重点大学和普通大学相差了三年的距离

一名毕业于河北二本院校机械专业的学生,因对行业薪资不满及家庭需求,毅然转行IT业。通过培训,成功转型为程序员,反思教育背景与职业路径的选择,强调终身学习的重要性。

先来说说我的经历,我的大学是河北的一所普通的二本院校,学校的建筑系在河北还算有点名气,但是我偏偏学的是机械。毕业以后找工作,当然是要找本专业的工作了,要不大学学了四年不白学了吗,于是经过了几个月的努力终于找到了一份钢结构公司的工作。

试用期三个月结束我就离职了,因为这三个月来都是在车间里干的纯体力的活,搬东西,打扫卫生,本来想着试用期结束以后可以进入到部门里面,但是由于竞争太激烈了,很多人有关系不用参加考核,所以最后只能离职了,最主要的是我不喜欢这里的生活。

离职以后又换了好几份工作,有图纸设计类的,有设备安装类的,就这样度过了毕业以后的最初三年的时光。

大概在15/16年左右,因为一个契机了解到好多人通过编程培训获得特别高的薪水,培训毕业以后就能够有一万多的收入,再加上当时媳妇怀孕,也需要钱,所以我辞职了原来的工作,打包行李来了北京,参加了培训,培训完毕找到了一份工作,一直干到现在。

每当我去思考我是不是喜欢编程的时候,我知道其实我最初进入这个行业就是因为它能给我带来相对高的收入,所以我慢慢的喜欢上了它,如果当初我毕业以后的机械工作也能像IT行业一样有这么好的薪资起点,我想我大概率不会离职。我总是在想,如果我能早几年来北京,毕业就去参加培训进入到这个行业里,现在是不是会更好。

这就是一个渣渣二本学历的我的经历,我想大多数像我一样学历的人经历应该和我都差不多,一样的毕业想找份对口的工作来做,一样的干一段时间感觉这不是自己想要的,一样的虽然知道什么不是自己想要的,但是又没有过上自己想要的生活的能力。最后当还算幸运的真的找到了自己可以一直干的工作,已经过去了两三年,相比那些毕业就进入这个行业的人已经晚了好几年。

所以我说重点大学和普通大学毕业的人已经拉开了三年的距离,好大学的学生有更高的起点,他们大部分在毕业以后就能找到一个好的对应专业的工作,他们毕业以后基本上就能开始积累自己的行业经验,而一个普通大学毕业的人毕业以后基本上要用三年的时间去磕磕碰碰寻找适合自己的工作,当找到了,已经被拉开三年的距离。

听起来很悲观,但这就是现实,我们唯一能做的就是努力抓紧一切时间去学习,去追赶这三年的时光。有时候我问自己,那些比我优秀的人比我还努力,我再怎么努力也不会超过他们的,但是我又总是对自己说,没事的,你的目的不是超过别人,是让自己的日子越来越好。

社会本来就是有阶层的,有的人出生就锦衣玉食要啥有啥,有的人换个手机都需要攒好几个月的钱,接受这种不公平,接受不能改变的,改变能够改变的。努力让我们的日子越来越好,让我们的下一代能够想要什么就有什么。

最后欢迎关注我的公众号,谢谢。

在这里插入图片描述

关注我的公众号,我们一起进步
【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
评论 1
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