Many organisations are looking to set up a data mining capability, often
called the analytics team. Within the organisation, data mining projects
can be initiated by the business or by this analytics team. Often, for
best business engagement, a business-initiated project works best, though
business is not always equipped to understand where data mining can be
applied. It is often a mutual journey.
Data miners, by themselves, rarely have the deeper knowledge of
business that a professional from the business itself has. Yet the business
owner will often have very little knowledge of what data mining is about,
and indeed, given the hype, may well have the wrong idea. It is not
until they start getting to see some actual data mining models for their
business that they start to understand the project, the possibilities, and
a glimpse of the potential outcomes.
We will relate an actual experience over six months with six significant
meetings of the business team and the analytics team. The picture we
paint here is a little simplified and idealised but is not too far from reality.
- Meeting One The data miners sit in the corner to listen and learn.
The business team understands little about what the data miners might
be able to deliver. They discuss their current business issues and steps
being taken to improve processes. The data miners have little to offer
just yet but are on the lookout for the availability of data from which
they can learn.
- Meeting Two The data miners will now often present some obser-
vations of the data from their initial analyses. Whilst the analyses might
be well presented graphically, and are perhaps interesting, they are yet
to deliver any new insights into the business. At least the data miners
are starting to get the idea of the business, as far as the business team
is concerned.
- Meeting Three The data miners start to demonstrate some initial
modelling outcomes. The results begin to look interesting to the business
team. They are becoming engaged, asking questions, and understanding
that the data mining team has uncovered some interesting insights.
Meeting Four The data miners are the main agenda item. Their
analyses are starting to ring true. They have made some quite interest-
ing discoveries from the data that the business team (the domain and
data experts) supplied. The discoveries are nonobvious, and sometimes
intriguing. Sometimes they are also rather obvious.
- Meeting Five The models are presented for evaluation. The data
mining team has presented its evaluation of how well the models perform
and explained the context for the deployment of the models. The business
team is now keen to evaluate the model on real cases and monitor its
performance over a period of time.
- Meeting Six The models have been deployed into business and are
being run daily to match customers and products for marketing, to iden-
tify insurance claims or credit card transactions that may be fraudulent,
or taxpayers whose tax returns may require refinement. Procedures are
in place to monitor the performance of the model over time and to sound
alarm bells once the model begins to deviate from expectations.
The key to much of the data mining work described here, in addition
to the significance of communication, is the reliance and focus on data.
This leads us to identify some key principles for data mining.
(collection)
Thứ Tư, 3 tháng 12, 2014
Thứ Tư, 3 tháng 9, 2014
Lethic's view on Data Mining and Machine Learning
June 17, 2013, 3:47 pm
Note to learn from blog of Lethic
Link: http://zlethic.com/?p=733
The Relationship Between Data Mining and Machine Learning
It’s been a long time since I get to know about such concepts as: Data Mining, Machine Learning, Artificial Intelligence, Pattern Recognition and etc.. However, they are in a kind of mess and it’s hard to figure out the relationship between them, while it is important for one who wants do some research on an area to have an overview on it. So I searched for some articles and essays on these topics on the Internet and tried to arrange them in order.
It’s been a long time since I get to know about such concepts as: Data Mining, Machine Learning, Artificial Intelligence, Pattern Recognition and etc.. However, they are in a kind of mess and it’s hard to figure out the relationship between them, while it is important for one who wants do some research on an area to have an overview on it. So I searched for some articles and essays on these topics on the Internet and tried to arrange them in order.
Before the discussion let’s check out the Wikipedia for these four phrases: Data Mining, Machine Learning, Artificial Intelligence, Pattern Recognition.
1)Data Mining:
Concept:
The analysis step of the “Knowledge Discovery in Databases” process, or KDD.
Concept:
The analysis step of the “Knowledge Discovery in Databases” process, or KDD.
