高考状元陈勤：留美工作年薪154万，被解雇后从高楼一跃而下！他曾是福建省的高考状元，他曾是浙江大学的计算机天才，他曾是美国南加州大学的博士生，他曾是脸书公司的高级工程师，他曾是年薪154万的人生赢家。他就是陈勤，一个让无数人羡慕和敬佩的优秀青年。然而，就在2019年9月19日，这位天之骄子却从脸书总部大楼跳下，结束了自己38岁的生命。这究竟是为什么？他在美国到底经历了什么？他为什么不愿意回国？让我们一起来还原他的故事，揭开他的心结。1981年，陈勤出生在福建的一个普通工人家庭。父母为了给他一个好名字，取名叫陈勤，希望他能够勤奋努力，创造出自己的精彩人生。陈勤没有辜负父母的期望，从小就表现出了超乎寻常的聪明才智和学习能力。无论是在小学、初中还是高中，他都是老师眼中的尖子生，同学眼中的学霸。1999年高考，陈勤以全省第一名的成绩考入浙江大学电气工程及其自动化专业。在浙大期间，他又发现了自己对计算机更感兴趣，于是转专业到计算机系，并创办了一个数百人的数学协会。2003年毕业后，陈勤进入了一家软件公司工作。但他觉得自己还有更大的潜力和抱负，于是决定出国深造。2011年，他成功申请到美国南加州大学计算机专业硕士，并在两年内顺利毕业。毕业后，陈勤选择留在美国工作。他先后在思科、Ryzlink等知名企业任职，并积累了丰富的经验和技能。2018年3月，他进入了全球大的社交网络平台——脸书公司。脸书给他开出了22万美元的年薪，折合人民币约154万元。这对于一个37岁的中国留学生来说，无疑是一个高的收入水平。陈勤也为此感到自豪和满足。他买了房子，把父母接到了美国。每天下班回家，都能看到父母为他准备好的热乎乎的饭菜。周末时候，他还会带着父母去旅游或者购物。他觉得自己已经实现了美国梦。然而，在这样看似的生活背后，却隐藏着巨大的压力和危机。脸书虽然是一个优秀的公司，但也是一个竞争激烈的公司。它采用了一种叫做PIP（Performance Improvement Plan）的考核制度，也就是每个季度都会评估员工的业绩和能力，如果不达标，就会被淘汰。陈勤所在的广告技术部门是脸书的核心部门，也是压力大的部门。他每天都要面对复杂的项目和代码，经常加班到深夜，有时候甚至连周末都不休息。他为了保住自己的工作，也为了给父母一个稳定的生活，拼命地工作，却没有得到应有的回报。他的评级一直在下滑，如果再不改良，就有可能被归入PIP，进而被解雇。陈勤感到了前所未有的焦虑和恐惧。他开始寻求内部换组的机会，希望能找到一个更适合自己的岗位。幸运的是，他找到了一个愿意接收他的组，并得到了上司的同意。但是，就在他准备换组的时候，上司却出尔反尔，给了他一个很低的评级，导致他无法换组。原来，上司只是为了让他留下来完成一个烂尾项目，而并不真心想帮助他。这对于陈勤来说，简直是晴天霹雳。他觉得自己被欺骗了，被背叛了，被抛弃了。他觉得自己所有的努力都白费了，自己所有的梦想都破灭了。他不知道自己该怎么办。如果被开除了，他就要在60天内找到新的工作，否则就要离开美国。但是，在美国找工作并不容易，尤其是对于一个没有绿卡的外国人。他不敢想象自己失去工作后的生活。他不敢想象自己如何面对父母。他不敢想象自己如何回国。2019年9月19日11点左右，陈勤从脸书总部大楼跳下，当场死亡。这个消息传出后，引起了轰动。无数人为之震惊和惋惜。无数人为之质疑和控诉。有人说，这是陈勤对脸书公司不公平待遇的反抗和抗议。有人说，这是陈勤对美国社会歧视和压迫的无奈和绝望。有人说，这是陈勤对自己人生选择和价值观的怀疑和否定。也许这些说法都有一定的道理。