30岁大龄loser的自我反思与救赎

以前的我

大家好,我来黑马之前我的身份是一名大龄、创业失败、失业处于崩溃边缘的loser。

那时候状态很差,创业毕竟是九死一生的事情,失败后的半年里一直在疗伤,每天晚上睡不着觉,常常深夜梦中惊醒,便再也睡不着觉了。团队的集体叛变、亲友异样眼光、投资人的不理解撤资、女朋友跟你提出分手……

一夜间,你发现你一无所有了,亲朋好友都在嘲笑你,合作伙伴都想远离你,甚者天空都对你散发出恶意,每天都是灰蒙蒙的一片。

 

现在的我

 

目前的我工作地点是在武汉,职位是WEB前端工程师,入职公司是武汉的一家上市公司,薪资是15K,还包吃住。

 

救赎之路

反思(低谷期)

 

那段时间我整天把自己锁在房间了,除了吃饭基本不与外人接触,我整天都在想如何翻身,可能是想的太多了,最终性情大变,以前很开朗、天天三五成群,现在变得缄默寡言,喜欢独处,胡子拉碴,不修边幅。

 

一个月后

 

我强迫自己振作起来,开始运动健身、看一些心理学或者哲学类的书,并给自己定目标:每个月看几本书,每天跑多少公里。

五个月后

 

我渐渐走出了阴影,对于自己也了解的更透彻了。做人要脚踏实地,虚头巴脑的东西毫无意义。关系、朋友靠不住,你只能变得更强。做人要聚焦,不要投机,一个公司干10年,远比10年跳10个公司强得多,频繁跳槽的下场就是永远也拿不到公司的核心利益。

 

别把自己放的位置太高,特别是在得意时,极有可能你拥有的都是平台赋予你的,没有平台你一文不值。

 

不要冒险做挑战高难度的事情,不要想着自己是那万分之一。如:创业…

 

尽量选择垄断性、成瘾性,几十年不会有太大变化企业,因为厉害的企业根本不需要改变,可以长期取得竞争优势。

不断更换技术,花大量经费在研发上的企业要注意了,很可能突然间技术跟不上了就被市场淘汰了。

 

改变不了环境就改变自己;合作伙伴要慎重,性格、价值观不合千万不要合伙创业,特别是最好的朋友;女朋友不能只挑好看的,也不能以扶贫的态度去委屈自己,双方差距太大迟早是要被分手的,要以结婚的标准去谈恋爱,要看家庭背景和母亲(女儿性格极大遗传母亲),单亲家庭要慎重…

六个月后

       

我得找一份工作,我得赚钱,我不能一直消沉。我该做什么了?我已经30岁了,最起码要混个中产吧,我不断的反问自己,未来的道路该如何走下去,我天天逛智联、boss直聘等招聘网站。   

    

经过严密分析的最后结论:程序员是一个对于普通人(无学历、家势)较为友好的行业(通过努力1-2年就能月入过万), 互联网相对门槛较低(相对不看学历、出生),薪资处于中等偏上,容易存在中年危机但是努力4-5年学习可以弥补短板,花2-3年提升技术,只要技术提升到中级以上(高级、架构)就能大大提高职业生命后期,提升学历到研究生,找一个国企安稳工作,大概率能做到退休。

 

为啥不是自学?

 

 我已经30岁了,我没有多少时间了,时间对我来说非常珍贵,我需要快速入行成功。

 

自学是一件风险极高的事情,如果你是一个天赋异禀的选手你可以选择自学,但是如果你混得不好那你就放弃吧,老老实实报个机构,咱们大部分都是普通人。

为啥是黑马?

 

 IT培训类学校里出书最多(没有之一),被大学直接用作当教材最多的机构(没有之一)。

 

双元授课,名师视频+线下高质量解答、辅导;确保线下所有机构都有名师教学质量,并快速吸收精华知识点。

 

除了6个月就业培训帮你实现快速入门,后面还有免费高阶课程,只要你肯学一直培养你到架构师。

 

选择武汉

 

 由于我是湖北人,所以我选择了武汉(尽量选择离家近的)。

 

为什么不去北、上、广深(基于聚焦,不要投机理论),北上广深投机性太强,短期可能薪水更高,长期来看武汉性价比更高。

 

