关于工资的三个秘密






一个35岁左右的白骨精来找我们,她需要在两个工作里面做选择。一个是年薪30万的制片总监,一个是年薪10万的市场策划。她喜欢后者的节奏与内容,却被前面的工资吸引。我们仔细算了一下她的工作时间:前者是每天加班,节假日无休赶节目,每天工作近15个小时,后者则是8小时规律的生活。这样算下来,两者的时薪差不多,只是那份“好工作”把三年的活放到一年来做罢了。如果加上由此产生的未来医药费,简直比“坏工作”还不赚钱。我问她,你现在最需要的是最快速度赚一大笔钱,还是按照自己的节奏做喜欢的事情?她恍然大悟选择了后者,再也不觉得亏了。

   作为职业规划师,我想告诉你关于工资的一个秘密,年薪月薪是相当有欺骗性的东西。真正起作用的,是时薪——你一定要看看自己的单位时间是否更加值钱。

   第一条关于工资的原则是,工资不等于月薪,也不等于年薪,工资等于时薪。

   第二个故事也很好玩。一个朋友结婚,和丈夫买了个北京市二环内的房子。房子有100平米,每平米3万元。双方家庭都很殷实,各自拿出10万元。这对夫妻则一起承担了100万元的房贷。对于一对收入正常的白领夫妇,大概意味着10年的努力。因此,她的出国读书、旅游的计划也都完全搁置了。

   “好羡慕你们啊,我反正是不可能了。”她和我们聊天的时候提到。“如果你现在停止工作,会损失多少钱?”我问她。“如果现在停止工作一年,你的损失应该是工资减去因为上班的消费。你的工资是12万元,上班的花销是3万元,所以损失是9万元,对吗?”她点头。一个人少了9万元,多了一年的时间,值吗?其实这里有无数的方式能让这个买卖值钱。

   “也许你可以试试看读一个在职的研究生,国内出国的都可以。别人周六、日上课,平时上班,你则周一到周五都休息。每天找一个同学吃饭,谈谈项目,组织班级活动什么的。一年下来积累的资源,肯定能让你获得比现在工资高50%的工作,一年后9万元也就回来了。” 这次她点头,同意了。

   我不是鼓励读者去辞职,我只是想告诉你关于工资的第二个秘密:我们争分夺秒计算自己的工资,却很少计算自己的空白时间。其实空白才是未来能够获得巨大收益的东西。我们常说年轻是最大的资本,很多人年轻的时候全部投入工作,那么资本也就直接取现了,再无增值的可能。所以第二条关于工资的做事,工资收入=工资+可能性。

   最后讲第三个故事。北极熊被公认为最强悍的几种哺乳动物之一。在零下40度的低温,北极熊能连续奔跑40多分钟,在冰水混合物中游泳15分钟,连续20天不进食,厚厚的皮毛能抵御所有的刀和矛——这么个强悍东西,爱斯基摩人如何对付它?北极熊只有一个缺点,嗜血。猎人先杀死一只小海豹放血,然后把一把尖刀刀刃冲上倒立在桶中。让血漫过刀尖一点。血桶放在外面,冻成了冰块。一个猎熊器就此产生。北极熊看到鲜血,马上用舌头舔上去。当上面的血层舔完,舌头也就冻僵了。这时刀刃露了出来,划开一个小伤口。此时北极熊冻僵的舌头却感觉不到痛。一直到伤口越来越深,北极熊最终因为失血过多而倒下。

   这个时候,静待一边的爱斯基摩人跳出来,杀死北极熊。这是个真事,也是我关于工资的隐喻,关于工资的第三个秘密——我们很多人在快乐的拿着“高薪”,殊不知也许你觉得新鲜的,只是自己的鲜血。记得,对于那些以夺取你最重要的东西——比如健康、生活、好心情、从容、家庭为代价的工资,千万别碰。记得,做北极熊没错,但是聪明的熊懂得绕着刀尖舔,气死旁边的爱斯基摩人。