Methods:
involving methods at the intersection of artificial intelligence, machine learning, statistics, and database systems. And using methods and algorithms such as Bayes’ theorem (1700s), regression analysis (1800s), neural networks, cluster analysis, genetic algorithms (1950s), decision trees (1960s), and support vector machines (1990s).
involving methods at the intersection of artificial intelligence, machine learning, statistics, and database systems. And using methods and algorithms such as Bayes’ theorem (1700s), regression analysis (1800s), neural networks, cluster analysis, genetic algorithms (1950s), decision trees (1960s), and support vector machines (1990s).
Purpose:
Discover the hidden pattern from the data sets, automatic or semi-automatic analysis of large quantities of data to extract previously unknown interesting patterns such as groups of data records (cluster analysis), unusual records (anomaly detection) and dependencies (association rule mining).
Discover the hidden pattern from the data sets, automatic or semi-automatic analysis of large quantities of data to extract previously unknown interesting patterns such as groups of data records (cluster analysis), unusual records (anomaly detection) and dependencies (association rule mining).
2)Machine Learning:
Concept:
a branch of artificial intelligence, is about the construction and study of systems that can learn from data.
Concept:
a branch of artificial intelligence, is about the construction and study of systems that can learn from data.
Methods:
Supervised learning, Unsupervised learning, Semi-supervised learning, Reinforcement learning, Learning to learn, Developmental learning. Decision tree learning, Association rule learning, Artificial neural networks, Genetic programming, Inductive logic programming, Support vector machines, Clustering, Bayesian networks, Representation learning, Similarity and metric learning, Sparse Dictionary Learning.
Supervised learning, Unsupervised learning, Semi-supervised learning, Reinforcement learning, Learning to learn, Developmental learning. Decision tree learning, Association rule learning, Artificial neural networks, Genetic programming, Inductive logic programming, Support vector machines, Clustering, Bayesian networks, Representation learning, Similarity and metric learning, Sparse Dictionary Learning.
Purpose:
Gives computers the ability to learn without being explicitly programmed
Gives computers the ability to learn without being explicitly programmed
3)Artificial Intelligence:
Concept:
a branch of computer science that studies and develops intelligent machines and software
Concept:
a branch of computer science that studies and develops intelligent machines and software
Methods:
statistical methods, computational intelligence and traditional symbolic AI
Cybernetics and brain simulation
Symbolic
Sub-symbolic
Statistical
Search and optimization
Logic
Probabilistic methods for uncertain reasoning
Classifiers and statistical learning methods
Neural networks
Control theory
statistical methods, computational intelligence and traditional symbolic AI
Cybernetics and brain simulation
Symbolic
Sub-symbolic
Statistical
Search and optimization
Logic
Probabilistic methods for uncertain reasoning
Classifiers and statistical learning methods
Neural networks
Control theory
Purpose:
Deduction, reasoning, problem solving
Knowledge representation: qualification problem
Planning: Intelligent agents
Learning: Machine learning(Supervised Unsupervised), reinforcement learning
Natural language processing
Motion and manipulation: robotics, navigation, mapping
Perception: Computer vision speech recognition, facial recognition and object recognition.
Creativity
General intelligence
Deduction, reasoning, problem solving
Knowledge representation: qualification problem
Planning: Intelligent agents
Learning: Machine learning(Supervised Unsupervised), reinforcement learning
Natural language processing
Motion and manipulation: robotics, navigation, mapping
Perception: Computer vision speech recognition, facial recognition and object recognition.
