“你太丑了“, 你不符合该岗位要求 !

这年头找工作本就不容易,可谁能想到,还有人因为长得 “不好看” 被拒绝!深圳一位女生小陈,在应聘文员岗位时,就碰上了这么个糟心事。

小陈在招聘平台上看到一家财务管理公司招文员,月薪两三千,想着自己能胜任,就礼貌地发消息询问。哪晓得,对方 HR 直接来了句 “不行,太丑了”。就这四个字,像一盆冷水,把小陈浇了个透心凉。她又气又委屈,“找工作这么久,第一次碰到这么离谱的事儿,气得我话都说不出来。”

小陈越想越气,就把这段聊天记录发到了社交平台上。这一下,网友们都炸了锅,纷纷替小陈打抱不平。有人说:“这公司也太过分了,招聘看的是能力,又不是选美,咋能因为长相拒绝人呢?” 还有人调侃:“就这两三千的工资,还想招天仙啊?” 更有热心网友,直接把头像换成该公司负责人的照片,在招聘软件上用同样的话 “回敬” 对方,帮小陈出出气。

图片

记者联系上涉事公司负责人韩女士,询问为啥这么回复求职者。韩女士轻飘飘地说:“是下面人回的,不用管。” 对于网友们的反击,她还一脸不屑,说网友们 “吃饱了没事干”。这态度,简直比那句 “太丑了” 还让人来气。公司出了这档子事儿,不反思、不道歉,还这么傲慢,这管理和企业文化,真的让人怀疑。

律师说了,这家公司的行为属于就业歧视,侵犯了小陈的平等就业权和人格尊严。按照法律规定,用人单位招聘时,不能因为民族、种族、性别、宗教信仰,当然也包括长相,去歧视求职者。除非是像演员、模特这类对相貌有特殊要求的行业,可文员明显不在此列。小陈完全可以要求公司赔礼道歉,还能向劳动监管部门举报,让他们依法查处。

其实,就业歧视的事儿可不少见。年龄歧视,“只要 35 岁以下”;性别歧视,“已婚未育不要”;学历歧视,“非 985、211 不要”。这些歧视就像一道道门槛,拦住了不少求职者的路。而这次因为外貌拒绝求职者,更是把就业歧视的 “遮羞布” 扯了个干净。

希望通过这件事,企业能明白,招聘是双向选择,尊重求职者就是尊重自己。也提醒各位求职者,遇到就业歧视,别忍气吞声,一定要勇敢站出来,用法律武器维护自己的权益。就业市场,真该好好整治整治这些不合理的歧视现象了!

喜欢该文章可给个三连击:点赞、转发、在看;想第一时间接收到推文加个星标⭐️就好了,我们下期再见!

【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,提升调度模型在确定性环境下的鲁棒性和可行性。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、优化理论和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和技术支撑。; 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、支撑智能电网和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编程基础和机器学习基础知识,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。
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
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