但我认为，更重要的原因是陈勤缺乏一种心理素质和能力——适应力。陈勤虽然有着高智商和高学历，但他却缺乏足够的适应力。他没有适应美国的文化和制度，他没有适应脸书的竞争和压力，他没有适应自己的失败和挫折。他一直沉浸在自己的舒适区里，认为自己是优秀的，认为自己可以掌控一切。当事情不如意时，他不愿意改变自己，不愿意寻求帮助，不愿意回国重新开始。他把自己封闭起来，把自己孤立起来，把自己绝望起来。他失去了对生活的信心和热情，失去了对未来的希望和梦想。后，他选择了一种极端的方式来结束自己的痛苦——跳楼自杀。这是一个悲哀的结局，也是一个警醒的故事

计算机专业和电子信息专业信息工程专业与计算机技术十分密切。信息工程的专业主干课包括信号与系统、数字信号处理、随机信号分析、通信原理、雷达原理、数字图像处理等等。这些专业都是建立在线性代数、概率论与数理统计、高数等基础之上，对数学的要求和计算机类的专业一样高。信息工程专业主要侧重的是信息的解码与处理，要求有一定的编程能力，要掌握语言如C，C++，python，matlab等，还要会计算机算法来实现信息处理。信息工程专业中的计算机软件知识的份量，应当是电子信息类专业中，除了人工智能专业之外，比重大的专业。不同层次学校的信息工程专业课程设置中，都有计算机类专业的主干课程。学信息工程专业同学的计算机技术能力，并不一定比算机类专业的同学差。信息工程专业（专业代码080706）是属于电子信息类专业，信息工程专业的研究方向大致为软件信号处理、硬件信号处理和电磁三个方向，简单理解就是软件、硬件、通信。信息工程专业和计算机类专业相比，比计算机类专业多了硬件（比如电子电磁）和通信的专业知识内容。信息工程专业的课程设置来看，基本上可以覆盖计算机类专业考研专业课。信息工程专业的考研跨考计算机没问题，但计算机想跨考信息工程却难了：硬件没学，考研专业课信号与系统、电路、通信原理等自学不了。信息工程专业，还可以往集成电路方向发展，转向芯片制造热门方向。对于信息工程专业的同学，在大学本科时，要明白自己的发展方向是什么，既然课程这么多，如果想往软件发展，那就无论是专业课、选修课，还是实践课，都要把计算机类相关课程学好，顺便也考个华为或者思科认证的网络工程师证，以后转向计算机类技术岗。如果是想往通信发展，那么通信专业课程就要学好，搞本专业对口通信技术。如果想搞硬件，那么电磁、天线、电路分析的专业就要学好。网上说读电子信息工程难大部分总结起来就是专业知识过难，很多同学在大一时还好，毕竟大一学习的知识都是比较入门级的知识，比如C语言、电路基础等等，高中理科比较好的同学学起来还是能学会的。但是到了大二，学习的知识变得越来越复杂，高数、嵌入式代码、还有各种代码的算法等等，很多同学不是不想学，而是有心无力。而且学习计算机相关的知识悟性也是很重要的一点，有的人就是学不会，但有的人学起来却觉得很轻松，所以如果大家想要报考这个专业，还是需要认真思考的。目前电子信息行业的岗位空缺的大，且电子信息行业由于技术要求高，薪资也是很高的，选择电子信息类的专业就是进入这个行业的门槛。电子信息工程专业的专业知识较难，是因为电子信息行业的技术要求高，所以必须要求毕业生相关技能达标，只要同学们能够掌握好专业技能，未来发展空间是大的。