为啥是WEB前端

 

基于垄断性、不变性两个维度考虑。

 

后端有很多种语言(JAVA、Python、linux)但前端只有一种(垄断性、不变性),JavaScript是前端工程师使用的唯一编程语言,没有竞争对手且不会过时。

现在的我已经开始了一段新的爱情,对方也是一名女程序员,她十分理解我的过去,我们彼此珍惜,正在共同努力去创造一个幸福美满的家庭。

 

杭州黑马 前端学科20201210班

平均薪资10091.43元,就业率87.5%

 黑马程序员 

致力于培养高级软件工程师

前端开发基础班仅需28元

立即扫码抢占优惠名额

课程老师1对1服务,全程免费

线上课程也可扫码咨询

更多疑问可添加播妞微信

 boniuxuejie 

 

此事必有蹊跷!程序员上班“养猫” ,领导没有生气,反而赞赏+鼓励

2021-09-05

从腾讯元老程序员到农场主,他完成了现代“山林隐士”的梦想

2021-09-05

行业深评 | 当程序员专注于自我修养,「劳动密集型」将翻新内涵

2021-09-02

糖尿病风险预测数据集 概述 糖尿病风险预测数据集是为机器学习、数据科学、医疗分析和预测建模创建的大规模合成医疗数据集。它包含50000份患者记录,其中包含41个临床、生活方式、人口统计和健康相关特征,旨在模拟现实世界的糖尿病风险评估场景。 该数据集结合了人口统计信息、身体测量、实验室检测结果、心血管指标、生活习惯、家族病史和人工智能生成的医疗建议。它旨在用于教育目的、研究和预测性医疗保健模型的开发。 数据集亮点 -50000份合成患者记录 -41医疗保健相关功能 -临床和实验室测量 -生活方式和行为指标 -家族病史 -糖尿病风险评分 -人工智能生成的医疗建议 -医生会诊建议 -无重复记录 -为机器学习和数据分析做好准备 包含的功能 数据集包含以下内容相关的信息: -人口统计信息-物理测量-血糖指标-HbA1c水平-血压-胆固醇概况-心率-体力活动-饮食质量-糖摄入量-睡眠习惯-压力水平-吸烟状况-饮酒量-家族史-医疗状况-药物依从性-糖尿病风险评分-AI健康建议 可能的用例 此数据集可用于:糖尿病风险预测、分类模型、医疗保健分析、机器学习项目、数据可视化、探索性数据分析(EDA)、功能工程、缺失值处理、预测建模、教育项目、人工智能医疗研究。 重要提示 该数据集是使用统计规则和受医疗保健启发的逻辑综合生成的。不包含真实患者信息,不应用于医疗诊断或临床决策。仅用于教育目的、研究和机器学习实践。许可证:CC BY-SA 4.0。作者:莫本·法蒂玛。
内容概要:本文研究了改进深度优先搜索算法二进制粒子群优化算法相结合在配电网故障恢复重构中的应用,旨在提升故障后网络重构的效率供电可靠性。通过引入改进的深度优先搜索算法高效生成满足辐射状约束的可行拓扑结构,并结合二进制粒子群算法进行全局优化,实现对开关操作序列的智能决策。文中系统阐述了两种算法的协同机制、适应度函数构建、配电网约束处理(如潮流平衡、电压限值、容量限制)以及孤岛环网的规避策略,提出了一套完整的故障恢复重构流程。基于Matlab平台的仿真验证表明,该方法能在较短时间内找到高质量的恢复方案,有效恢复失电负荷,避免不合理的网络结构,具有较强的实用性和鲁棒性。; 适合人群:具备电力系统分析基础和Matlab编程能力,从事智能电网、配电自动化、故障诊断恢复、电力系统优化等方向的科研人员及工程技术人员。; 使用场景及目标:①应对配电网突发故障,快速制定最优网络重构方案以最大化恢复供电范围;②优化故障后开关操作策略,降低停电损失和运行风险;③为配电管理系统(DMS)和自愈控制系统提供高效的算法支撑;④研究启发式算法图搜索算法在复杂电力网络优化中的融合应用; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注深度优先搜索在拓扑可行性校验中的作用以及粒子群算法在离散空间优化中的编码更新策略,可通过调整网络模型、故障场景和算法参数进行对比实验,以全面掌握其性能特点适用边界。
