职场新人如何快速赚到自己的第一桶金?(转)

目录:


一、生涯规划

1.职业分析

2.编写行业报告——着重对行业全面性的把握

3.编写讲座报告——着重对专业系统性的把握。


二、如何快速积累行业的工作经验

1、通过资料快速吸取别人的经验
2.找对这五个贵人
3.重要的是兴趣。然后是狂练基本功,简单重复积累。


三.一个好的能发挥能力的平台






这个世界上,失败的人除了天分太差之外,只有以下几点,懒,方向不对,方法不对,没有坚持。如果你自己做不到,你不要怪别人。




一、生涯规划



一个人能做成的事总是有限,要选对一个方向做成功后,再不断拓展



1.职业分析:
A.分析性格——分析长处和短处——分析大家都有的长处——确定自己最终发展的专业
B.确定兴趣——分析竞争的激烈程度和发展的空间大小——寻找相对优势—确定自己最终进入的行业
C.确定行业内自己的专业方向,继续保持自身的专业优势。


2.编写行业报告——着重对行业全面性的把握。


A.通过上网查询和购买行业报刊,收集不少于三十万字的行业、重点企业的有效资料,在电脑中进行资料分析、分类、汇总。
B.参考同类行业书籍,确定写作提纲,确定文章结构和逻辑方向,培养文字表达能力和逻辑能力,以及熟练的电脑使用技能。
C.将三十万字资料浓缩成十至十五万字,写成一本符合出版行文格式要求的行业报告。如果选题好,还真的有出版的可能性。如果有一定的独特见解,也可以写成文章争取在专业刊物上发表,树立个人专业形象。

3.编写讲座报告——着重对专业系统性的把握。
A.根据你希望从事的专业岗位,从报告中选择两到三个重点,将书稿压缩成两万字的讲座稿(按每分钟150字的演讲速度,即两个小时)。
B.将演讲稿再浓缩成两千字的提纲和重要内容,使用PPT软件编成演讲用演示文件,并根据相关内容配以精彩图片。
C.培养职业化的公众表达能力和表达方式,练习普通话,使用讲座稿进行互动讲座和演讲练习,只到脱口而出。


告诉大家两个名人是这么成长的.

一个是教英语的李阳,他读大学时成绩不好,英语不及格,然后他做什么去了?他跑到没人的地方大声喊英语去了.

一个是做广告的叶茂中,他卖广告卖不出去了,他跑回家写书.别人看到的和他自己说的是拿着书出版出了名,发达了.其实做过这个事的人才会知道,当他把这本书写出来时,能不能出版已经不重要的,因为他知道他变化了.


二、如何快速积累行业的工作经验



选定的行业,就要通过各种方法快速积累行业的工作经验,提升自己在逻辑、结构、全局性、文字表达、口头表达等方面能力,才能在行业中做出成绩。



1、通过资料快速吸取别人的经验




对任何人而言,其实什么都没有技巧的,只是多看资料,然后多做,硬磕,坚持下去,刚开始觉得没变化,没感觉,很累,坚持不下去,然后做着做着,就越来越快了,然后慢慢的有变化.




很多资料在网上都是可以找到的,只是看你具备不具备足够的信息收集与处理能力,而这个收集与处理信息的过程,也能极大的提升你的职业能力。这里要强调的一点是,你收集到的任何资料都不能只是看看,而必须自己手把手,动手去整理、去归类,去建立新的结构,这个信息收集与处理的过程甚至比你最后总结成文的文字更重要。



一直有个感觉,在“模仿中成长,在创新中成功”,其实在真正的职业工作中,大多数的工作都是模仿重复,强调的是工作效率,而不是创新。对于企业而言,过度的创新必然导致过多的失败,以及效率的低下。



看到很多谈应聘技巧的帖子,其实并不实用,有菜谱并不代表能做出好菜,能不能做出好菜仍要看你天天炒,日日炒,炒出来的本事。


何谓“学习”?学习学习,学而习,习而成习惯。光学不习,那知识还只是书上的,老师教的,不是你自己的,只有你重复练习了,经过量变,才会有质变,当你形成条件反射时,你就真正掌握这个东西了。