马云写给刚进入大学的学生们亲爱的同学们：首先恭喜大家，祝福大家，这是中国了不起的一所大学之一，尽管在我心里面中国好的大学是杭州师范大学。大家觉不觉得学校的知识总是不够用，但是社会上的知识是取之不尽的。杭师大给了我是学习的能力,获取知识的能力，清华很好，但是清华的知识永远是不够用的，而你们今天所得到这个能力是取得自身的能力。我看到今天那么多阳光灿烂的笑脸，30年后不忘初心，依旧是这样的笑脸，这才是成功。我今天在这谈一下我的感受和体验，高考我并不算很成功，考了几年，我数学1分那是真的，第二年考19分，第三年考了89分，但我从来没放弃过。我给大家一个提醒，一个建议，提醒是今天你们获得中国荣誉的毕业书，但是那只是一张纸，只证明这四年或者六年，或者八年，你父母为你付了很多的学费，这是一张学费的通知单而已，告诉你付了那么多学费，花了那么多时间做了很多的模拟考，这仅仅是模拟考而已。也给大家一个建议，如果你们毕业于清华大学，请大家用欣赏眼光看看杭师大的同学，如果你毕业于杭师大，请用欣赏的眼光看看自己，因为这社会上永远充满变化，永远充满着各种奇迹。人生后不管今天多么的成功，刚才学会计的学生说的，你后死的时候才能够看看你到底赢了还是亏了，所以我觉得我们刚刚开始起步。我也相信今天毕业以后在座很多人都很担心，各种各样的担心，担心毕业以后我是学经管的，能当老板吗?我能找到一个好老板吗?能够找到好公司吗?其实这些担心都有，每天都有。我刚创业的时候天天担心能不能活下来，到后来我担心这个公司会不会长大，到今天长大了我担心它会倒下，现在的担心比以前多多了，我们每时每刻处于这份担心中，担心很正常，不担心才不正常。所以我想给大家的建议，也是真实的感受，这30年来，我天天在担心，但是我只是担心自己不够努力，我担心自己没看清楚灾难，我担心自己没把握好机遇。但有一点不用担心，你们一定会会到眼泪、冤枉、误区、倒霉各种事件，一定会碰上，这个不用担心，你碰到这个就是早知道会来的。另外这是一个纠结的时代，在座所有的人今天毕业于纠结的时代，这个时代看起来充满着怀疑，充满着各种的不信任，学校的老师对学生是不信任的，学生对老师不信任，媒体对大众不信任，大众对媒体不信任，甚至有各种的担忧，老百姓对政府也有各种的不信任。这世界看起来缺乏各种各样的机会，但这世界看起来又有各种各样的机会，这世界看起来年轻人似乎是可以无所不能，什么事情都可以做，但看起来年轻人什么事情又都做不了。所以我觉得这是一个纠结的时代，很恭喜大家来到了一个很了不起的纠结时代，因为纠结是一种变革，因为我们正在进入一个变革快速的时代。如果没有变革就不会有阿里巴巴的今天，阿里巴巴，马云有今天就是因为前30年中国的变革。但是我想跟大家讲我心里的感受，未来30年中国的变革会更大，机会更大。从我这个行业来讲,这世界从it正在走向dt，这两个字的差异其实背后的思想、文化、社会方方面面都发生很大的差异。绝大部分的人今天站在it的角度看待世界，什么是it?it是以我为主，方便我管理，dt是以别人为主，强化别人，支持别人，dt思想是只有别人成功的你才会成功，这是一个巨大的思想的转变。未来30年我想跟随大家，是你们会改变这个世界,是你们会把握这个机会。纠结、变革都是年轻人的机遇，也是这个时代的机遇。不管你怎么看，我们经常说生意越来越难做，其实生意从来就没有好做的。年轻人纠结今天的IT行业都被阿里巴巴、腾讯、百度搞去了，我们刚出来也觉得机会被IBM、思科、微软拿走了，但是你要相信，30年以后的今天中国企业一定比今天好，一定比明天大，30年后富人一定比今天多，30年以后的文化一定比今天丰富多彩，30年以后的年轻人一定超越我们，这就是世界的变化。我爷爷说我爸不如他，我爸说我不如他，我觉得我爸比我爷爷厉害，我比我爸厉害，你们会比我们厉害。在变革的时代我也特别想给大家分享一下我自己的经历,前30年我是坚持三样东西，我也希望大家去反思和思考这三样对你是否有用，就是三个坚持。