忠实履行职责,热忱完成工作,坚持必胜信念,成就辉煌人生——《西点军校的经典法则》

本文分享了《西点军校的经典法则》的读后感,强调了责任和意志的重要性。责任要求我们忠实履行职责,热爱本职工作,并关注每一个细节;意志则让我们在面对困难时保持坚持不懈的精神。

忠实履行职责,热忱完成工作,坚持必胜信念,成就辉煌人生

                    ——《西点军校的经典法则》读后感

 

读完《西点军校的经典法则》这本书,给我启发最深的是责任和意志,我感到在这十三种典型品格中,责任和意志是西点理念的精髓。

 

古人说:天地生人,有一人当有一人之业;人生在世,生一日当尽一日之勤。作为这个社会或者一个集体中的一分子,任何人都不可能脱离责任而独自生存。

 

进入一个企业,在这个企业中担任了某个岗位的工作,也就同时承担了这个岗位应有的责任,也许这份责任对这个企业来说极其重要,也许微不足道,但它们都是实现企业共同目标的组成部分,就象一部机器的零部件,共同促成了机器的完美运转,缺一不可,这就要求我们必须忠实地履行自己的职责,不断充实自己,提高个人战斗力,同时也要加强团队合作,提高企业的整体竞争力。


   
如何忠实地履行自己的职责?


   
首先要正确地对待自己承担的责任。责任是我们每个人份内应该去做的事,这是任何人都无法逃避的。正确地对待责任,不逃避、不推卸、不消极地应付,而是以积极的态度去看待它,把自己的人生目标同企业的发展结合起来,乐于为企业承担责任,既可实现自己的人生目标又为企业做出了应有的贡献;其次要热爱自己的本职工作。在人生的某个阶段中,也许我们选择的工作并不称心如意,但我们应该全力以赴,全身心地去热爱它,做好它。如果认为自己所做的工作无足轻重,就放弃努力,则是完全错误的认识,因为任何一项伟大的事业,都是由无数平凡的小事构成;第三要从一点一滴的小事做起。工作中无小事,积少成多,积水成渊,“滴水穿石”。如果在工作中只注重抓了主要环节,而忽视了一些小事、细节,必定会导致整项工作的失败,可以说,抓住了工作中的小事、细节,就是抓住了机遇,成功正是蕴藏在这些点滴小事中。


   
做为公司研发部的一员,我深知自己的责任。任何一个细微的错误,一个细节的忽略,比如一个英文字母的错误就能导致整个系统不能使用,如果已经发布出去,还可能给我们的客户带来不可估量的经济损失,所以我必须严谨认真、精益求精、决不放过任何一个小小的细节,深刻理解“千里之堤毁于蚁穴”的哲理,同时这个岗位要求员工必须有耐心、激情和钻研精神,否则每天面对着那些乏味的字母就足以让你的神经疲劳。

 

如果说责任是西点理念的灵魂,那么意志就是西点理念的血液,没有血液的灵魂如同行尸走肉,而没有灵魂的血液决不会“沸腾”,最终也是凝固、腐化。

 

“敬业为魂”、“永不放弃”、“战胜逆境”、“克服恐惧”、“实现目标”、“全力以赴”、“终生拼搏”这都是西点人最典型的品格要求,历届西点人所做出的成就、所完成的艰巨任务也证明了西点人顽强的意志和坚忍的品质。企业或个人都不可能一帆风顺,困难、挫折、风险以及当今社会激烈的竞争都要求企业的每个员工都具有:团结向上、坚韧不拔、永不言弃、全力以赴的顽强意志。

 

从不推卸责任无私奉献的精神,这些词汇在西点比在政界和商界得到了更多的尊敬。西点的神话维持了200多年,但是正如鲁斯少校所说,人是不完美的。将不完美的人训练成近乎完美的人是一个永恒的挑战,而西点军校在这个挑战面前表现尤其突出。

从这本书中可以归纳出“责任”、“荣誉”、 “意志”、“勇气”、“热忱”、“服从”、“信念”、“尊重”、“忠诚 ”、“自发”、“团队”、“正直”和“竞争”这13种西点人最典型的品格。成功之树需要我们用完善的品德去浇灌才能收获果实。有时不是我们缺乏成功的机会,而是我们没有强迫自己去修炼自身的品格来把握这些机会。

愿以西点的品格来塑造一个全新的你我,一个朝气勃勃的企业,迎接未来,迎接挑战。

 

董金伟 于2007614日 上海

 

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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