一切一切,其实,你们比的不是其它的东西,只是比的速度。这也是为什么我那么强调基本功的原因。


2.找对这五个贵人


在你的成长过程中,有五个人非常重要。

第一个,导师,教练。



他教给你实用的技巧、一定的工作经验,而不是知识。他可以给你指明方向。
这个人可能是你的上司、前辈、学长。

第二个,陪练,同路人。



任何人的成长都不是学出来的,而是学而习,习而成习惯,练出来的。在这个练的过程中,是一件很苦的过程,是一系列简单动作的重复重复再重复,由量变到质变的过程,在这个过程中,一个人很难坚持下来,这时你需要一个同路人。
他可以是和你共同兴趣,共同目标的朋友,最好是你生命中所爱的人。

第三个,榜样,他是你人生的标杆。



在你一生中,在不同阶段,会有不同的标杆,你向他学习,受他鼓舞,一步一步向他靠扰。
最重要的是那个你看得到摸得着的人,你知道,不需要通过机遇,只需要通过努力就可以达到的榜样。

第四个,敌人,看不起你的人,拒绝过你的人。



人不到绝境是不会有斗志的,你要证明他是错的,他会给你真正的动力。

第五个,最重要的是第五个,你们觉得第五个人是你自己。



世界上没有救世主,任何希望当别人救世主的人不是疯子就是傻子,只有自己才可以救自己。









3.重要的是兴趣。然后是狂练基本功,简单重复积累。




其实大学到底教给大家什么了?知识?还是?

大学阶段必须打好你的基本功,这些决定了你就业后的学习能力,阶层简单工作的工作效率.

在大学所学到的知识,都是同质化的了,如果将知识变为通用的、标准化的技能才是重要的。既然学的东西没用,那在大学还要不要认真学习呢?当然要,因为这些东西是系统性的,这个学习过程能培养你的学习能力。



知识不能改变你的命运了,但是它可以改变你的气质。如果你读个四年大学出来,你的气质还不能好一点,那你的大学就真的白读了。





大学毕业后,作为新人,很多东西,你会发现,每个字你都认识,每句话你都看得懂,但是你理解吗?领悟,是教不了的。



简单说,要学打拳,你先站三个月桩再说。

自己努力吧,自己重复做,再会明白自己最想要的是什么。

你考公员员如果死活考不上,那你应该去想想,这种机械性的考试你都过不了,那是不是学习方法,或者兴趣不对呀?

做销售,同样的,从基阶做起吧。

你的财政学对你有没有帮助?

当然有,你对销售的认识会不同的。

象十年前我卖保险,人人都跟银行比,算利息,都算得没有银行高,只能说死了人有赔了。

而我是怎么算呢?我用递增,还是增减年金公式算,呵呵,比银行高呢。

另外,别人说死了人有赔,最多是说得婉转点。

我可没把它当死人卖呀,我把它当礼物卖,当成父母送给孩子的礼物卖,卖得可好了,呵呵。



现在哪个做人寿险的人敢说他一年做两百多单?

呵呵,我好象一年做了二百四十单左右,全是年缴哦。

这个世界上最穷的和最富的人都在做销售.

做销售的人底薪很低的,大多数人拼的只是体力罢了,如果你想做好,你多花心思就可以了.多想多跑,还是在一个行业里多坚持,找到高手做师父带你.

我说说当年我混日子的时候怎么过来的.

那年头电脑还紧俏,我只要一有机会就到别人电脑上练东西,终于练成了今天的电脑基本功,一方面要多学,一方面要多用心.

然后,我每天做记录,记下工作的流程,记下别人说过的工作中重要的话,其实什么叫行业经验,很多老手随便说的话,都是行话了,有它的意思的,听了就要想,就要去查,很多东西就知道了.

为什么要记录,因为什么叫职业化?职业化就是标准化、流程化,模式化,你多看多记多想就能明白了,这些东西在很多地方都是通用的。

有一点,如果这里收入还可以的话,你好好学吧,任何工作都要呆一两年,你才会有认识的,跳来跳去的对你不好,真的,你还在磨性情的时候,只要你保持学习的能力,别下班玩去了就可以了,有压力才有动力,好好留心心仪的公司招聘的要求,按那个要求去做一个一年的训练与学习计划,一年后,那个公司在等你





三.一个好的能发挥能力的平台



经过上述的训练后整个人的状态都变了,有自信了,然后写了一个方案去应聘,结果进了一家大公司,当然,开始我还不想去,因为对方只给我800/月,还要自己租房子,吃饭,觉得不好,但是对方连续四个月三次打电话找我,于是我去了,结果去了就后悔了,真正好的公司根本不在乎工资的,重要的是你自己的能力。第一个月,我就挣了八千块,我以前想都不敢想的。然后两个月就转了正,而有一个有关系的同事,呆了一年还没能转正。然后每个月的收入超过工资几倍,还有年终奖两万,出国旅游,其实也不累,我到这个家公司的同时,还到另一家广告公司兼职,呵呵,很回忆的过去。

现在看到太多的人谈工资,我确实不喜欢,我这几年都不和老板谈工资的,因为说出来好笑,帐面工资高了,还要多扣税.