摘要 针对便利购超市传统库存管理中人工操作效率低、数据同步滞后、权限边界模糊、流程不规范等问题,为实现库存管理的数字化、规范化智能化,提升多角色协同效率,本文设计并实现了一套适配中小型超市实际业务的库存信息管理平台。研究以问题为导向,遵循调研分析 - 设计开发 - 测试优化的软件开发流程,先通过文献研究实地调研梳理核心技术要点业务需求,明确管理员、库管、一线员工三类角色的功能边界;再基于 Vue+Spring Boot+MyBatis 技术栈搭建前后端分离架构,结合 RBAC 角色权限模型数据库第三范式完成系统整体设计,涵盖需求分析、架构设计、功能模块设计、接口权限控制设计、界面原型设计等环节;随后完成平台前后端开发实现,实现商品及类别管理、库存预警、出入库报损管理、全局库存管控等九大核心功能,同时针对开发中的权限控制、数据一致性、接口交互等问题提出针对性解决策略;最后通过功能、性能、兼容性多维度测试验证系统有效性。测试结果表明,该平台实现了库存管理全流程的线上化,可实现多角色权限的精细化管控、库存数据的实时同步预警信息的即时推送,有效解决了传统库存管理的痛点,提升了超市库存管理的效率精准度。系统兼具良好的稳定性、易用性可扩展性,可为中小型零售超市的库存数字化管理提供技术支撑实践参考,后续可进一步拓展数据分析、智能补货等功能,提升平台的智能化水平。 关键词:库存预警;超市;MyBatis
内容概要:本文围绕“自适应最优控制在系统动力学完全未知的连续时间线性系统中的应用”展开,基于动态规划理论,提出了一种无需先验系统模型的数据驱动型自适应最优控制方法,并通过Matlab代码实现完成算法验证。文中系统阐述了在缺乏精确系统动态方程的前提下,如何融合强化学习中的策略迭代值迭代思想,利用在线采集的状态数据逐步逼近哈密尔顿-雅克比-贝尔曼(HJB)方程的最优解,从而实现对无限时域线性二次调节器(LQR)问题的有效求解。该方法突破了传统最优控制对精确数学模型的依赖,具备良好的鲁棒性工程适用性,特别适用于智能电网、机器人控制、飞行器导航等建模困难或存在模型不确定性的复杂系统。文档不仅包含详尽的理论推导算法流程,还提供了完整的Matlab仿真实现代码及丰富的拓展科研资源,涵盖智能优化、机器学习、信号处理等多个交叉领域,强调“借力科研工具”以提升研究效率创新能力。; 适合人群:具备现代控制理论基础和Matlab编程能力,从事自动化、控制工程、人工智能或相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究数据驱动的自适应动态规划(ADP)最优控制算法的设计实现;②应用于系统建模困难或参数时变的实际控制系统中,解决模型不确定性带来的控制难题;③复现高水平SCI论文中的先进控制策略,提升科研创新能力算法实践水平。; 阅读建议:此资源以Matlab代码实现为核心,强调理论分析仿真实践深度融合,建议读者按照文档目录循序渐进地学习,重点关注算法原理推导、代码实现细节参数调优过程,并充分利用所提供的网盘资源进行动手复现拓展研究,以深化对自适应最优控制机制的理解。
内容概要:本文系统研究了基于监督学习的多模态MRI脑肿瘤分割方法,重点利用监督体素的纹理特征提升分割精度,采用Matlab实现算法。文章阐述了监督学习在医学图像处理中的基本原理,强调多模态MRI(如T1、T2、FLAIR、T1c等)在提供丰富病灶信息方面的优势,提出通过灰度共生矩阵(GLCM)、局部二值模式(LBP)和小波变换等方法提取肿瘤区域的纹理特征,并构建融合传统分类器(如SVM、随机森林)深度学习模型(如CNN)的混合分割框架。研究涵盖了公开数据集(如BraTS)的应用、实验设计、模型训练流程、性能评价指标(如Dice系数、敏感性、精确率)及结果分析,深入探讨了当前面临的关键挑战,包括高质量标注数据稀缺、模型跨设备泛化能力不足、肿瘤边界模糊导致的分割困难、图像伪影干扰以及模型决策过程缺乏可解释性等问题,并对未来研究方向如半监督/弱监督学习、多任务联合优化、可解释性AI增强、多模态信息深度融合及轻量化网络设计等进行了展望。