Creativity
General intelligence
4)Pattern Recognition:
Concept:
the assignment of a label to a given input value
generally categorized according to the type of learning procedure used to generate the output value
Concept:
the assignment of a label to a given input value
generally categorized according to the type of learning procedure used to generate the output value
Methods:
Categorical sequence labeling algorithms (predicting sequences of categorical labels)
Classification algorithms (supervised algorithms predicting categorical labels)
Clustering algorithms (unsupervised algorithms predicting categorical labels)
Ensemble learning algorithms (supervised meta-algorithms for combining multiple learning algorithms together)
General algorithms for predicting arbitrarily-structured (sets of) labels
Multilinear subspace learning algorithms (predicting labels of multidimensional data using tensor representations)
Parsing algorithms (predicting tree structured labels)
Real-valued sequence labeling algorithms (predicting sequences of real-valued labels)
Regression algorithms (predicting real-valued labels)
Categorical sequence labeling algorithms (predicting sequences of categorical labels)
Classification algorithms (supervised algorithms predicting categorical labels)
Clustering algorithms (unsupervised algorithms predicting categorical labels)
Ensemble learning algorithms (supervised meta-algorithms for combining multiple learning algorithms together)
General algorithms for predicting arbitrarily-structured (sets of) labels
Multilinear subspace learning algorithms (predicting labels of multidimensional data using tensor representations)
Parsing algorithms (predicting tree structured labels)
Real-valued sequence labeling algorithms (predicting sequences of real-valued labels)
Regression algorithms (predicting real-valued labels)
Purpose:
automatic speech recognition, classification of text into several categories (e.g., spam/non-spam email messages), the automatic recognition of handwritten postal codes on postal envelopes, automatic recognition of images of human faces, or handwriting image extraction from medical forms
automatic speech recognition, classification of text into several categories (e.g., spam/non-spam email messages), the automatic recognition of handwritten postal codes on postal envelopes, automatic recognition of images of human faces, or handwriting image extraction from medical forms
From all above we can get a rough conclusion that Artificial Intelligence is a relatively “big” area while Machine Learning and Pattern Recognition are branches of it. Artificial Intelligence also contains other branches such as Robotics, Natural Language Processing.
As for Machine Learning and Data Mining, these two terms are commonly confused. They often employ the same methods and overlap significantly. They can be roughly defined as follows:
Machine learning focuses on prediction, based on known properties learned from the training data. It is concerned with concerned with algorithms whose performance at some task improves as it gains experience at that task
Data mining (which is the analysis step of Knowledge Discovery in Databases) focuses on the discovery of (previously) unknown properties on the data. It analysis data for the purpose of discovering unforeseen patterns or properties.
They both look to data and try to extract some value from it. The difference is ML’s goal is to reproduce the known knowledge or DM’s goal is to discover some unknown knowledge. Obviously they are interwind since some algorithms in ML can also be applied to DM.
Machine learning focuses on prediction, based on known properties learned from the training data. It is concerned with concerned with algorithms whose performance at some task improves as it gains experience at that task
Data mining (which is the analysis step of Knowledge Discovery in Databases) focuses on the discovery of (previously) unknown properties on the data. It analysis data for the purpose of discovering unforeseen patterns or properties.
They both look to data and try to extract some value from it. The difference is ML’s goal is to reproduce the known knowledge or DM’s goal is to discover some unknown knowledge. Obviously they are interwind since some algorithms in ML can also be applied to DM.
I used to made a robot concerning the issues on automatic following and navigation. it can be categorized to robotics which is a branch of Artificial Intelligence, while it also applied some Pattern Recognition methods. And Another program I joined was to build an agent based simulation, in which the ‘intelligent agent’ is also concerned to the AI issues. The field I’m now focusing on is the Recommender System and it is kind of Data Mining application using the machine learning tools.
References:
http://en.wikipedia.org/wiki/Machine_learning
http://en.wikipedia.org/wiki/Data_mining
http://en.wikipedia.org/wiki/Artificial_intelligence
http://en.wikipedia.org/wiki/Pattern_Recognition
https://www.quora.com/Whats-the-relationship-between-data-mining-and-machine-learning
Thứ Sáu, 16 tháng 5, 2014
10 đặc điểm cần cải thiện
1. Cần cù lao động song dễ thỏa mãn nên tâm lý hưởng thụ còn nặng.
2. Thông minh, sáng tạo, song chỉ có tính chất đối phó, thiếu tầm tư duy dài hạn, chủ động.
3. Khéo léo, song không duy trì đến cùng (ít quan tâm đến sự hoàn thiện cuối cùng của sản phẩm).
4. Vừa thực tế, vừa mơ mộng, song lại không có ý thức nâng lên thành lý luận.
5. Ham học hỏi, có khả năng tiếp thu nhanh, song ít khi học "đến đầu đến đuôi" nên kiến thức không hệ thống, mất cơ bản. Ngoài ra, học tập không phải là mục tiêu tự thân của mỗi người Việt Nam (nhỏ học vì gia đình, lớn lên học vì sĩ diện, vì kiếm công ăn việc làm, ít vì chí khí, đam mê).