我只在意公司的分配方式,怎么样算提成和奖金,年薪.

上个月有一个和我同龄的名牌大学MBA来我现在所在的小公司应聘,不愿意和人事小姐谈,老板不在,我就来谈了,我说好呀,以你的资历我不能和你谈给谁做副手的问题了,我跟你谈谈公司的分配方式吧,其实我们公司普通员工的收入都不高的,长沙平均水平,只是不忙,周末休两天,工作满一年还有一个星期的年休假.

但是公司几个部门负责人还是有钱的,象我三十岁,一年18万左右的年薪,其它的我就不清楚了,有几个我一个星期才见一次的,比我还小,只怕拿得比我还多.你应该也是这样的吧.

他要求6千一个月的月薪,我说这倒不重要,重要的是公司不会给你安排业务的,你自己找业务回来,公司给你平台,给你配团队,能挣多少钱是你的本事.


所以重要的还是那一句话,复杂的生活简单过,简单的事情重复做。

你是中文系的,如果你的年纪还不是很大,建议你凭你自己的能力,哪怕是工资少点,你都要进最好的广告公司,去呆上一年半载,按我说的方法偷师,基本能力提升了,慢慢的你会遇到一些贵人的,还有你会涉及一些行业,慢慢的,你会发觉你内心深处喜欢的行业。



最后一个提醒,至少阅读本文10次,你才能真正领悟一些什么。如果你阅读10次,任何人都可能有新的认识,如何在下一步走得更好。
如何在10年内赚到1000万? 本文提出一套完整的财富增长系统,包含思维升级、行动体系、变现策略三个递进模块。核心观点包括:1.思维层面需掌握非对称风险决策(高回报低风险)、杠杆思维(善用资本/技术/影响力)、长期复利(10年规划);2.行动系统需构建复合能力栈(技能组合)、多元现金流(主副业协同)、信息差套利(情报变现);3.变现策略聚焦价值洼地套利、个人IP打造和服务产品化三大高杠杆模式。作者强调财富积累是系统工程,需持续迭代认知与行动,通过10年周期的战略耐心实现指数级增长。 阅读详情

相关推荐

从零到一:手把手教你构建自定义ReaxFF力场参数

本文手把手教你从零构建自定义ReaxFF力场参数,详解反应力场的动态键序机制与参数化逻辑。通过LAMMPS实战演示,涵盖训练数据准备、参数优化算法选择及性能优化技巧,助力研究人员精准模拟化学反应过程。适用于材料科学、催化研究等领域,特别适合已掌握分子动力学基础的进阶用户提升力场开发能力。

weixin_28365523的博客 1059

职场新人如何快速赚到自己的第一桶金?

目录: 一、生涯规划 1.职业分析 2.编写行业报告——着重对行业全面性的把握 3.编写讲座报告——着重对专业系统性的把握。 二、如何快速积累行业的工作经验 1、通过资料快速吸取别人的经验2.找对这五个贵人 3.重要的是兴趣。然后是狂练基本功,简单重复积累。 三.一个好的能发挥能力的平台 这个世界上,失败的人除了天分太差之外,只...

dbbv11995的博客 255

Windows 10 下 Nacos 3.0.2 单机版保姆级安装教程(含JDK 17配置与MySQL 8.0连接避坑)

本文提供Windows 10下Nacos 3.0.2单机版的详细安装教程,涵盖JDK 17配置、MySQL 8.0连接优化及生产级安全设置。通过步骤详解和常见问题解决方案,帮助开发者快速完成Nacos的安装与配置,确保服务发现与配置管理的高效运行。

weixin_29237635的博客 320

你的第一桶金是如何赚到的?

