从外卖员到Python开发工程师,小哥用自身经历告诉你如何快速转行~

一名大专机械专业毕业生在找工作碰壁后,尝试学习Python开发,但遇到困难。成为外卖员两年后,目睹同行事故让他反思职业规划,决定再次转行学习软件测试,寻求更好的发展机会。

大专毕业后的我 前途迷茫

我毕业于机械专业,这个专业时常被大家称为万金油,虽然读的是专科,可课程整体的实操性会更强一些,我原本以为毕业后起码能够找到一份不错的工作(起码是工程师),可真正踏上社会后,才发现,现实比我想象的要残酷的多。

开始找工作后,我发现,能够找到的工作,工作环境都十分糟糕,工厂分布在各式各地,都有一个普遍的通病,地属偏僻 ,去市区往往都需要2个小时的路程,我们这个工作主要面对的都是一堆堆轰鸣的机器和冰冷的零件,一天的工作下来,不仅被轰隆隆的机械声吵得心烦意乱,更是满身油污,灰头土脸的。
图片
和学长聊天的过程中,我得知,像这种传统行业的工作,想要升职加薪完全靠论资排辈,不知道要熬到什么时候才能熬出头,对于学历不高的我而言,发展的机会更是渺茫。

看了看工厂的环境,又想了想自己未来的发展,于是我便没有从事本专业工作,果断放弃了。

无可奈何的选择

一开始我想着学一门技术手艺傍身,当时在网上看到了Python开发课程,觉得自己可以往这方面发展一下,于是在家人的帮助下报名了课程,学习过程现在回想起来十分不顺利,由于之前自己也一直没有接触过代码之类的知识,磕磕绊绊的学完之后,技术知识掌握的也并不扎实。

然而家人的期望和生活的压力迫使我不得不开始找工作,面试了几家企业后,终于拿到了一个offer,然而,工作了短短的几个月后,我却又放弃了。原因很简单,我根本跟不上团队其他人步骤,一个很简单的问题,在我这里就得卡壳半天,严重拖慢了团队的节奏。

图片

这次的辞职对我的打击很大,自尊心使我不想再从事开发的工作,也不敢和家里人讲述自己的现状。可没办法,生活还是要过,房租,水电费并不会因为我失去了收入而不用交,可如今的自己又可以从事什么工作呢?

在家浑浑噩噩的度过了一段时间后,工作存下的积蓄也花的七七八八了,抱着先糊口的想法,我在某团上注册了外卖员的工作,想着先干一段时间,却没想到这一干就干了两年。

“为什么又超时了 ?”

外卖员的工作比我想象的还要辛苦,工作的两年中,无论刮风下雨,都需要第一时间把餐送到顾客的手中,多次超时就会收到差评投诉,投诉也就意味着罚款,下雨天的单量会比平时更多一些,爆单时送不过来就得罚款。

那两年中我听到过最多得一句话就是,“为什么又超时了?”。

外卖员的薪资虽不高,但总是够生活的开销,每天回到家的疲惫也让我没有精力去焦虑,于是也就这么一天一天做了下来。

但,有件事的发生,却让我产生了不能再混日子,得重新筹谋未来的想法。
图片
有次在送外卖的路上,雨很大,我正在马路上等红路灯,迎面开过来一个同行,披着雨披,车开的很快,一看就是要超时的样子。可由于开的太快,没有看见转弯处走过来的路人,那个小哥急忙按了刹车,虽没有撞到行人,电瓶车却一下子翻了过去,车上的箱子倒在地上,里面的餐食都翻了出来。

我又看了眼那个小哥,由于急刹,小哥的头好像磕到了路边的,头破血流,但他却顾不得自己的伤口,而是第一时间去整理了掉在外边的餐食,快速的整理好一切,便匆匆消失在了路边。

这一幕对我影响颇深,刹那间我觉得我就是那个小哥,一股深深的无力感涌上心头,顿时感觉自己好迷茫,难道真的要做这个行业一辈子吗?自己的未来又在哪里呢?

那时的我还有女朋友,自己这个状态该怎么给她更好的生活,又怎么敢和她的父母许诺能够照顾好她呢?一刹那,未来迷茫及彷徨缠绕在心间,看不清来的路在哪里。

转行Python

一次和朋友吃饭时,发现朋友现在的发展很好,薪资也十分可观,沟通后,了解到他现在转行成为了软件Python开发工程师,经过几年的时间,当了一个小领导。

转行Python的念头在心中悄悄生了芽,对于那时的我来说,这个机会就好像溺水的人突然抓到一块浮木,在和朋友深度了解后,我发现转行测试真的可行,我本身就有开发的底子,而软件测试却比开发简单不少,对于我而言,入门并不是一件难事!