第一永远坚持理想主义，第二要坚持担当精神，第三要坚持乐观的正能量。我永远相信相信，我相信未来，我相信别人超过相信自己。其实阿里巴巴我数学不好，管理也没学过，会计也不懂，连预算报表到今天为止，财务报表我也看不懂，这是真话，我并没有觉得这是丢人的，承认自己不懂并不丢人，不懂装懂很丢人。我到今天为止没到淘宝上购过一件物，我没用过支付宝，因为我不知道该怎么用，但是我会竖起耳朵听人们说支付宝到底好还是不好，因为只有担忧让我晚上睡不着觉，只有我睡不着觉，这公司才睡得着觉。我们永远相信未来，相信年轻人，相信别人，我如果不相信别人，阿里巴巴的程序写不出来，我不相信别人，今天市场不会做得这么大，我只是告诉大家什么是我们要坚持的。

一、《机器学习和深度学习之数学基础》专栏主要涵盖高等数学、概率论、数据统计等数学知识，并介绍其中一种知识在人工智能领域中的应用。例如，可以介绍线性代数在神经网络中的应用，微积分在梯度下降算法中的应用等等。二、数学在人工智能领域中应用广泛。例如，在图像识别中，卷积神经网络使用了线性代数和微积分知识；在自然语言处理中，循环神经网络使用了概率论和统计学知识；在推荐系统中，矩阵分解使用了线性代数和优化算法等等。三、数学在人工智能领域中重要，因为人工智能的算法和模型都是基于数学理论和方法构建的。如果想要进入人工智能领域，必须具备扎实的数学基础，才能更好地理解和应用人工智能算法。四、《机器学习和深度学习之数学基础》专栏内容丰富，包含了很多人工智能中的数学知识。对于想要学习人工智能但数学不好的人来说，这个专栏是一个很好的学习资源，可以帮助他们打好数学基础，更好地理解人工智能算法和模型。五、现在数学基础在人工智能领域中使用的场景多。例如，在自然语言处理中，使用概率模型进行文本分类和情感分析；在图像处理中，使用矩阵分解进行图像压缩和降噪等等。这些场景都需要数学知识的支持，才能更好地实现人工智能的应用。

乌克兰第聂伯彼得罗夫斯克国立技术大学创建于1920年，当时名为卡面思科工业技校，1921年改为卡面思科工人技校，1960年改为第聂伯彼得罗夫斯克冶金学校，1967年改为第聂伯彼得罗夫斯克工业学院，1994年改为现名。学校有8个系，34个教研室，第聂伯彼得罗夫斯克国立技术大学共有学生2300多人，学校提供有多层次的教育大纲：学士、专家、硕士、副博士、博士，学校的主要专业有：黑色冶金学、黑色及有色金属铸造、无机材料的化学工艺、工业生态与环境保护、冶金焊接技术、计算机自动化网络、塑料金属生产、工业热能工程与保护、工业电子学、拖拉机与汽车电子设备、电子驱动、工厂自动化复合技术、应用数学、制造工程、金属切割机械及系统、工具制造、汽车设备、冶金设备、金融与信贷、会计与审计、生产管理、含易燃材料的化学工艺、生产自动化技术过程等。​

目前这些工作不受人工智能革命的影响根据近的一份报告，人工智能（AI）技术的兴起有可能彻底改变工作流程并自动化许多工作的方面，但并非所有职业都会在短期内受到影响。生成式人工智能和大型语言模型（LLM）是近受到广泛关注的技术。两者都使用算法来获取现有的、人为创建的内容，如文本、图像、音频和视频，以创建新内容并分析大量数据。根据高盛（Goldman Sachs）的一份报告，在大多数职业中，人工智能将作为人类工人的补充工具，通过自动化某些任务而不是让这些人失业来帮助他们提高生产力。该报告发现，虽然大约三分之二的美国工作都暴露于某种程度的人工智能知情自动化，但给定工作日常工作量中的平均任务数量在四分之一到一半之间，留给人类的大量工作。