6. Xởi lởi, chiều khách, song không bền.
7. Tiết kiệm, song nhiều khi hoang phí vì những mục tiêu vô bổ (sĩ diện, khoe khoang, thích hơn đời).
8. Có tinh thần đoàn kết, tương thân, tương ái, song hầu như chỉ trong những hoàn cảnh, trường hợp khó khăn, bần hàn. Còn trong điều kiện sống tốt hơn, giàu có hơn thì tinh thần này rất ít xuất hiện.
9. Yêu hòa bình, nhẫn nhịn, song nhiều khi lại hiếu chiến, hiếu thắng vì những lý do tự ái, lặt vặt, đánh mất đại cục.
10. Thích tụ tập, nhưng lại thiếu tính liên kết để tạo ra sức mạnh (cùng một việc, một người làm thì tốt, ba người làm thì kém, bảy người làm thì hỏng).
(sưu tầm)
3. Khéo léo, song không duy trì đến cùng (ít quan tâm đến sự hoàn thiện cuối cùng của sản phẩm).
4. Vừa thực tế, vừa mơ mộng, song lại không có ý thức nâng lên thành lý luận.
5. Ham học hỏi, có khả năng tiếp thu nhanh, song ít khi học "đến đầu đến đuôi" nên kiến thức không hệ thống, mất cơ bản. Ngoài ra, học tập không phải là mục tiêu tự thân của mỗi người Việt Nam (nhỏ học vì gia đình, lớn lên học vì sĩ diện, vì kiếm công ăn việc làm, ít vì chí khí, đam mê).
6. Xởi lởi, chiều khách, song không bền.
7. Tiết kiệm, song nhiều khi hoang phí vì những mục tiêu vô bổ (sĩ diện, khoe khoang, thích hơn đời).
8. Có tinh thần đoàn kết, tương thân, tương ái, song hầu như chỉ trong những hoàn cảnh, trường hợp khó khăn, bần hàn. Còn trong điều kiện sống tốt hơn, giàu có hơn thì tinh thần này rất ít xuất hiện.
9. Yêu hòa bình, nhẫn nhịn, song nhiều khi lại hiếu chiến, hiếu thắng vì những lý do tự ái, lặt vặt, đánh mất đại cục.
10. Thích tụ tập, nhưng lại thiếu tính liên kết để tạo ra sức mạnh (cùng một việc, một người làm thì tốt, ba người làm thì kém, bảy người làm thì hỏng).
Thứ Ba, 8 tháng 4, 2014
Những đức tính cần có
- Mạnh mẽ: Nếu bạn không thấy mình quan trọng và xứng đáng, đừng hy vọng đồng nghiệp của bạn sẽ thấy thế. Hãy tập đương đầu với các suy nghĩ tiêu cực, ngừng trông đợi vào sự chấp nhận của người khác cũng như buông bỏ mọi nỗi tức giận trong lòng.
- Suy nghĩ tích cực: Khi tích cực, bạn nghĩ về các giải pháp chứ không phải trục trặc, bạn sẵn sàng chấp nhận rủi ro, có xu hướng linh hoạt và suy nghĩ sáng suốt hơn.
- Làm việc đam mê: Điều này giúp bạn nâng cao hiệu quả làm việc, tập trung chú ý vào những việc đang làm để giúp bạn nổi bật.
- Vị tha: Các nhà lãnh đạo quan tâm nhiều hơn tới thành tựu của tập thể, ngay cả khi nó đối lập với những mục tiêu riêng của họ.
