当程序员好还是卖水果好呢?

Edward1688 2013-04-30 10:16:15
今天在网上看到一个例子,内心有点感触。下面也请大家看看,大家说说感受

PHP程序员的转变:现在辞职了 在卖水果
2013-04-28 10:14 [小 大] 来源: 卢松松博客 评论: 1条评论 分享至: 百度权重查询 站长交易 友情链接交换 网站监控 服务器监控 SEO监控

他是一个PHP攻城师,前新浪微博PHP程序员,2011年还经常和微群项目组的同事奋战到午夜。“互联网降级论” 未尝不是一个很好的创业出路。2013年,他离开IT业,华丽转身成一个水果店老板。这,是一个真实的故事。他叫 @徐佳。

@徐佳原文微博如下:

做程序员做了五年,由于头儿的栽培提拔,也由于几分运气,终于评上了相当于架构师的职级。看着职级上面的title,不禁热泪盈眶。这么多年的愿望终于实现了。奈何物随心转,境由心生,我却想追寻一下另外一个自己。现在我辞职了,在卖水果。

另据@叉小包的微博爆料:

2011年,他是一个PHP攻城师,和弟兄们奋战到午夜为了新浪微群2.0上线;2013年,他离开IT业,华丽转身成一个水果店老板。这,是一个真实的故事。他叫@徐佳 ——以此纪念我们并肩作战过的岁月。

对于叉小包童鞋贴的照片,微博网友,还有新浪的技术同事表示:“不做 IT 果然青春焕发!” 难道这就是传说中珍惜生命,远离IT的真实案例?

【图片看不到了,可以在这里看这篇文章http://www.chinaz.com/news/2013/0428/301392.shtml

(眼镜摘了人变白了连头发都长出来了)

尽管离开了新浪微博、离开北京卖水果去了,但依然没有脱离互联网这个行当,这不@徐佳准备最新鲜的大樱桃卖给大家。到大樱桃原产地去,从树上摘下来直接送到大家的手中。涉及采摘,包装,配送,客服等各环节,皆不能出bug。经两月的精心准备及实地考察,加上之前卖了几W斤柠檬和脐橙的大活动经验。现在通过团购网站、淘宝出售水果。

一个好的营销就是在卖故事,这算是一个O2O成功案例吧?

最近流行逃离“北上广”,看到许多人都陆陆续续离开北京了,好伤感!
...全文
635 13 打赏 收藏 转发到动态 举报
写回复
用AI写文章
13 条回复
切换为时间正序
请发表友善的回复…
发表回复
妞_ 2013-05-02
  • 打赏
  • 举报
回复
买花好啊!
zqfddqr 2013-05-02
  • 打赏
  • 举报
回复
适合的就是最好的 int好还是double好啊
咖啡加糖_ 2013-05-02
  • 打赏
  • 举报
回复
看你了......
失落夏天 2013-05-01
  • 打赏
  • 举报
回复
这个没什么 一看个人喜爱。 二看赚钱多少。 其实只要不违法,干什么都一样的
caofeng891102 2013-05-01
  • 打赏
  • 举报
回复
只要能够快乐的活着,干啥都行。
u010528248 2013-05-01
  • 打赏
  • 举报
回复
当然是当程序与好啊
lcf 2013-04-30
  • 打赏
  • 举报
回复
引用 5 楼 a1257427517 的回复:
做个卖水果的程序员就好了。。。。
如果我是我就加你分
Kent Chiang 2013-04-30
  • 打赏
  • 举报
回复
做个卖水果的程序员就好了。。。。
Acesidonu 2013-04-30
  • 打赏
  • 举报
回复
ZZZ5512536 2013-04-30
  • 打赏
  • 举报
回复
自己喜欢咋样就咋样,反正我是喜欢搞程序。。
wandefajin 2013-04-30
  • 打赏
  • 举报
回复
一千个人有一千个人生,每个人都有自己的路要走,但是当我们选择了的时候,坚定自己的脚步就好!!!
MO孤烟 2013-04-30
  • 打赏
  • 举报
回复
这个问题有点难回答哦。
内容概要:本文围绕不确定环境下的多式联运路径优化问题展开研究,提出并实现了基于AFO算法、遗传算法(GA)和粒子群优化算法(PSO)的三种智能优化方法,并借助Matlab平台完成算法编程与仿真。研究构建了考虑时间、成本、转运风险等多重不确定因素的路径优化模型,系统比较了AFO、GA、PSO三种算法在收敛速度、全局寻优能力和稳定性方面的表现,同时引入Matlab自带的全局优化搜索器作为基准对照,深入分析各算法在复杂物流网络中的适用边界与性能差异。研究表明,AFO算法在解决此类组合优化问题时展现出更快的收敛效率和更强的局部规避能力。; 适合人群:具备一定Matlab编程基础与运筹优化知识,从事物流工程、交通运输规划、智能算法开发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应用于多式联运、综合货运网络中的路径决策支持系统构建;②为不确定性条件下复杂路径规划问题提供智能算法选型依据与技术实现方案;③支持科研人员复现主流优化算法并开展横向性能对比实验,推动算法改进与实际落地。; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现流程,重点理解目标函数设计、约束条件处理及参数敏感性分析部分,可通过调整问题规模与算法参数进行对比实验,进一步拓展至动态路径规划或大规模网络优化等延伸场景。
内容概要:本文研究了基于QLearning自适应强化学习的PID控制器在自主水下航行器(AUV)运动控制中的应用,通过Matlab代码实现了控制算法的仿真验证。该方法融合强化学习的在线自适应能力与传统PID控制的稳定性优势,利用QLearning算法动态优化PID控制器的比例、积分、微分参数,以应对水下复杂流体环境、模型不确定性及外部干扰等挑战,从而提升AUV轨迹跟踪的精度、鲁棒性与动态响应性能。文中系统阐述了AUV的六自由度非线性动力学建模过程、QLearning算法的状态空间与动作空间设计、奖励函数构造及训练机制,并详细说明了PID参数自整定的闭环控制架构。仿真结果表明,相较于传统固定参数PID控制器,该智能控制策略在多种工况下均展现出更优的控制效果,有效抑制了超调,加快了响应速度,并增强了抗干扰能力。; 适合人群:具备自动控制理论、强化学习基础及Matlab/Simulink仿真能力,从事水下机器人、智能控制、海洋工程、自动化等领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于AUV、UUV等无人水下平台的高精度自主导航与运动控制;②为解决非线性、强耦合、时变系统的控制器参数自适应整定问题提供智能化解决方案;③作为强化学习与经典控制理论深度融合的技术范例,推动智能控制算法在海洋装备中的工程化应用。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法实现细节,重点剖析QLearning的状态-动作-奖励机制设计、PID参数更新逻辑及仿真对比实验结果,有条件者可在更复杂的动力学模型或实际硬件平台上进一步验证与优化算法性能。

23,404

社区成员

发帖
与我相关
我的任务
社区描述
Java 非技术区
社区管理员
  • 非技术区社区
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