像 ChatGPT 这样的人工智能聊天机器人是可以补充许多职业任务的工具。“尽管人工智能对劳动力市场的影响可能很大，但大多数工作和行业只部分暴露于自动化，因此更有可能被人工智能补充而不是取代，”高盛研究经济学家Joseph Briggs和Devesh Kodnani写道。高盛（Goldman Sachs）的研究发现，几个行业对人工智能技术自动化的接触相对较少，包括清洁;安装、维护和维修;建造和开采;生产;和运输移动。每个人都有超过一半的任务被视为不可自动化，人工智能在很大程度上是其余任务的补充工具。一般来说，较少接触人工智能驱动自动化的领域往往涉及手工和户外工作或专业知识。高盛的报告发现医疗保健从业者和支持人员;渔业、农业和林业;个人护理;保护服务只有不到四分之一的任务没有暴露在人工智能驱动的自动化中。尽管每个人都至少有一部分任务可以由人工智能补充。高盛（Goldman Sachs）研究人员分析的大多数行业都被视为人工智能将在人类工人的大部分日常任务中与人类工人互补，包括建筑和工程;艺术、设计、娱乐、媒体和体育;商业和金融运营;社区和社会服务;计算机和数学;教育;管理;和销售。具有较高比例的任务暴露于自动化和人工智能替代的行业包括法律领域以及办公室和行政支持，每个行业都有大约三分之一的任务被评估为可以被人工智能取代。这些职业中可自动化的任务类型往往是可以通过聊天机器人或转录工具执行的任务类型。但这些职业中超过一半的任务被认为可能得到人工智能的补充。高盛（Goldman Sachs）研究的作者指出，虽然更广泛地采用人工智能工具可以取代一些工作，但生产率和经济产出的提高可能会导致创新浪潮催生的新型工作，例如信息技术的兴起如何创造了互联网营销人员和网页设计师等几个新职业。“每个工作职能都开始看到人工智能工具的潜力，”思科安全与协作执行副总裁兼总经理Jeetu Patel告诉FOX Business。“有趣的是，从历史上看，技术和自动化首先影响了流程工作而不是知识工作等领域。但是人工智能开始生效的方式，创意专业人士看到了人工智能的大量使用。“创意工作者的生产力，比如产品营销专业人士，可以通过人工智能得到有意义的提高。如今，围绕写作、总结、研究、教育和学习等的日常操作正在成为合乎逻辑的领域，通过使用人工智能来增加大量价值。#大有学问#

数学在人工智能领域中的应用场景有很多。以下是一些例子：1. 线性代数：在机器学习中，线性代数被广泛应用于矩阵运算、向量空间和线性回归等领域。例如，通过矩阵运算可以进行特征选择、降维和聚类等操作。2. 概率论和统计学：概率论和统计学是人工智能中重要的数学基础。在机器学习中，概率论和统计学被用于建立模型、估计参数、处理不确定性和进行决策等。例如，朴素贝叶斯分类器和高斯混合模型都是基于概率论和统计学的算法。3. 微积分：微积分在人工智能中的应用广泛。例如，通过微积分可以求解函数的优化问题，优化算法如梯度下降法就是基于微积分的。此外，微积分还被用于神经网络的反向传播算法中，用于计算梯度和更新权重。4. 离散数学：离散数学在人工智能中也有重要的应用。例如，图论和优化算法都是离散数学的分支，被广泛应用于图像处理、自然语言处理和推荐系统等领域。总之，数学在人工智能领域中起到了至关重要的作用。掌握数学知识可以帮助我们理解和应用各种人工智能算法，从而提高算法的效果并解决实际问题。专栏《机器学习和深度学习之数学基础》将为读者提供丰富的数学知识，并帮助他们更好地理解和应用人工智能技术。无论是想学习人工智能还是提升数学能力，这个专栏都是一个很好的选择。