【日常01】新城市,新工作,新开始

从初入金融行业的迷茫到逐渐适应并找到自我提升的方向,分享了在传统金融行业与新兴互联网行业之间的选择思考,以及在工作中遇到挑战和克服困难的心路历程。

以下是最近几个月的流水账以及一些个人心得:

2019.03.11

举家(我和我的猫)来到上海;

 

2019.03下旬

投简历-->面试-->投简历-->面试.....

 

2019.04上旬

Offer选择,等待消息

 

2019.04.11

和刘先生回家领了证

 

2019.04.22

入职

 

2019.07.22

写下这篇blog,此时刚好入职三个月。

没有接触过金融行业的我,从刚入职的懵逼,不知所措

到现在至少可以不慌张的解决问题,有条不紊进行工作

 

有几点感悟:

1. 找工作时最好有一样特长或者很突出的优势,才能在茫茫竞争者中脱颖而出。

2. 有的时候,选择很重要,但坚持自我提升更重要。我最终选择了传统行业,其实是很纠结的。传统行业不太会使用时下流行的新技术新框架,这对于一个技术岗位来说是致命的,IT行业是发展很快的,如果没有跟上潮流,没有学习新的技术,将来很有可能会被淘汰,但优势在于稳定长久;而互联网行业则不同,充满干劲,学习新知识,跟上潮流是主旋律,相应的,加班多,压力大也是显而易见的。努力提高自己的技术,多学习新知识,想要在软件行业走的更远,这是我的想法;综合考虑了诸多因素后,最终还是选择了金融行业。

3. 进入公司一个星期的时候,意识到隔行如隔山。那些专业名词,业务逻辑,真的是让人头大!有些事情并不像想象的那么简单!

4. 不要冲动做决定,尤其是在事业上。在一个月左右的时候,我有想过放弃,想要去之前拒掉的那家新兴互联网公司,因为工作遇到了瓶颈,而且很多事情跟我想的不一样,我觉得自己想要学习最新技术的想法无法实践,在这里只会变成一个点工。那段时间确实很焦虑,加上生活上的各种困难,经济上的状况,每天的的心情都是阴晴不定。好在,我这个人懒,所以迟迟没有做出决定,后来,我开始意识到,不仅仅是我所在的组,包括其他组,其他项目,大有厉害人物在,我能学到的很多很多,而这里也不是一个养老的地方,我意识到自己之前太过片面,没有好好观察就轻易下结论,认为这里没有发展空间,这是非常错误的。于是我安心的待了下来,慢慢发现身边一堆牛人同事,公司也不是局限于自己本身的业务,也聚焦于大数据,人工智能,并鼓励员工学习进步;狼人杀,辩论会,团队活动等等也丰富多彩。庆幸自己当时没有冲动之下做决定。

 

暂时更到这里吧,一直忙忙碌碌,博客忘记更,也没有学习新东西,惭愧。

 

代码转载自:https://pan.quark.cn/s/a4b39357ea24 本文重点阐述了利用 LabVIEW 软件构建的锁相放大器的设计方案及其具体实施流程,并探讨了该设备在声波相位差定位系统中的实际运用情况。 锁相放大器作为一项基础测量技术,其核心功能在于能够精确锁定微弱信号的频率参数并完成相关测量工作。 在采用 LabVIEW 软件开发的锁相放大器系统中,通过计算测量信号与两条参考信号之间的互相关函数,实现对微弱信号的频率锁定,同时输出被测信号的幅值信息。 虚拟仪器技术是一种基于计算机硬件平台的仪器系统,其显著特征在于用户可以根据实际需求自主设计仪器功能,配备虚拟化操作界面,并将测试功能完全由专用软件程序实现。 虚拟仪器系统的基本架构主要由计算机主机、专用软件程序以及硬件接口模块等核心部件构成。 虚拟仪器最突出的优势在于其功能完全取决于软件编程,用户可以根据具体应用场景灵活调整系统功能参数。 在基于 LabVIEW 软件开发的锁相放大器系统中,主要运用 LabVIEW 软件平台完成锁相放大器功能的整体设计。 LabVIEW 作为一个图形化编程环境,能够高效地完成虚拟仪器的开发工作。 借助 LabVIEW 软件,可以快速构建锁相放大器的用户操作界面,并且可以根据实际需求进行灵活调整和功能扩展。 锁相放大器系统的关键构成要素包括测量信号输入通道、参考信号输入通道、频率锁定处理单元以及信号幅值输出单元。 测量信号是系统需要检测的对象,参考信号则用于引导系统完成对测量信号的频率锁定。 频率锁定处理单元负责实现测量信号的锁定功能,信号幅值输出单元则负责输出被测信号的幅值大小。 在锁相放大器的实际实现过程中,系统采用了双路参考信号输入方案来锁定测量信号。 通过分析两路参考信号之间的相...
边缘计算环境中基于启发式算法的深度神经网络卸载策略(Matlab代码实现)内容概要:本文介绍了在边缘计算环境中,利用启发式算法实现深度神经网络任务卸载的策略,并提供了相应的Matlab代码实现。文章重点探讨了如何通过合理的任务划分与调度,将深度神经网络的计算任务高效地卸载到边缘服务器,从而降低终端设备的计算负担、减少延迟并提高整体系统效率。文中涵盖了问题建模、启发式算法设计(如贪心策略、遗传算法、粒子群优化等可能的候选方法)、性能评估指标(如能耗、延迟、资源利用率)以及仿真实验结果分析等内容,旨在为边缘智能计算中的模型推理优化提供可行的技术路径。; 适合人群:具备一定编程基础,熟悉Matlab工具,从事边缘计算、人工智能、物联网或智能系统优化方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究深度神经网络在资源受限设备上的部署与优化;②探索边缘计算环境下的任务卸载机制与算法设计;③通过Matlab仿真验证不同启发式算法在实际场景中的性能表现,优化系统延迟与能耗。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注算法实现细节与仿真参数设置,同时可尝试复现并对比不同启发式算法的效果,以深入理解边缘计算中DNN卸载的核心挑战与解决方案。
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