你的第一桶金是如何赚到的? auxten 面向工资编程 想来到现在走出校园已经5年了。 当时卡上躺着100w现金,还是蛮激动的。 大三的时候“混进”一家叫豆瓣的小公司实习,中午和几个小伙伴吃饭,那时候就在想,他们好厉害。一个月7~8千,但怎么好像跟我差不...

chengtongjia6378的博客 321

WSL2部署Cadence Virtuoso IC25.1:Ubuntu 26.04排障实录

WSL2以轻量虚拟机结合完整Linux内核,为Windows桌面环境提供了原生级Linux运行能力,解决了传统虚拟机资源开销大、双系统切换低效的问题。对于依赖X11图形协议、FlexNet许可服务和特定动态库的EDA工具链而言,利用WSL2部署Linux发行版需要关注系统集成、显示通路与许可连通性。从技术原理看,图形层X Server的配置、动态库依赖的补齐以及license服务的主机名解析,共同构成EDA工具在WSL2中稳定运行的关键环节。在芯片设计场景中,设计工程师常需在Windows办公机与Linux

weixin_29597551的博客 212

RK3576平台部署NanoTrack:边缘AI视觉跟踪实战指南

边缘AI部署是将深度学习模型在资源受限的嵌入式设备上高效运行的关键技术,其核心在于模型压缩、硬件适配与软件栈优化。通过INT8量化、算子融合与内存优化等原理,能显著降低模型计算量与内存占用,从而在嵌入式NPU上实现实时推理。这项技术的价值在于为安防监控、无人机视觉、工业检测等场景提供低功耗、高响应的智能感知能力。以瑞芯微RK3576平台部署轻量级视觉跟踪模型NanoTrack为例,其过程涉及模型结构分析、RKNN工具链转换、C++推理程序开发及多线程性能优化,完整展现了从算法到产品的工程化路径,为开发者提供

weixin_31887307的博客 428

普通人如何利用AI赚到第一桶金

摘要:本文介绍了普通人如何利用AI工具实现零门槛创收的5个实用方法:1)运营AI图文公众号获取广告收益;2)制作AI短视频文案;3)售卖AI整理的专业资料;4)提供AI代写报告服务;5)打造技术个人IP。核心在于将AI作为生产力工具,通过持续垂直领域输出实现被动收入。作者强调行动力比天赋更重要,建议选择单一赛道深耕,合理筛选AI生成内容。AI降低了内容创作门槛,普通人只需投入碎片时间,通过"认知+工具+坚持"即可实现增收。关键在于立即行动而非观望,把握AI带来的创富机会。

yinjl123456的博客 407

解析AI人工智能领域AI芯片的散热技术

当你用ChatGPT写代码、用AI生成高清图片时,背后的AI芯片可能正在“发高烧”——全球TOP500超算的平均功耗已突破10兆瓦,单颗GPU的峰值功耗超过700W(相当于3台家用空调同时运行)。本文将聚焦AI芯片的散热技术,覆盖从基础原理到前沿方案的全链条解析,帮助读者理解“散热为什么比算力更重要”。

AIGC应用创新大全的博客 937

先好好打工,挣到自己的第一桶金100W

但现实是,最稳妥、最高效的成长路径,往往是先进入一家好公司,踏踏实实打工,积累第一桶金——不仅仅是钱,更重要的是人脉、资源、工作经验,以及一份优质的职业背景。:分享多年基础技术深度理解,基础概念深度解析,经典书籍推荐和读书分享,经典源码阅读分享等,不定期直播分享和答疑解惑;无论是未来跳槽、转型,还是创业,前期在大厂的积累,都能让你事半功倍。你赚工资,学经验,攒人脉,未来无论是跳槽、转型还是创业,都能更轻松。打工不是目的,而是手段。:分享热门技术发展,国内外大厂技术内幕,建立国际化视野,出海,副业转型等;

极客重生 1271

基于STM32的嵌入式平台实现EtherCAT主站

本文将介绍如何在基于STM32的嵌入式平台上构建EtherCAT主站,并提供相应的源代码。使用SOEM库提供的API函数,我们可以实现与EtherCAT从站设备的实时通信和数据交换。在STM32的代码中,使用SOEM库提供的API函数初始化EtherCAT主站。在SOEM库中,我们可以找到EtherCAT主站的实现代码和相关的API函数。使用SOEM库提供的API函数实现EtherCAT主站的功能,包括发送和接收EtherCAT数据帧、处理从站设备的状态等。确保连接正常并且设备能够相互通信。