对于0基础小白入门:

如果你是零基础小白,想快速入门Python是可以考虑的。
一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括:Python激活码+安装包、Python web开发,Python爬虫,Python数据分析,人工智能、机器学习等习教程。带你从零基础系统性的学好Python!

零基础Python学习资源介绍

  • ① Python所有方向的学习路线图,清楚各个方向要学什么东西
  • ② 600多节Python课程视频,涵盖必备基础、爬虫和数据分析
  • ③ 100多个Python实战案例,含50个超大型项目详解,学习不再是只会理论
  • ④ 20款主流手游迫解 爬虫手游逆行迫解教程包
  • 爬虫与反爬虫攻防教程包,含15个大型网站迫解
  • 爬虫APP逆向实战教程包,含45项绝密技术详解
  • ⑦ 超300本Python电子好书,从入门到高阶应有尽有
  • ⑧ 华为出品独家Python漫画教程,手机也能学习
  • ⑨ 历年互联网企业Python面试真题,复习时非常方便

👉Python学习路线汇总👈

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。(全套教程文末领取哈)
在这里插入图片描述

👉Python必备开发工具👈

在这里插入图片描述

温馨提示:篇幅有限,已打包文件夹,获取方式在:文末

👉Python学习视频600合集👈

观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
在这里插入图片描述

👉实战案例👈

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

👉100道Python练习题👈

检查学习结果。
在这里插入图片描述

👉面试刷题👈

在这里插入图片描述

在这里插入图片描述

👉python副业兼职与全职路线👈

在这里插入图片描述

上述这份完整版的Python全套学习资料已经上传CSDN官方,朋友们如果需要可以微信扫描下方CSDN官方认证二维码 即可领取↓↓↓

内容概要:本文系统研究了基于豪猪优化算法(CPO)的多无人机协同集群在三维空间中的避障路径规划问题,聚焦于实现以最低成本为目标的航迹优化,综合考虑路径长度、飞行高度、威胁规避及转弯角度等多个关键因素。通过构建精细化的三维环境模型与多无人机协同机制,采用Matlab平台实现CPO算法的仿真与验证,充分展示了该算法在复杂动态障碍环境下的高效搜索能力与全局优化性能。研究不仅涵盖了路径规划的数学建模与目标函数设计,还深入探讨了算法的收敛特性与鲁棒性,为智能群体系统在实际场景中的应用提供了理论依据与技术支撑。; 适合人群:具备一定编程基础和优化算法背景,从事无人机系统控制、智能路径规划、群体协同、人工智能与自动化等相关领域的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于多无人机协同执行侦察、灾害监测、应急救援、区域巡检等复杂任务中的自主路径规划;②为智能优化算法在三维动态环境下的路径决策问题提供可复现的技术范例;③支持研究人员对CPO算法与其他主流群智能算法(如PSO、GWO、WOA等)进行性能对比与改进研究,推动路径规划技术的发展。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解目标函数的多维度建模方式与CPO算法的迭代优化流程,可通过调整环境参数与约束条件进行仿真实验,对比不同算法在相同场景下的路径质量与收敛速度,从而深入掌握其优势与适用边界。
内容概要:本文围绕电动汽车参与电力系统运行备用的能力评估展开深入研究,利用Matlab代码实现对电动汽车集群提供运行备用服务的建模与仿真分析。研究重点在于量化电动汽车作为分布式灵活资源参与电网辅助服务的潜力,通过构建精细化的数学模型,分析其可调功率容量、响应速度、时空分布特性及聚合能力,并采用多面体聚合、内近似模型与闵可夫斯基和等先进方法精确刻画其可调度能力边界。研究进一步结合大规模电动汽车接入场景,探讨其在多时间尺度调度框架下参与调峰、调频等辅助服务的优化策略,评估其对提升高比例可再生能源电网灵活性与稳定性的贡献,最终通过仿真验证所提模型与方法的有效性与实用性。; 适合人群:具备电力系统分析、智能电网、新能源汽车或优化调度等相关专业背景,熟悉Matlab/Simulink仿真工具,从事科研、工程应用的高校研究生、科研人员及电力行业工程师。; 使用场景及目标:①精确评估大规模电动汽车集群在不同约束条件下可提供的运行备用容量;②研究电动汽车在日前、日内及实时调度中的动态响应能力与优化调度策略;③为高渗透率新能源电力系统提供基于移动储能的灵活性资源解决方案,支撑电网安全经济运行。; 阅读建议:建议结合Matlab代码与技术文档同步学习,重点关注多面体聚合建模、能力边界计算及优化调度算法的设计与实现,可进一步拓展至V2G(车辆到电网)、需求响应等互动场景进行二次开发与应用验证。
