【转贴】程序员三部曲之三:不作浮躁的程序员

因果强化学习:优化决策策略的因果方法 1. 背景介绍 1.1 传统强化学习的局限性 强化学习(Reinforcement Learning, RL)是一种通过与环境交互来学习最优决策策略的方法。然而,传统强化学习方法在面对复杂、动态和不确定的现实世界问题时,往往存在以下局限性: 数据效率低:传统强化学习方法 阅读详情
不可爱的程序员:

   记得大学毕业刚到深圳的时候,遇到一个可爱的女孩,当她知道我是程序员的时候,就直接和我说,找男朋友,绝对不找程序员,为何?程序员不修边幅,为人木钠,不擅交际,不会说话,不懂浪漫,不会玩,不能哄女孩开心等等。我无言,我觉得她说的不无道理。程序员,或者大多数程序员确实如此,大部分时间面对代码和电脑,过于单纯简单的环境,以至于程序员真在其他领域确实难以有很大的突破。若干年后,又碰到这个女孩,她经历了多次的情感挫折,身心疲惫,告诉我,她很想找个程序员结婚,这又为何?程序员能挣钱,却不会花钱,为人老实,不会背叛感情,容易掌控,网上很多帖子都写了类似的内容。我继续无言:难道程序员就无法博得花季女孩的青睐,而只能成为她们情感经历后面对婚姻无奈的选择。

   程序员,我为你悲哀!
  
   当年自己刚大学刚毕业,**过于注重纯学业的环境,让我感觉压抑了多年,一心独自奋斗,不懂团队协作的**人不是我追求的目标。但真正面对复杂的社会环境,我感觉的却是无所适从,看起来和朋友在一起打打闹闹,性格开朗,其实,很多时候在和人打交道的时候我甚至是有些自卑的,更别说和陌生人说话,性格过于自我,沟通交流能力也有很多问题等等,其间,我也不断调整自我,自筹高额费用,全身心投入个人素质管理培训,确实提高了自己很多能力,更重要的是勇于认识真正的自我,大胆创新,不再畏惧失败,培养沟通交流能力,带领团队,组织活动等等,在这些方面投入了很多,也确实收获不少,后来参加户外运动,做领队,带队组织活动,对大家负责,把握活动节奏,把先前得团队管理进行了真正得实践,特别是面对大自然,个人是显得如此渺小,不尊重大自然,不尊重纪律,就会受到实实在在得惩罚,没有可以回旋的余地,经历了几次“生死考验”,增长了经验值,于是,让自己变得安静下来,可以说,团队培训和户外活动是相辅相成,帮助我快速成长。情商和逆境商数确实有一定提高,但是,因为自己相对“晚熟”,很多内容则是在给成长阶段补课,惭愧,惭愧!
  
  不作技术专家:

   我不想成为一名技术专家,因为我了解自己的性格,首先,就不具备深刻细致的专研能力,专家是可以有极大的耐心,长时间投入到一个专注的领域。其次,成为专家,必然是深度很大,范围很小,而我最自己的要求是要能够涉足更多的领域,让自己的人生更加完美,实际上,我更想成为一个工程管理专家。我对于提高整个团队的开发效率,提高软件的工程化有着极大的兴趣。在我看来,能让个体成为高手并不是很难的事情,能带动一个开发团队,高效工作才是我们中国人最欠缺的。我会乐此不疲。关于于中国人的团队精神和社会性,后来也看了很多管理类的书,学到很多西方管理知识,
  
  从浮躁到沉静:

   一直很想弄清楚该如何定位自己,是应该一心钻入代码中,完全不理世事,做不“可爱”的程序员,还是面面俱到,具备各方面能力,做综合性人才。这别是这一年以来,尽管技术水平也在不断提高,但是,负责部门培训,研究软件重构,成立模块化小组,构件底层软件平台,这些提高软件质量和工程化的活动,确实占据了自己太多时间,同时,让自己一直处于“多任务切换”的状态,无法专心投入到代码里,加之自己得性格偏外向,感觉自己不断浮躁起来,无法再象从前那样专心进去。这实在不是一个好现象,特别是自己对代码也还是满有兴趣的时候。主要是,我一直不愿意承认,难道程序员就是该邋遢,愚笨,口齿不灵,难道只有市场人员才能懂得交流,沟通。程序员是一个理性的行业,也是一个充满思维逻辑,关注长远大局的工作,应该培养出来更优秀的人才。程序员难道就不能是幽默,风趣,擅长交际,把握大局的。所以,刻意培养自己在多方面的能力,在游泳,爬山,球类活动,或者游戏等领域投入了很多时间,确实让自己兴趣爱好丰富起来,但是,这些活动毕竟还是要投入时间的。特别是,让自己不再能踏踏实实的躲到代码里。必然和默默无闻埋头于代码中的程序员拉开差距,IT实在是一个投入产出比低的行业,知识更新速度太快,要掌握的知识太多,如果没有大量时的投入,肯定难以达到一定的境界。多年下来,已经有了很大差距。这一直是困挠我的一个问题,不甘心埋头只做程序,但是全面发展又必然制约自己在技术领域的提高。过多的团队活动必然让自己得技术水平不能更快提高,不去培养其他方面,又会变成少有兴趣只会做代码的“呆子”。特别有一点,我是一直清楚得,而最近,则更加明确,天生的性格所致,后天环境的“娇惯”,一路学业和工作的放松,心高手短,以至于——内心浮躁。有热情而不够坚持,表面容易滑过,却专不到深处,根本原因也是因为不够沉静,这已经成为我的个人发展瓶颈,即使不只是程序员,做人,也应该沉稳下来。我想,但我看到这些的时候,我不会再无动于衷,我会好好反思自己,然后去做!不做浮躁的程序员,不做浮躁的人。
SAP 创建PO时提示“不能确定任何组件” SAP 创建委外加工的PO时提示“不能确定任何组件” 而如果BOM已经创建了,但还是提示该错误保存。 解决办法:1. BOM selection 未配置好; 2. 由于Purchasing prosessing time的设置,如果PO中的delivery time - Purchasing prosessing time是过去的日期,那么会找不到BOM,BOM的有效期需早 于PO审批的有效期。 3. BOM未... 阅读详情

相关推荐

Unity 接入HybridCLR的点点滴滴,亲测三平台(PC、Android、WebGL)妥妥的。-问题分享

一入热更深似海啊,没有热更是真恼火啊,干啥啥不方便,动不动就得重新发包;说实在的,也是工作之余研究这个,在原有框架基础上接入这个热更,既要保持原有功能,还要支持热更,实实在在、断断续续搞了这么久,终于是接入并测通了,这一路是坎坎坷坷,下面把走过的弯弯绕绕记录下,希望对后来想接入的小伙伴有帮助吧。

GarFe的博客 1万+

剑法三套,程序员也能赚大钱(1)(转)

1 引子 都说海阔凭鱼跃,又有多少鱼能跃出大海?都说天高任鸟飞,但真正能一飞冲天的,也不过是寥寥数鹰而已;在IT圈里流浪的程序员,当青春逝去、渐至而立之年时,又有多少人黯然退出?30岁,似乎宣告了程序人生的终结。 从学会写第一个Basic程序起,已过去了15年,我也曾为30岁烦恼过。近日《神雕》热播,杨过在独孤剑圣的剑冢中发现宝剑若干,见证了独孤剑圣在人生不同阶段对剑道的领悟。忽有所感,联想起古圣...

人生若只如初见 283

Shopee App加密算法逆向实战:从libshpssdk.so到x-sap-ri的生成机制

本文详细解析了Shopee App核心加密参数x-sap-ri的生成机制。通过逆向分析libshpssdk.so动态库,揭示了其采用9套算法动态切换的复杂签名逻辑,并分享了从抓包定位、Frida动态调试到Unidbg模拟执行的全过程实战经验,为移动应用安全研究提供了完整的技术路径。

weixin_29323551的博客 1328

程序员三部曲之三.不作浮躁的程序员

不可爱的程序员:  记得大学毕业刚到深圳的时候,遇到一个可爱的女孩,当她知道我是程序员的时候,就直接和我说,找男朋友,绝对不找程序员,为何?程序员不修边幅,为人木钠,不擅交际,不会说话,不懂浪漫,不会玩,不能哄女孩开心等等。我无言,我觉得她说的不无道理。程序员,或者大多数程序员确实如此,大部分时间面对代码和电脑,过于单纯简单的环境,以至于程序员真在其他领域确实难以有很大的突破。若干年后,又碰到这个