【电动车】基于多目标优化遗传算法NSGAII的峰谷分时电价引导下的电动汽车充电负荷优化研究(Matlab代码实现)内容概要:本文围绕“基于多目标优化遗传算法NSGA-II的峰谷分时电价引导下的电动汽车充电负荷优化研究”展开,利用Matlab代码实现优化模型,旨在通过峰谷分时电价机制引导电动汽车有序充电,降低电网负荷波动,提升能源利用效率。研究融合了多目标优化思想与遗传算法NSGA-II,兼顾电网负荷均衡性、用户充电成本和充电满意度等多个目标,构建了科学合理的数学模型,并通过仿真验证了方法的有效性与实用性。文中还提供了完整的Matlab代码实现路径,便于复现与进一步研究。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事智能电网、电动汽车调度相关工作的工程技术人员。; 使用场景及目标:①应用于智能电网中电动汽车充电负荷的优化调度;②服务于峰谷电价政策下的需求侧管理研究;③为多目标优化算法在能源系统中的实际应用提供案例参考; 阅读建议:建议读者结合Matlab代码逐步理解模型构建与算法实现过程,重点关注NSGA-II算法在多目标优化中的适应度函数设计、约束处理及Pareto前沿生成机制,同时可尝试调整参数或引入其他智能算法进行对比分析,以深化对优化策略的理解。
一、基础信息 数据集名称:可回收材料目标检测数据集 图片数量: - 训练集:7,701张图片 - 验证集:733张图片 - 测试集:367张图片 - 总计:8,801张图片 分类类别: - carton(纸板):常见可回收包装材料 - metal(金属):如铝罐和铁制品等可回收金属 - papel(纸):纸张类可回收材料 - plastico(塑料):塑料瓶和容器等可回收塑料 - vidrio(玻璃):玻璃瓶和罐等可回收玻璃 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务 数据格式:JPEG图片,来源于实际场景 二、适用场景 智能垃圾回收系统开发: 数据集支持目标检测任务,帮助构建自动识别和分类可回收材料的AI模型,用于智能垃圾桶或回收站,提升垃圾处理效率。 环保与可持续发展应用: 集成至环保设备或移动应用,提供实时材料识别功能,促进垃圾分类和资源回收,支持绿色倡议。 学术与工业研究: 支持计算机视觉在环境科学和废物管理领域的研究,推动AI技术在环保中的创新应用。 教育与培训: 可用于学校或社区项目,作为垃圾分类教育的视觉辅助工具,提高公众环保意识。 三、数据集优势 精准标注与多样性: 标注采用YOLO格式,确保边界框定位准确,类别覆盖五种常见可回收材料,具有高度实用性。 数据规模合理: 拥有超过8,000张图片,训练集、验证集和测试集分布均衡,支持有效的模型训练和评估。 任务适配性强: 标注兼容主流深度学习框架(如YOLO系列),可直接用于目标检测模型开发,加速应用部署。 环保价值突出: 专注于可回收材料识别,有助于减少垃圾污染、促进循环经济,具有显著的社会和环境效益。
建筑风化目标检测数据集 一、基础信息 • 数据集名称:建筑风化目标检测数据集 • 图片数量: 训练集:435张图片 验证集:124张图片 测试集:62张图片 总计:621张图片 • 训练集:435张图片 • 验证集:124张图片 • 测试集:62张图片 • 总计:621张图片 • 分类类别: efflorescence:建筑表面的风化现象,常见于混凝土或砖石结构,表现为白色盐沉积。 • efflorescence:建筑表面的风化现象,常见于混凝土或砖石结构,表现为白色盐沉积。 • 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务。 • 数据格式:图片数据,来源多样,适用于模型训练。 二、适用场景 • 建筑行业缺陷检测:用于开发自动检测建筑表面风化现象的AI系统,辅助维护和修复工作,提升施工质量评估效率。 • 环境与农业监测:可能应用于类似表面缺陷的识别,如作物病害或土壤问题,支持可持续农业实践。 • 学术研究与创新:支持计算机视觉在材料科学和建筑工程中的研究,推动AI在实际工业问题中的应用。 • 教育与培训:可作为建筑或工程教育中,学习缺陷识别和检测的教材资源,帮助培训专业人员。 三、数据集优势 • 精准标注与实用性:每张图片均采用YOLO格式标注,确保边界框定位准确,直接适用于目标检测模型训练,提升模型可靠性。 • 类别专注:专注于建筑风化现象,数据针对性强,有助于模型学习特定特征,提高检测精度。 • 任务适配性强:兼容主流深度学习框架,如YOLO、Faster R-CNN等,便于快速集成和开发,支持多种应用场景。 • 实际应用价值:数据集面向实际工业问题,帮助提升建筑维护的自动化水平和效率,降低人工检测成本。
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