书籍：《20岁光阴不再来》
20岁别人都说这是一生中最美好的年华。可是为什么正当20岁的我却经常感到无比的迷茫。现在没有十多岁时那种无所畏惧对未来充满希望的冲动想法。也没有30岁时那样的从容淡定面对生活的底气。总感觉自己有全身的力量，却不知道该往哪里使。工作也经常感觉力不从心。当看到别人说什么30的打开方式取决于20岁的自己。什么20岁时的努力决定未来的一生呀！心中又是百感交集。那种对梦想的渴求感又特别强烈。总觉得心中有很多想做的事情，但是不知道先做那个。家里人又经常劝诫说，不要想法太多了，这样到头来一无所获。可是我现在也不知道那种想法又是对的。最近看了一下这本《20岁光阴不再来》书，感觉对我现阶段有一定的小影响力。加油！
《20岁光阴不再来》
1、为什么20多岁很重要？
·20岁是身体素质，学习能力的最高峰，也是最有机会遇见贵人，抓住机遇的阶段，也是最有可能遇见爱情的阶段。
·20岁有20岁的问题，30岁也另外有30岁的要面对的东西，每个阶段要处理好每个阶段的事情。
2、工作观？
·实习要选有利自己的。
·人生道路不是想出来的，是捏出来的。
·弱联系，想要别人帮助你，你要体现出自己的价值，想办法让别人开心的帮助你。
·找到自己被遗忘的特长。
·不需要不具体的鼓励。
·别看朋友圈，过好自己日子。
·不要过早限制自己的人生。
·面试，学会讲一个好故事。
·学好基础的同时，找到自己的特点。
3、爱情观
·宁缺毋滥，可以不结婚，但是不能把后半生托付给不靠谱的人。
·门当户对很重要。
·不要婚前同居。
·五大人格。
4、人生观
·18在心理身体已经成熟了，20改变自己的最后一次机会。
·要有自己的人生态度，有理有据的坚持自己的底线。
·很好的心态，定型心态，成长心态不会怕失败。
·投资（学习，自我成长方面 ）而不是逃避生活，浪费美好年华。
宣告自己已经成年，选好对象，精选未来。
书籍：《20岁光阴不再来》相关推荐
- 《Outlier Analysis》书籍
前言:最近异常检测似乎越来越火了... 作者介绍:Charu Aggarwal(这是他的个人主页:http://www.charuaggarwal.net).他是 IBM 的托马斯沃森研究中心的一位 ...
- 读书笔记《Outlier Analysis》 第九章 时间序列和多维流的异常检测
1.引言 1.1 基本介绍 时间和流数据的异常检测场景出现在许多应用中,如传感器数据.机械故障诊断.医疗数据.网络入侵数据.新闻文本帖子和财务帖子等.在这些问题中,时间连续性假设在识别异常值方面起着至 ...
- 读书笔记《Outlier Analysis》 第八章 分类、文本和混合属性中的异常检测
1.引言 前面讨论的都是数值数据,然而,在现实生活生成中,还有很多其他类型的数据,如性别.种族.邮编.人员和实体的名称.IP地址等.通常处理这些数据更有挑战,因为难以以均匀和一致的方式来处理各种类型的 ...
- 读书笔记《Outlier Analysis》 第四章 基于邻近的异常检测
1.基本介绍 基于邻近的技术是指,当一个数据点的位置或邻近是稀疏时,则将其定义为一个离群点. 1.1 基于邻近的技术最常见的三种离群点分析的定义: 基于聚类: 使用非任何聚类中数据点的成员.其与其他聚 ...
- 读书笔记《Outlier Analysis》 第二章 异常检测的概率和统计模型
第二章 异常检测的概率和统计模型 1.为什么要讲概率和统计模型? 之所以一开始就讲概率和统计模型,是因为最早的异常检测方法时根植于概率和统计模型的. 这些方法是在计算机技术出现和普及之前就提出的,因此 ...
- 数据预处理+数据清理
1.概述 实际的数据库极易受噪声.缺失值和不一致数据的侵扰,因为数据库太大,并且多半来自多个异种数据源.低质量的数据将会导致低质量的挖掘结果.有大量的数据预处理技术: - - 数据清理:可以用来清楚数 ...
- 数据预处理_数据清理
1.概述 实际的数据库极易受噪声.缺失值和不一致数据的侵扰,因为数据库太大,并且多半来自多个异种数据源.低质量的数据将会导致低质量的挖掘结果.有大量的数据预处理技术: - - 数据清理:可以用来清楚数 ...
- 《异常检测——从经典算法到深度学习》9 异常检测资料汇总（持续更新抛砖引玉）
<异常检测--从经典算法到深度学习> 0 概论 1 基于隔离森林的异常检测算法 2 基于LOF的异常检测算法 3 基于One-Class SVM的异常检测算法 4 基于高斯概率密度异常检测 ...
- kaggle信用卡欺诈看异常检测算法——无监督的方法包括： 基于统计的技术，如BACON *离群检测 多变量异常值检测 基于聚类的技术；监督方法： 神经网络 SVM 逻辑回归...
使用google翻译自:https://software.seek.intel.com/dealing-with-outliers 数据分析中的一项具有挑战性但非常重要的任务是处理异常值.我们通常将异 ...
- 【数据挖掘】数据挖掘简介 ( 6 个常用功能 | 数据挖掘结果判断 | 数据挖掘学习框架 | 数据挖掘分类 )
文章目录 I . 数据挖掘 功能 II . 数据挖掘 结果判断 III . 数据挖掘 学习框架 IV . 数据挖掘 分类 I . 数据挖掘 功能 1 . 概念描述 ( Concept Descript ...
最新文章
- 05APR2022 日期格式这样的怎么转换成日期？
- java静态方法声明_方法本地类中的Java最终静态声明
- KClient——kafka消息中间件源码解读
- 解决方案 | tensorflow安装慢解决方案
- 线段树求区间最大值RMQ(单点更新)
- HALCON示例程序inner_rectangle1.hdev木板有效区域提取
- iPhone/Mac Objective-C内存管理教程和原理剖析(二)口诀与范式转
- 动手造轮子：实现一个简单的依赖注入(一)
- 233. 数字 1 的个数
- LeetCode MySQL 1241. 每个帖子的评论数
- SQL随机生成6位数字
- MAC版CRT使用心得
- 可变参数函数的一个简单例子
- MongoDB运行状态、性能监控，分析
- 【Linux开发】OpenCV在ARM-linux上的移植过程遇到的问题2---CMAKE配置问题
- html文件命名首字母大写,HTML制作中的文件夹及文件命名规范（一）
- vue富文本使用详解
- springBoot学习笔记（6）——@Valid和@Validated的使用
- 【随笔记】Deepin20 Linux 下安装编译NGINX
- const int, const int const, 和 int const 的区别