嵌入式软件 1443

OpenBCI脑电实验避坑指南:如何用Python准确捕捉P300信号

本文详细介绍了使用OpenBCI和Python进行P300脑电信号实验的避坑指南,包括电极贴放、信号采集、信号处理和数据分析等关键步骤。通过实战经验和代码示例,帮助研究者避开常见陷阱,提高P300信号捕捉的准确率,适用于脑机接口和神经科学研究。

weixin_30316097的博客 553

基于Simulink/Matlab的VSG并网系统单相接地与相间短路故障仿真建模与特性分析

本文详细介绍了基于Simulink/Matlab搭建虚拟同步发电机(VSG)并网系统仿真模型的方法,并重点分析了单相接地与相间短路故障下的系统特性。通过设置三相故障模块参数,模拟了故障发生时的电压、电流变化及VSG动态响应,为理解故障机理、优化控制策略及设计继电保护提供了仿真依据与实践指导。

t8u9v0w1x的博客 514

[转载]程序员三部曲

<br />很久以前的文章的,今天才看到, 看了也有所想。<br />故而转过来,定期读一读,该会有不同的感受吧。<br /> <br /> <br />程序员三部曲之一——三流人员做研发<br /><br /> 曾有言“一流的作管理,二流的作市 场,三流的作研发!”,也有言“一年管理成富翁,三年市场路路通,十年技术一场空!”,其意无非是说研发人员低人一等,最开始听到这些话的时候,多是一种 不屑,想当初自己毕业的时候,很多人都认为我的性格和能力更适合去做市场,而我却恰恰相反,选择了作研发,在我看来,管

siyu618的专栏 843

YOLOv11【第三章:高阶应用与落地篇·第7节】多任务联合训练(Multi-Task Learning):检测+分割+关键点三头并进!

🏆 本文收录于专栏 《YOLOv11实战:从入门到深度优化》。本专栏围绕 YOLOv11 的改进、训练、部署与工程优化 展开,系统梳理并复现当前主流的 YOLOv11 实战案例与优化方案,内容目前已覆盖 分类、检测、分割、追踪、关键点、OBB 检测 等多个方向。

**My Coding Family** 730

再次写给我们这些浮躁的程序员

<br />再次写给我们这些浮躁的程序员<br /> <br />2010年初写过一篇博客(我们是一群和平年代充满浮躁与抱怨的程序员),一年过去了,社会好像更浮躁,也有网友问我这方面的问题,于是有了下面这篇文章,再次写给我们这些刚入行浮躁的程序员,如何成长,以下是列出了一些成长的心得,我们不必每条都去实践,但是优秀的程序员成长过程中总会实践里面的几条。<br /> <br />多做项目,多思考<br />不要害怕做事,刚毕业的同学最缺的就是工作经验,乱七八糟的项目能让你很快就了解了一个公司的业务与使用的技术

MKing's Blog 9万+

飞牛fnNAS存储模式RAID 5数据恢复

中介绍了fnNAS存储空间的几个模式,细心的网友应该能感受到,我是非常推崇RAID 5的。但我认为,一般人出现1块硬盘损坏后,就能够赶紧采取处理措施了,再高的容灾等级也无法满足这个用户的需求了。》就完成了飞牛NAS存储空间的说明,包括了如何创建、怎么选择空间模式、RAID 5 硬盘故障后的更换、系统更换/重装后数据盘的恢复等等。在VMware中新建虚拟机,安装好fnNAS后,再向虚拟机添加“已有硬盘”(这就是所谓崩溃虚拟机的数据盘),此时新的fnNAS出现提示。在“选择要添加的硬盘”中,选择刚添加硬盘。

dgnankai的专栏 3010

2026华为OD机试(JAVA&Go)真题【E卷+A卷+B卷+C卷+D卷】目录+在线OJ

华为OD机试真题题库【E卷+A卷+B卷+C卷+D卷】目录,Java实现。

MISAYAONE的博客 34万+

程序员三部曲之三——不作浮躁的程序员

作者:摩西2000      不可爱的程序员:    记得大学毕业刚到深圳的时候,遇到一个可爱的女孩,当她知道我是程序员的时候,就直接和我说,找男朋友,绝对不找程序员,为何?程序员不修边幅,为人木钠,不擅交际,不会说话,不懂浪漫,不会玩,不能哄女孩开心等等。我无言,我觉得她说的不无道理。程序员,或者大多数程序员确实如此,大部分时间面对代码和电脑,过于单纯简单的环境,以至于程序员真在其他领域确实难以