Thứ Ba, 25 tháng 3, 2014
Trẻ em Nhật và những bài học đạo đức thú vị
Rất ít người biết rằng trẻ em Nhật được hưởng một nền giáo dục vô cùng đặc biệt, chính điều đó đã khiến các em bé được học bao điều bổ ích, và trở nên vững vàng với những kiến thức và kỹ năng sống được trang bị ngay từ nhỏ.
Mẫu giáo
Các lớp học về đạo đức tại Nhật chính thức bắt đầu từ tiểu học, thế nhưng ngay từ mẫu giáo, trẻ em đã được học các quy tắc ứng xử căn bản. Người Nhật đặc biệt chú trọng các câu chào hỏi, xin lỗi, và cám ơn. Mỗi buổi sáng, trẻ xếp hàng trong lớp, trịnh trọng chào giáo viên trước khi bắt đầu ngày mới. Trong quá trình học và chơi, trẻ được hướng dẫn và nhắc nhở sử dụng các câu cám ơn và xin lỗi trong các tình huống phù hợp.
Các lớp học về đạo đức tại Nhật chính thức bắt đầu từ tiểu học, thế nhưng ngay từ mẫu giáo, trẻ em đã được học các quy tắc ứng xử căn bản. Người Nhật đặc biệt chú trọng các câu chào hỏi, xin lỗi, và cám ơn. Mỗi buổi sáng, trẻ xếp hàng trong lớp, trịnh trọng chào giáo viên trước khi bắt đầu ngày mới. Trong quá trình học và chơi, trẻ được hướng dẫn và nhắc nhở sử dụng các câu cám ơn và xin lỗi trong các tình huống phù hợp.
Trẻ em Nhật được học sử dụng các câu "cám ơn" và "xin lỗi" trong các tình huống phù hợp (Ảnh: Internet).
Đến giờ ăn, trẻ được phân công phục vụ đồ ăn cho các bạn: giáo viên sẽ múc thức ăn vào bát, đổ sữa vào ly; và trẻ sẽ bưng đến bàn của các bạn. Trẻ mặc đồng phục như một người chăm nuôi thật sự. Sau đó, những trẻ phục vụ của ngày sẽ tập trung đứng trước lớp và đồng thanh chúc các bạn ăn ngon miệng, và các bạn sẽ đồng thanh cám ơn. Trước khi ăn, người Nhật nói “Itadakimasu” (Tôi biết ơn vì được nhận đồ ăn), sau khi ăn sẽ nói ”Gochisosamadeshita” (Cám ơn vì bữa ăn), và hai điều này cũng được hướng dẫn ngay từ mẫu giáo.
Ngay từ mẫu giáo, trẻ em Nhật đã có kỹ năng xếp hàng (Ảnh: internet).
Trẻ em từ 3 tuổi trở lên được hướng dẫn tự ăn mà không cần người lớn bón, tự đem khay sau khi ăn đến nơi dọn dẹp, tự mặc quần áo, tự trải ga trải giường, tự gấp gối và nệm sau giấc ngủ trưa. Có thể nói, ngay từ cấp mẫu giáo, trẻ đã được học những bài học quan trọng đầu tiên về cách ứng xử lịch thiệp (lời cám ơn và xin lỗi), tinh thần trách nhiệm với công việc (mặc đồng phục), chia sẽ trách nhiệm trong tập thể (lần lượt đảm nhiệm việc phục vụ đồ ăn), và sự tự lập (tự phục vụ bản thân).
Tiểu học và Trung học
Ở tiểu học, trẻ em Nhật bản được học về hành vi trong đời sống hàng ngày, sự cảm nhận và phán đoán về đạo đức, pháttriển nhân cách và thái độ sáng tạo, sự nhận thức về tầm quan trọng của cách ứng xử văn minh.
Lên cấp hai, các chủ đề được mở rộng cho phù hợp với sự phát triển tâm lý của học sinh, bao gồm các chủ đề như cách phản ứng đối với lời phê bình, sự hiểu biết và tôn trọng giới tính, thái độ tôn trọng sự thật, v.v.