CodeSageX的博客 2835

Android影像系统架构专家面试指南

传音控股招聘影像系统架构专家,要求8年以上开发经验,5年架构设计经验,精通Android Camera开发及性能优化。该职位需负责手机影像软件架构设计、技术选型及跨平台适配,重点解决"快稳省"体验优化。面试评估聚焦三大维度:技术方面考察HAL层架构设计、多帧合成优化等能力;系统开发关注低光降噪等场景的算力平衡;团队管理侧重跨部门协作与项目交付。候选人需展现对CamX-CHI等架构的深入理解,具备量化分析性能指标的能力,并能主导旗舰机影像项目全周期落地。

郑伟强dev的专栏 945

【小尘送书-第五期】《巧用ChatGPT快速提高职场晋升力》用ChatGPT快速提升职场能力,全面促进自身职业发展

ChatGPT赋能职场,一本书掌握AI在职场中的的全面应用10大创新技术+30多个实战案例+50多种ChatGPT应用策略有效提高沟通能力、提高工作效率、提升个人品牌、提升创造力、提升管理能力助你在竞争激烈的职场环境中脱颖而出本书从ChatGPT的基本知识、技术原理和应用场景出发,详细探讨了如何运用ChatGPT提升职场竞争力。全书共分为10章,内容包括ChatGPT在职场沟通、工作效率、个人品牌价值、职业发展、创意思维、领导力与管理、学习与自我成长、数据分析、服务与谈判等方面的应用。

唯有努力,方可自信! 7364

在YOLO中扩充新类别并且不影响旧类的识别精度

让我们先从简单的部分开始:用我们的新类训练自定义 YOLOv8 模型。在本教程中,我们将向模型添加车牌类。我们将使用Roboflow 中的一个数据集。这个数据集有两个车牌类。在开始训练之前,我们还必须对库进行一些更改。为了节省时间,我还将本教程中我们将进行的更改转换为补丁该补丁包含多项更改,但大多数更改都用于指南的下一部分。if RANK!= -1:是的,我们将编写一个回调。我们希望将此自定义训练模型的头部与 COCO 预训练模型中的旧头部一起使用。

如果想成为中心,那么就到中心去吧。 1226

巧用ChatGPT快速提高职场晋升力、搞定数据分析玩、转新媒体运营

在日常工作中巧用ChatGPT可以帮助我们提高工作效率、创造价值并降低成本。通过合理地利用ChatGPT的功能和应用场景,企业和个人可以更好地实现工作目标、提升竞争力并取得更大的成功。随着人工智能技术的不断进步和发展我们相信巧用ChatGPT将成为未来工作中的一种常态化工具为我们的职业生涯和生活带来更多便利和价值。本书是一本关于数据分析与ChatGPT应用的实用指南,旨在帮助读者了解数据分析的基础知识及利用ChatGPT进行高效的数据处理和分析。

程序边界 8753

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")

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

理解这两点,你也可以在AI领域快速赚到钱

从职场思维转变到个人赚钱模式的突破,是每个职场人都将面对的。 只有完成这个突破,才能理解“需求驱动价值交换”的赚钱逻辑,才能在未来脱离职场后,借助AI,成为超级个体,或一人公司,完成与市场的价值交换。

Hornsey的博客 961

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。

【职场新贵】职场小白如何快速适应职场环境

职场小白想要快速适应职场环境,需要做到以下几点?   1,明确任务需求 作为职场人,肯定会接到工作任务,很多工作效率不高往往是因为前期的沟通工作不到位。当我们接到工作任务的第一反应就是想尽快的把它完成,往往忽略掉上司需要你把任务做出哪一种呈现效果。在工作中,有效沟通是高效率的工作前提。 2,明确自己的责任 许多工作不只是单存的涉及某一方面,甚至是涵盖很多领域的专业知识和专业技能。应充分的...

weixin_44086521的博客 1万+

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

职场新人想要快速成长?这些excel技巧需要懂!