GG 的专栏 748

开发simulink 以及stm32半物理仿真碰到的问题,以及处理方法,Error:External Mode Open Protocol Connect command failed(实测有用)

串口实现的,但是在测试的时候发现,这个串口可以正常发送和接收数据,但是一旦把这个串口只让其进行版物理仿真就报错。直接刷写程序是可以的,最后查到问题了。我要实现半物理仿真,就是通过matlab实现可以直接控制stm32板子,实际上是通过xcp on。然后点击simulink上的观测按钮就可以直接和stm32平台进行通讯了。3,还是使用串口3,但是重新需要设置一下com口,因为重新插拔了一下,按照这个设置方法就可以。2,重新加载ioc文件。

pvmsmfchcs的博客 1501

程序员浮躁,是谁的错?

在互联网的社区中,关于程序员浮躁的讨论帖子很多。那么程序员真的浮躁吗?"系统分析员"尚且如此之差,更别说他们的"高级程序员"和"程序员"了!这样,导致业界感觉整个程序员的水平在下降,特别是使一些老程序员对新程序员"不屑一顾"。浮躁不是程序员的错。没有给程序员交纳社会保险,导致程序员心情浮躁,没有安稳感。show_ads_zone(13);在互联网的社区中,关于程序员浮躁的讨

不用此栏 862

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")

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

写给我们这些浮躁 不安的程序员

2010年初写过一篇博客(我们是一群和平年代充满浮躁与抱怨的程序员),一年过去了,社会好像更浮躁,也有网友问我这方面的问题,于是有了下面这篇文章,再次写给我们这些刚入行浮躁的程序员,如何成长,以下是列出了一些成长的心得,我们不必每条都去实践,但是优秀的程序员成长过程中总会实践里面的几条。 多做项目,多思考 不要害怕做事,刚毕业的同学最缺的就是工作经验,乱七八糟的项目能让你很快就了解了一

逍遥飞鹤的专栏 1284

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

浮躁的程序员与浮躁的优快云

写这篇文章是因为早上刷优快云看到很多诸如:《X个月达到阿里P7》(职级缩水了,但P7也没那么廉价)、“XXX厂面试心得”(无非就是卖课)以及“XXX都不会居然还敢拿XXK”(会了你就值XXK了?)之类的文章。作者一般都是JavaXXX之类的名字,不说是收智商税的,但至少是蹭Java热度的,以至于现今的程序员被这些东西迷惑,每天背着八股(我也背,毕竟很多面试官都是背进去的,他们面试别人也只会八股,你不背没机会挣钱恰饭),以为这些就是技术的全部了。 从个人这几年面试的经历(谈不上经验,我菜的很),对上面几类

thekenofDIS的专栏 332

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

程序员浮躁,是谁的错

在互联网的社区中,关于程序员浮躁的讨论帖子很多。那么程序员真的浮躁吗?他们为什么会浮躁呢?其根源是什么呢?  程序员已经是一个没有门槛的职业  随着开发工具的可视性、易用性的增强,程序开发变得越来越简单。特别是随着软件工程方法的深入人心,开发过程管理变得愈加规范,使代码编写变得类似于机械性的动作。这样,程序员已经是一个没有门槛的职业,各培训机构都可以号称2-3个月内打造一个软件蓝领。加之各

周公(周金桥)的专栏 4389

浮躁的程序员

转自:再次写给我们这些浮躁的程序员 2010年初写过一篇博客(我们是一群和平年代充满浮躁与抱怨的程序员),一年过去了,社会好像更浮躁,也有网友问我这方面的问题,于是有了下面这篇文章,再次写给我们这些刚入行浮躁的程序员,如何成长,以下是列出了一些成长的心得,我们不必每条都去实践,但是优秀的程序员成长过程中总会实践里面的几条。   多做项目,多思考 不要害怕做事,刚毕业的同学最缺的就是工作

zxy12175968的专栏 401

程序员—别总拿浮躁说事儿

比尔盖茨,埃里森,都是辍学生;如果他们没有成功,如果还会有人评论他们失败的原因的 话。。我敢说第一个就会说他们浮躁,因为他们连大学都没念完,象他们这样辍学,而不成 功的人有多少呢?我下面所讲的成功的人,就是世俗眼光中的获得名与利的人;不是什么在 从小就立志为改善人类生存环境及为社会制度改革做贡献的人。 大多数人崇拜他们成功的人,不是崇拜他们的人格魅力,而是崇拜名和利; 如果比尔盖茨不是世界首富,不

