话。看了《士兵突击》让我想了很多,更加坚定了我的信念:平常心、平常心。不抛弃、不放弃!     

以下几种包含时间序列分析,且类似协整分析抛弃同趋势特征的数据预处理方法: ### 主成分分析(PCA) 主成分分析是一种常用的数据降维方法,它通过线性变换将原始数据转换为一组各维度线性无关的主成分。在这个过程中,PCA会提取数据中的主要变异成分,而那些具有相似变化趋势的特征在转换过程中可能会被合并或舍弃。PCA试图找到数据的最大方差方向,将数据投影到这些方向上,从而减少数据的维度,同时保留大部分的信息。 ```python from sklearn.decomposition import PCA import numpy as np # 示例数据 X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 创建PCA对象,指定降维后的维度 pca = PCA(n_components=2) # 拟合数据并进行转换 X_pca = pca.fit_transform(X) ``` ### 独立成分分析(ICA) 独立成分分析的目标是将多变量信号分离为一系列相互独立的成分。与PCA同,ICA仅考虑数据的方差,还关注成分之间的独立性。在处理具有同趋势特征的数据时,ICA可以分离出那些表面上相关但实际上独立的成分,从而去除数据中的冗余和同趋势信息。 ```python from sklearn.decomposition import FastICA import numpy as np # 示例数据 X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 创建ICA对象,指定成分数量 ica = FastICA(n_components=2) # 拟合数据并进行转换 X_ica = ica.fit_transform(X) ``` ### 因子分析(FA) 因子分析是一种用来揭示能直接观察到但影响可观测变量的潜在因子的统计方法。它假设可观测变量是由一些潜在因子和特殊因子线性组合而成。通过因子分析,可以找到这些潜在因子,将原始变量表示为这些因子的线性组合。在这个过程中,那些具有相似变化趋势的变量可能会被归结为同一个潜在因子,从而实现对同趋势特征的处理。 ```python from factor_analyzer import FactorAnalyzer import pandas as pd # 示例数据 data = pd.DataFrame({ 'var1': [1, 2, 3, 4, 5], 'var2': [2, 4, 6, 8, 10], 'var3': [3, 6, 9, 12, 15] }) # 创建因子分析对象 fa = FactorAnalyzer(n_factors=2, rotation=None) # 拟合数据 fa.fit(data) # 获取因子得分 factor_scores = fa.transform(data) ```
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