这个世界真是太小..公司董事长居然是老乡,我慌了

zky1113 2010-10-25 12:25:50
公司虽然不大 但我觉得整个氛围什么的都还不错的,
特别是我师父,人超好的!

今天老老实实坐着敲代码,然后有人拍了一下我 问我是不是XX的...
在大城市碰到老乡都挺开心的啊。

不过我才上班3个星期不到..
根本不认识...随意的问了下 是哪个部门的..

结果他用方言说是董事长..
我一下蒙掉了,连站都没站起来..
聊了几句...他走开了,我再见也没说..

感觉自己一点礼貌都没有啊...

是不是死定了...
...全文
1135 50 打赏 收藏 转发到动态 举报
写回复
用AI写文章
50 条回复
切换为时间正序
请发表友善的回复…
发表回复
LightColors 2010-11-04
  • 打赏
  • 举报
回复
我上上次面试的时候遇到老乡,本来开始还很正经,一听到是老乡,两个人就开始吹牛皮了。。。吹了半个小时,面试结束。。。然后发OFFER。。。
juniorTan2010 2010-11-04
  • 打赏
  • 举报
回复
你发达了
wjy217213 2010-11-01
  • 打赏
  • 举报
回复
LZ,恭喜你,你的春天到了。。
zwzg01 2010-11-01
  • 打赏
  • 举报
回复
现在是神马情况
yongdi5 2010-11-01
  • 打赏
  • 举报
回复
那你得看看,“老乡”的稀缺程度。比如深圳这地方,湖南湖北的,按天涯网友的说法,除非是一个县或镇的才认老乡,否则已经不当老乡看待了
pubuzhixia 2010-10-28
  • 打赏
  • 举报
回复
这个。。。坏事只是楼主心里落差的问题,毕竟是虚的,完全可以转化成好的实在的东西的~~~
浪哥不用桨 2010-10-28
  • 打赏
  • 举报
回复
哈哈,LZ内心悲剧了,差别那个大呀。。。
strongmission 2010-10-28
  • 打赏
  • 举报
回复
回老家寄点啥特产给他吃 拉拉关系
jdhlowforever 2010-10-28
  • 打赏
  • 举报
回复
[Quote=引用 41 楼 loveirenesomuch 的回复:]

引用 40 楼 vigoss_zsmj 的回复:

引用 39 楼 luxi0194 的回复:
哈哈,LZ内心悲剧了,差别那个大呀。。。

估计说到他心坎坎了。。。

哈哈
[/Quote]

哈哈 。。。
hdusunny44 2010-10-27
  • 打赏
  • 举报
回复
这董事长估计也很紧张。。。。
ironszark 2010-10-27
  • 打赏
  • 举报
回复
嗨,没事的。加油嘛,董事长也是人。
yingzi_91 2010-10-27
  • 打赏
  • 举报
回复
好好干,给老乡争气!
luoxudong121316 2010-10-27
  • 打赏
  • 举报
回复
好好干啊
芳草天 2010-10-27
  • 打赏
  • 举报
回复
你们BOSS寂寞了,鉴定完毕。。
CHOUYUNHAT 2010-10-27
  • 打赏
  • 举报
回复
首先自己要干好
XxxRSKY 2010-10-27
  • 打赏
  • 举报
回复
老乡见老乡 2眼泪汪汪~~~LZ你就要发达了~
火柴没帽 2010-10-27
  • 打赏
  • 举报
回复
[Quote=引用 40 楼 vigoss_zsmj 的回复:]

引用 39 楼 luxi0194 的回复:
哈哈,LZ内心悲剧了,差别那个大呀。。。

估计说到他心坎坎了。。。
[/Quote]
哈哈
vigoss_zsmj 2010-10-27
  • 打赏
  • 举报
回复
[Quote=引用 39 楼 luxi0194 的回复:]
哈哈,LZ内心悲剧了,差别那个大呀。。。
[/Quote]
估计说到他心坎坎了。。。
luxi0194 2010-10-27
  • 打赏
  • 举报
回复
哈哈,LZ内心悲剧了,差别那个大呀。。。
PHPNewMan 2010-10-27
  • 打赏
  • 举报
回复
我怎么就遇不到老乡啊!!!
加载更多回复(30)
内容概要:本文系统介绍了基于核主成分分析(KPCA)的故障检测方法,重点实现了T²和Q统计指数的可视化,并提供了完整的Matlab代码实现与仿真分析流程。该方法通过核函数映射将原始非线性过程数据转换至高维特征空间,进行主成分提取与降维处理,进而构建T²和Q两种统计量用于监控系统运行状态,有效识别工业过程中的早期故障与异常行为。文中详细阐述了KPCA的数学原理、故障检测机制、控制限计算方法,并结合实际案例展示其在复杂非线性系统中的应用效果与优越性,具有较强的工程实用性。; 适合人群:具备一定信号处理、机器学习理论基础及Matlab编程能力的研究生、科研人员和工程技术人员,特别适用于从事工业过程监控、故障诊断、智能制造等相关领域的研究人员。; 使用场景及目标:①应用于化工、电力、制造等行业中关键设备的在线故障监测与早期预警;②作为学术研究中非线性降维与异常检测算法的对比基准;③帮助开发者掌握KPCA模型构建、参数调优及T²-Q统计图可视化等核心技术环节。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,深入理解KPCA算法的核心步骤,重点关注核函数选择、主成分数确定及统计量阈值设定等关键参数的影响,以提升故障检测的灵敏度与准确性。

700

社区成员

发帖
与我相关
我的任务
社区描述
提出问题
其他 技术论坛(原bbs)
社区管理员
  • community_281
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