Đạo đức ở Nhật Bản là một môn học bắt buộc và được chú trọng nhưng lại không có giáo trình thống nhất. Điều này giúp thầy cô linh hoạt thiết kế bài giảng cho phù hợp với học sinh. Nhưng các chủ đề đạo đức trẻ em Nhật Bản được học phải bao gồm: phân biệt đối xử người thiểu số, tình bạn, bắt nạt học đường, vai trò giới tính, v.v.
Tiểu học và Trung học
Ở tiểu học, trẻ em Nhật bản được học về hành vi trong đời sống hàng ngày, sự cảm nhận và phán đoán về đạo đức, pháttriển nhân cách và thái độ sáng tạo, sự nhận thức về tầm quan trọng của cách ứng xử văn minh.
Lên cấp hai, các chủ đề được mở rộng cho phù hợp với sự phát triển tâm lý của học sinh, bao gồm các chủ đề như cách phản ứng đối với lời phê bình, sự hiểu biết và tôn trọng giới tính, thái độ tôn trọng sự thật, v.v.
Đạo đức ở Nhật Bản là một môn học bắt buộc và được chú trọng nhưng lại không có giáo trình thống nhất. Điều này giúp thầy cô linh hoạt thiết kế bài giảng cho phù hợp với học sinh. Nhưng các chủ đề đạo đức trẻ em Nhật Bản được học phải bao gồm: phân biệt đối xử người thiểu số, tình bạn, bắt nạt học đường, vai trò giới tính, v.v.
(Ảnh: Internet)
Hoạt động lớp học bao gồm các bài giảng, thảo luận các câu hỏi như “Liệu việc một người đàn ông khóc có được xem là hành vi được chấp nhận?”, “Nếu bạn ngồi một mình trong lớp, em sẽ làm gì?”, đến việc giải thích các thành ngữ, thăm quan bảo tàng, viết những lá thư ẩn danh miêu tả những điểm tốt về các bạn cùng lớp...
Ngoài ra, trẻ em Nhật Bản tùy độ tuổi còn được học cẩm nang hành động bao gồm những hành động nào nên làm và không nên làm. Ví dụ: Thấy bất kỳ nơi nào vòi nước chảy không người dùng, đóng vòi ngay; gặp quạt, gặp ánh sáng điện không người dùng, phải tắt điện ngay. Không được làm tổn hại đến những sản phẩm/ vật chất công cộng, vì thế ở Nhật Bản nhiều cây ăn trái chín trĩu quả, nhiều cây hoa cảnh khoe màu sắc hấp dẫn ở công viên, ở hai bên đường đi không hề mất một quả, không bị bẻ một bông đẹp...
Hoạt động ngoại khóa
Quan trọng không kém là việc giáo dục đạo đức thông qua các hoạt động ngoại khóa. Một trong những hoạt động phổ biến tại Nhật là việc tổ chức các Lễ hội thể thao trường mỗi năm, bắt đầu từ tiểu học. Tất cả học sinh được yêu cầu tham gia với tư cách vận động viên hay cổ động viên. Gia đình cũng được khuyến khích tham gia.
Ngoài ra, trẻ em Nhật Bản tùy độ tuổi còn được học cẩm nang hành động bao gồm những hành động nào nên làm và không nên làm. Ví dụ: Thấy bất kỳ nơi nào vòi nước chảy không người dùng, đóng vòi ngay; gặp quạt, gặp ánh sáng điện không người dùng, phải tắt điện ngay. Không được làm tổn hại đến những sản phẩm/ vật chất công cộng, vì thế ở Nhật Bản nhiều cây ăn trái chín trĩu quả, nhiều cây hoa cảnh khoe màu sắc hấp dẫn ở công viên, ở hai bên đường đi không hề mất một quả, không bị bẻ một bông đẹp...
