入职第一天,见面会,领导让大家自我介绍,应该怎么说?特别是大公司,每年招录很多大学生,短短一两分钟的介绍,领导凭什么能记住你?
今天,告诉大家一个牛13的自我介绍模板,保准让你脱颖而出。
问好+介绍+感谢+表态。
一,问好:各位领导,各位老师,各位同事,大家上午好!
二,介绍:我叫什么名字,家是哪里,或者毕业于哪个学校。能不能进入领导的视线,全在这个环节的巧妙设计。
有个小技巧,尽量加入一点幽默元素。比如:我叫章梦凡,立早章,做梦下凡。据妈妈讲,有一天她梦到仙女下凡,然后我就横空出世了!
大家听了是不是印象特深刻?
还可以拿籍贯做文章。任何地方都有名人,随便拎出一个耳熟能详的就行,比如:我是神探狄仁杰的老乡,来自山西太原。要是运气好,保不齐哪个副总跟你就是老乡呢!
三,感谢:感谢公司给我这个机会,让我加入这个温暖的大家庭。
四,表态:在以后的工作中,我一定尊重领导,团结同事,锤炼自己,快速适应工作环境,努力成为一个合格的某某人,比如,福耀人,中铁人。
这么说,领导肯定能记住你。你,学会了吗?
【PaperReading每日打卡】
[论文] MaskGIT: Masked Generative Image Transformer
[机构] Google Research
[简介] MaskGIT: 掩码生成式图像Transformer。生成式Transformer在计算机视觉界经历了快速的流行增长,用于合成高保真高分辨率图像。然而,目前最好的生成式Transformer模型仍然将图像天真地视为token序列,并按照光栅扫描顺序(即逐行)解码图像,这种策略既不理想也不高效。本文提出一种使用双向Transformer解码器的新图像合成范式,即MaskGIT。训练期间,MaskGIT通过关注各个方向的token,学习预测随机掩码token。推理时,同时生成一个图像的所有token,根据之前的生成情况反复完善图像。通过对掩码视觉token建模的训练,MaskGIT学会了在恒定迭代次数内用迭代解码过程来生成样本。实验表明,MaskGIT在ImageNet数据集上的表现明显优于最先进的Transformer模型,并将自回归解码速度提高了64倍。MaskGIT可以很容易地扩展到各种图像编辑任务,如补全、外推和图像处理。
AE-插件合集介绍!完美解决模板丢失插件的难题!
后期大叔
AE-插件合集介绍!完美解决模板丢失插件的难题!
00:49
码住!自我介绍中文版合集[给力]
如何让自己在复试过程中脱颖而出?这几篇复试模板供你参考↓ ↓(考研点点君)
#考研调剂系统4月6日开通#