打开链接下载源码: https://pan.quark.cn/s/a4b39357ea24 OpenCV(开源计算机视觉库)中的DNN(Deep Neural Network)模块是一种功能强大的工具,其目的是用于深度学习模型的操作。该模块使得开发人员能够在OpenCV环境中直接运用已经训练好的深度学习网络,以执行图像识别、目标检测、图像分割等多种功能。DNN模块能够兼容多种深度学习框架的模型,包括TensorFlow、Caffe、ONNX等。 一、DNN模块概述 OpenCV的DNN模块是为了简化深度学习模型的集成过程而专门设计的,它允许开发人员加载预先训练好的神经网络模型,并在图像数据上执行前向传播操作。借助这个模块,用户可以选用GPU或者CPU来提升计算效率,从而构建出高效的应用程序。 二、目标检测案例 在OpenCV的DNN模块中,目标检测是一个常见的应用情形。例如,可以选用SSD(Single Shot Multibox Detector)、YOLO(You Only Look Once)或者 Faster R-CNN 等模型进行实时的目标检测。这些模型能够识别并定位图像中的多个对象,并返回每个对象的类别和边界框坐标。 三、模型转换:PB到PBTXT 在OpenCV中运用TensorFlow模型时,通常需要处理的是`.pb`格式的模型文件,这是TensorFlow的二进制模型文件格式。然而,为了能够读取模型的结构信息,我们需要`.pbtxt`格式的文本文件。转换过程涉及解析`.pb`文件并将其结构信息导出为`.pbtxt`格式,这样做可以让人清晰地了解网络层和参数的配置。在OpenCV中,可以使用`tf.train.write_graph()`函数将.pb...
内容概要:本文围绕虚拟同步发电机(VSG)接入弱电网的序阻抗建模与稳定性分析开展研究,基于Matlab/Simulink平台搭建详细的仿真模型,系统复现并验证相关理论方法。研究重点包括VSG在弱电网条件下的正负序阻抗特性建模、基于小信号分析的扫频法建模流程、系统阻抗交互特性及潜在的失稳机理分析。通过具体仿真案例,深入探讨了VSG控制参数对系统稳定性的影响,旨在为新能源并网系统的稳定运行提供理论依据与技术支撑。该内容属于电力电子与电力系统稳定性交叉领域的前沿课题,具有重要的学术价值与工程应用前景。; 适合人群:具备电力系统分析、电力电子变换器控制等基础知识,熟悉Matlab/Simulink仿真环境,从事新能源并网、微电网控制、电力系统稳定性研究的研究生、科研人员及工程师;有志于复现高水平期刊论文中阻抗建模与稳定性分析方法的技术开发者。; 使用场景及目标:① 掌握虚拟同步发电机在弱电网中的序阻抗建模理论与实现方法;② 理解并实践基于扫频法的小信号稳定性分析全过程;③ 应用于构网型变流器、虚拟同步机等先进并网技术的稳定性研究与仿真验证。; 阅读建议:建议结合所提供的Simulink仿真模型与技术资料,按照文档结构循序渐进地学习,重点关注建模原理、仿真参数设置与结果分析过程,同时参考链接中的完整资源进行代码调试与深入探究。
内容概要:本文系统阐述了基于主从博弈理论的配电网-多微网双层优化模型,构建了以配电网为领导者、多微网为追随者的非合作博弈框架,旨在实现多方利益均衡下的协同优化调度。模型充分考虑了分布式能源接入背景下电力市场环境中配电网与多个微网间的能量交互关系与利益冲突,通过建立上层配电网成本最小化与下层各微网收益最大化的目标函数,并结合系统运行约束条件,形成完整的双层优化问题。研究采用多种智能优化算法(如遗传算法、粒子群算法等)对模型进行求解与对比分析,验证了所提模型在提升系统经济性、促进新能源消纳方面的有效性,同时评估了不同算法在收敛速度、求解精度和稳定性方面的性能差异。所有模型构建与仿真分析均通过Matlab编程实现,为现代主动配电网与多微网系统的协同运行提供了科学的决策支持与技术路径。; 适合人群:具备电力系统分析、优化理论、博弈论基础及相关数学建模能力,熟悉Matlab编程工具,从事能源互联网、微电网调度、电力市场、分布式能源管理等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于含高比例分布式电源的配电网与多微网协同优化调度实际场景;②为研究主从博弈在能源系统多主体决策中的建模方法提供理论参考与实例支撑;③对比分析不同智能优化算法在复杂非凸双层优化问题中的适用性与性能表现;④服务于学术论文复现、科研课题攻关、工程项目方案设计及教学案例开发。; 阅读建议:建议学习者在理解博弈论基本概念的基础上,结合所提供的Matlab代码逐模块研读,重点关注上下层模型的迭代求解机制、约束处理方式及算法实现细节,鼓励动手修改参数、更换求解算法或拓展模型结构以深化理解并开展二次创新研究。
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