; 适合人群:具备一定医学图像处理基础知识、熟练掌握Matlab编程语言,从事人工智能在医学影像分析领域研究,特别是聚焦于脑肿瘤自动分割、辅助诊断系统开发的生物医学工程、计算机科学技术或临床医学方向的研究生、科研人员及工程师。; 使用场景及目标:①构建高精度的脑肿瘤自动分割系统,辅助医生进行术前规划疗效评估,提升临床诊断效率准确性;②为医学图像分割任务中的特征工程设计模型架构选型提供技术参考实践指导;③推动监督学习方法在医学领域有限标注数据条件下的优化创新研究。; 阅读建议:建议结合文中提供的Matlab代码实现,动手复现实验流程,重点关注纹理特征提取模块的设计细节分类模型的训练调优过程,通过在公开数据集上对比不同方法的性能差异,深入理解监督体素在增强模型判别能力、提升分割边界精度方面的作用机制。
内容概要:本文提出了一种基于高斯混合模型(GMM)聚类的风电场短期功率预测方法,通过结合CNN-BiLSTM-Attention深度学习模型,实现对复杂工况下风电功率的高精度预测。首先采用GMM对风电场历史运行数据进行聚类分析,识别出不同的典型工况模式,并针对每一类工况分别构建专用预测模型,从而提升模型在不同运行环境下的适应性预测精度。所提出的CNN-BiLSTM-Attention模型融合了卷积神经网络(CNN)提取输入序列的局部特征、双向长短期记忆网络(BiLSTM)捕获时间序列的前后依赖关系,以及注意力机制(Attention)动态加权关键时间步的输出,有效增强了模型对非平稳、强波动风速条件的建模能力。研究在Python和Matlab平台上实现了算法流程,并通过多场景仿真实验验证了该方法在稳态运行、风速突变及复杂气象波动等工况下的优越性能,结果表明其预测精度显著优于传统单一模型及其他组合模型。; 适合人群:具备一定机器学习深度学习基础,熟悉时间序列预测任务,从事新能源发电预测、电力系统调度、智能算法应用等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于风电场短期功率预测系统,提升电网调度的安全性稳定性;②为复杂非平稳时间序列的建模预测提供可复用的技术框架;③推动数据驱动方法在可再生能源领域的精细化应用算法创新。; 阅读建议:建议读者结合提供的PythonMatlab代码实例,深入理解GMM聚类深度学习模型的集成逻辑,重点关注数据预处理、特征工程、模型结构设计及注意力机制的作用机制,并通过复现实验掌握超参数调优多工况性能评估方法,进一步拓展至其他能源预测场景。
内容概要:本文研究了基于模型预测控制(MPC)非线性终端滑模控制(TSMC)相融合的永磁同步电机(PMSM)先进控制策略,通过SimulinkMatlab联合仿真验证其性能。文中深入剖析了MPC的多步预测机制滚动优化原理,以及TSMC在提升系统动态响应速度、增强鲁棒性和抑制抖振方面的内在优势,提出一种能够协同发挥两者长处的复合控制架构。该策略旨在克服传统控制方法在复杂工况下动态性能不足、抗干扰能力弱等问题,显著提升了系统在转速跟踪精度、负载扰动抑制和参数敏感性等方面的综合表现。研究通过设计典型工况下的仿真实验,传统磁场定向控制(FOC)进行对比,充分验证了所提方法的优越性,并进一步探讨了当前算法在实时性、参数整定及工程应用中存在的挑战未来可能的发展方向。; 适合人群:具备电机控制、现代控制理论基础,从事电气自动化、新能源驱动系统研究的研究生或科研人员。; 使用场景及目标:①深入理解MPC滑模控制在电机驱动中的结合机制;②掌握先进非线性控制算法的设计仿真方法;③为高性能电机控制系统的研究工程实现提供理论支持和技术参考。; 阅读建议:建议结合提供的Simulink模型Matlab代码进行仿真复现,重点关注控制器参数调节不同工况下的动态响应波形,以加深对控制策略性能的理解掌握。
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