毕业季了,又有一波毕业生步入职场。但刚开始工作经验不是很丰富的小伙伴们应该都会压力比较大,特别是搞定一个excel表格,办公室里的大佬/工作经验丰富同事只需要花5分钟就可以解决,而你可能需要20分钟,甚至是半个多小时。 职场新人想要快速成长,这是人之常情,同时也是拥有上进心的表现,所以,今天小编就来给大家分享几个比较常用,同时也是小编觉得很需要懂得的几个excel技巧。 快速对比数据: 1.想要快速对比数据,我们需要点击复制第一个表格,然后点击选择第二个表格,并右键弹出,点击“选择性粘贴”。 2.然后在

weixin_48021419的博客 228

从校园到职场,听说你不想打杂

很多年轻人刚进入职场的时候,最大的抱怨就是,我可是学什么什么的,我的目标是做什么什么,为什么老板让我打杂。什么是打杂?有些是非技术性的,打印个文件,美化一下表格,帮部门老...

caoz的梦呓 1万+

职场:如何快速适应职场新环境?

快速适应新环境不仅仅是了解工作内容和技术工具,更重要的是融入公司文化、与同事建立良好关系、管理好工作压力,并保持积极的学习态度。通过主动学习、适应和展示自己的能力,你能够更快地成为团队中的一员,并为自己的职业发展打下坚实的基础。

u011732210的博客 2170

【职场新人备忘录】新人职场生存指南:快速适应、持续成长和个人提升

职场对于新人来说,充满了新的挑战和机遇。如何在职场中快速适应、获得成长和提升自己,成为了职场新人不可或缺的一项技能。本文你分享一些必备的职场Tips,帮助你在职场中取得成功。

离离原上草,一岁一枯荣,野火烧不尽,春风吹又生。 2148

程序员如何快速适应职场 新人小白怎么学好技术

  程序员如何快速适应职场?新人小白怎么学好技术?互联网行业是一个用实力说话的行业,只要你技术高超就可以拿到相应的薪资。但职场生存同样是一个技术活,如果无法快速且很好的适应工作环境和工作需求,处理不好人际关系,那你的工作生活绝不会轻松。千锋郑州就业老师汇总学员遇到的问题,给大家分享新人小白快速适应职场的秘诀。   1、做项目过程中如何应对?   好的项目任务分配应该是对每个人提的需求明确且有差异,所以你要做的首先是完成自己那部分,然后帮助同事克服困难。要积极主动推进项目进展,千万不要一个人闭门造车,

qq_43444478的博客 496

怎样才能在职场中快速成长

作为一名职场新人,要想在职场中快速的成长,就必须要积极主动,那么怎样才能在职场中快速成长呢? 我们不得不相信,在职场中,受欢迎的永远都是职场中的积极主动的人,初入职场,一定要清楚,在职场中一定要积累资本和资历,那么,具体怎样才能在职场中快速成长呢?   要想在职场中快速的成长,在工作上就一定要主动,再主动,该自己做的,不要等到别人说了,才去做,那么不该自己做的,也可以主动的去做,这样可以表

sc_sichen的专栏 779

职场中你忽略的细节,都是别人晋升的秘密

作为职场新人,在职场这门学问中,我们都还没有入门,这是我听完曹政老师的知识星球年终福利课《职场的真相》之后的感悟,曹政老师这门课针对的就是我们这样的职场新人,在课中曹政老师讲述了他自己当年在职场中所犯的错误并且指导年轻人该如何在职场中前行,虽然里面的不少观点在曹政老师的很多公众号文章中有提到过,但是经过曹政老师整理和解读之后,收获很多,这两天我也是反复的听,希望自己可以多吸收一点,在职场中走的顺利...

平头哥的技术博文 5822

《互联网第一桶金》核心要点提炼

通过低成本细分市场、知识产品快速变现、交叉创新打造独特性,结合高效执行工具,实现互联网第一桶金的积累。

Life Encourages Every Try 534

手机pdf文件转语音_职场小白不懂PDF文件转Word文档?试试微软的这款APP吧

在互联网时代,工具就是生产力。熟练掌握各种工具软件,就可以让你的工作效率成倍提升。而PDF转Word功能,对于文案工作者而言,也是一个超级实用、必须Get到的技能。如何理解呢?来来来,先给大家说一个职场小白的故事。23岁的小猴是个不爱动脑筋的职场小白,二本大学中文系毕业,稀里糊涂被招进了一家厨具公司,做了市场部的宣传文员,负责公司的产品宣传软文。她的文笔虽好,但电脑技能却很弱。刚进公司的前半年,她...

weixin_39927378的博客 321
上一篇: 温州事件-如果你是杨峰(5个亲人丧命)!
下一篇: 主题:痛失5名亲人男子态度大变 称坚持将再失亲人
speek_java
博客等级 码龄15年 0粉丝 10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
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