Hoạt động ngoại khóa
Quan trọng không kém là việc giáo dục đạo đức thông qua các hoạt động ngoại khóa. Một trong những hoạt động phổ biến tại Nhật là việc tổ chức các Lễ hội thể thao trường mỗi năm, bắt đầu từ tiểu học. Tất cả học sinh được yêu cầu tham gia với tư cách vận động viên hay cổ động viên. Gia đình cũng được khuyến khích tham gia.
Trẻ em tiểu học Nhật đang được học nấu ăn (Ảnh: Internet).
Bắt đầu từ trung học, các trường tổ chức nhiều câu lạc bộ thể thao, âm nhạc, và các câu lạc bổ theo sở thích khác. Học sinh Nhật đặc biệt xem trọng các hoạt động ngoài giờ không kém các lớp học chính thức. Chính những hoạt động tập thể này sẽ giúp học sinh hiểu rõ về sự tập trung, nỗ lực vì bản thân, phát triển khả năng hợp tác và làm việc nhóm, cũng như cách giải quyết các mâu thuẫn tập thể.
Các hoạt động ngoại khóa... (Ảnh: internet).
... và thể thao là một trong những hoạt động quan trọng trong nhà trường (Ảnh: internet).
Ngoài ra, tất cả các hoạt động hàng ngày đều được các thầy cô lồng ghép môn học đạo đức vào đó để dạy học sinh. Trẻ em Nhật Bản không phân biệt trường công lập hay tư thục, trường nghèo hay trường giàu, thành thị hay thôn quê đều phải tham gia lau dọn trường lớp, lần lượt thay phiên trực nhật, quét dọn lớp học, và các khu vực công cộng như sân bóng rổ, cầu thang, hành lang lớp học... Các hoạt động này sẽ giúp học sinh hiểu về trách nhiệm với bản thân, chăm sóc người thân, và việc chia sẽ trách nhiệm với cộng đồng.
Trẻ em Nhật Bản không phân biệt trường nghèo hay trường giàu đều phải tham gia lao động với những việc vừa sức (ảnh: Internet).
Việc thứ hai trong hoạt động hằng ngày liên quan đến chăm sóc các sinh vật. Học sinh cho vật nuôi ăn hoặc tưới nước cho cây suốt năm học, nhiều khi cả trong kỳ nghỉ. Học sinh được làm quen và phát triển tình cảm đối với môi trường tự nhiên, động thực vật và nhờ vậy học cách trân trọng đời sống.
theo afamily.vn
Thứ Ba, 18 tháng 3, 2014
9 thói quen xấu xí giết chết sáng tạo
Quá cầu toàn, hay so sánh bản thân với người khác sẽ thui chột cảmhứng của bạn trong chớp nhoáng.
Bạn muốn thành công? Bạn cần phải có động lực thúc đẩy chính mình.Nhưng liệu bạn có biết rằng, những thói quen xấu xí mà bạn đang làm hằng ngày đã và đang trực tiếp giết chết cảm xúc của bạn không? Dưới đây là một số “thủ phạm” phổ biến nhất mà bạn nên đề phòng.
1. Mong muốn sự hoàn hảo
 |
Đừng theo đuổi sự hoàn hảo, hãy để nó theo đuổi bạn.
|
Theo đuổi sự hoàn hảo được xem là một trong những cách nhanh chóng nhất làm trôi tuột cảm hứng của bạn. Thông thường, để thay đổi bản tính cầu toàn của một người rất khó. Tuy nhiên, hãy làm chứ đừng chỉ nên để mọi thứ trong suy nghĩ. Cứ làm, và cứ sửa đổi dần dần, mọi thứ sẽ dần trở nên tốt hơn. Bạn nên nhớ, chẳng bao giờ có điều gọi là tốt nhất cả. Cứ làm mọi thứ tốt hơn còn hơn là chưa hoàn tất điều gì, đúng không?
2. So sánh bản thân mình với người khác
Nếu suốt ngày bạn chỉ chăm chăm lo so sánh bản thân mình với người khác, điều đó chỉ khiến bạn lãng phí thêm thời gian. Mỗi người có một tính cách, một ước mơ, một hướng đi riêng, liệu bạn có thấy việc so sánh quá khập khiễng?