赵小刀的文字吧 2676

浮躁

程序员已经是一个没有门槛的职业  随着开发工具的可视性、易用性的增强,程序开发变得越来越简单。特别是随着软件工程方法的深入人心,开发过程管理变得愈加规范,使代码编写变得类似于机械性的动作。这样,程序员已经是一个没有门槛的职业,各培训机构都可以号称2-3个月内打造一个软件蓝领。加之各种渠道的宣传和炒作,让公众误以为只要攀上IT,一定前途无量。我们到处都可以看到这样的言论和宣传,“中国每年缺程序员

starbaby2524的专栏 763

程序员,其实我们都很浮躁。

浮躁。貌似已经渗透到了这个社会的每一个行业,甚至,连和尚们都坐不住了,频频在公共场合抛头露面,他们不是在讲经传道、普渡众生,而是参加商业演出、比赛、电视访谈、当娱乐评委,不一而足。和尚尚且如此,整个社会可见一斑。 程序员,对,在很多人看来,他们总是在哪里辛辛苦苦,老老实实地在敲代码。其实,我们是浮躁的。         哦,我们何以见得浮躁呢? 你有没有发现,你的电脑硬盘里,已经堆满

赵峰的专栏 4523

[转载]程序员浮躁,是谁的错?

程序员浮躁,是谁的错?2006.12.05  来自:中国有色金属信息网     [收藏到我的网摘]    在互联网的社区中,关于程序员浮躁的讨论帖子很多。那么程序员真的浮躁吗?"系统分析员"尚且如此之差,更别说他们的"高级程序员"和"程序员"了!这样,导致业界感觉整个程序员的水平在下降,特别是使一些老程序员对新程序员"不屑一顾"。浮躁不是程序员的错。没有给程序员交纳社会保险,导致程序员心情浮躁,没

程序的江湖?! 勿在浮砂筑高台! 1813

程序员浮躁?

 程序员本是跟和尚一样耐得住寂寞的人,但是在这样的社会环境和时代大潮中,也难免感到焦虑、空虚和茫然,变得浮躁起来。 下面我列举了程序员十一条典型的浮躁表现,不妨看看是不是也戳中了你的痛处呢? 1. 不能静下心来坚持看完一本有深度的书; 2. 收集了不少技术资料,但没有好好地去看它们; 3. 经常问哪种语言更强大,我到底该学什么; 4. 经常问某种技术有钱途吗;

JLegend的专栏 943

从程序员的角度看浮躁?

工资低?老板刻薄?没时间谈朋友?没时间锻炼身体?整天加班?觉得自己没有理想了?浮躁吗?怎么办?让我们了解一下:         现在这个社会,大家都很浮躁。简单说,因为他是消费者。        具体的逻辑推理是这样的:       1. 现在的社会是一个“富裕社会”(Affluent Society),物质极大丰富,大部分的生产力都被用来生产消费品。       2. “富裕社会”的存在和发展,

敦格 2782

程序员的浮躁症

诚然,浮躁已经成为一种普遍的社会现象,侵入到各行各业。就连以往的佛门清净之地,如今各色"高僧"也不甘寂寞,频频在公共场合抛头露面,他们不是在讲经传道、普渡众生,而是参加商业演出、比赛、电视访谈、当娱乐评委,不一而足。和尚尚且如此,整个社会可见一斑。 程序员本是跟和尚一样耐得住寂寞的人,但是在这样的社会环境和时代大潮中,也难免感到焦虑、空虚和茫然,变得浮躁起来。 下面我列举了程序员十一条

th676759829的专栏 709
上一篇: 【转贴】程序员三部曲之二:不作35岁的程序员
下一篇: 我们还不了解的ie功能
wfdmd
博客等级 码龄24年 24粉丝 69原创
评论 1
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