Thay vào đó, hãy cố gắng làm tốt công việc của mình, tự nhủ mình đã làm hơn chính bản thân mình vào ngày hôm qua như thế nào. Ngoài ra, hãy cố gắng tranh thủ đọc sách, tìm hiểu thêm về những người giỏi và học hỏi về cách họ suy nghĩ, cách họ hành động để tự tìm ra cách thức làm việc tốt nhất cho mình.
Thay vào đó, hãy cố gắng làm tốt công việc của mình, tự nhủ mình đã làm hơn chính bản thân mình vào ngày hôm qua như thế nào. Ngoài ra, hãy cố gắng tranh thủ đọc sách, tìm hiểu thêm về những người giỏi và học hỏi về cách họ suy nghĩ, cách họ hành động để tự tìm ra cách thức làm việc tốt nhất cho mình.
3. Không tin vào chính mình
Nếu bạn không tin vào chính mình, thì liệu ai sẽ tin bạn đây? Bởi thực tế, chẳng ai có nghĩa vụ phải tin bạn cả. Bạn đã từng nghe đến câu nói: "Mất niềm tin là mất tất cả"?
Mỗi khi bạn cảm thấy xuống tinh thần, hãy nghĩ về những “chiến tích” mà bạn đã từng làm. Điều đó không đồng nghĩa với việc ngủ quên trên chiến thắng, chỉ đơn giản là bạn có quyền tự hào với những gì mình làm ra thôi. Hãy luôn biết cách tự động viên bản thân mình.
Mỗi khi bạn cảm thấy xuống tinh thần, hãy nghĩ về những “chiến tích” mà bạn đã từng làm. Điều đó không đồng nghĩa với việc ngủ quên trên chiến thắng, chỉ đơn giản là bạn có quyền tự hào với những gì mình làm ra thôi. Hãy luôn biết cách tự động viên bản thân mình.
4. Không có bất kỳ mục tiêu gì
Nếu bạn không có bất kỳ mục tiêu gì, sẽ không có điều gì thúc đẩy bạn tiến tới, bởi bạn không biết mình đang đi làm gì, đang đi đến đâu và sống để làm gì. Bạn cần phải tìm ra nơi mà bạn muốn đến và mục tiêu của bạn sẽ là cầu nối giúp bạn đến đó.
5. Làm quá nhiều thứ cùng một lúc
 |
Hãy để đầu óc mình tự do bay lượn, thay vì ôm đồm quá nhiều.
|
Cách tốt nhất để tìm thấy động lực cho chính mình để tập trung vào công việc là chỉ tập trung vào một thứ duy nhất. Nếu bạn có 100 dự án đang diễn ra cùng một lúc, bạn sẽ chẳng có tí tập trung nào để thực hiện, bởi suy nghĩ của bạn cứ đang xoay chuyển vòng vòng mà thôi. Vì vậy, hãy tập trung vào những gì ngay trong tầm tay của mình
6. Không khuyến khích chính mình
Hãy tự thưởng cho mình sau mỗi lần bạn đạt được một thành tích gì đó nhỏ nhỏ. Thay vì đợi chờ một ai đó đến bên và tặng mình một thứ gọi là hạnh phúc, tại sao bạn lại không tự tạo hạnh phúc cho chính mình? Bạn có quyền làm mọi thứ để bản thân cảm thấy thoải mái và tràn ngập cảm hứng cơ mà!
7. Quên nghỉ ngơi
Bạn không phải sinh ra là để làm một cỗ máy chuyên làm việc, cho dù bạn có “cuồng” công việc của bạn đến đâu. Hãy dành thời gian để nghỉ ngơi và sạc lại năng lượng cho ngày mới sắp.
Hãy nhớ rằng, bạn sinh ra để tận hưởng cuộc sống. Đôi khi để tâm trạng thoải mái sẽ giúp bạn tiếp cận công việc nhanh hơn và hiệu quả hơn đấy.
Hãy nhớ rằng, bạn sinh ra để tận hưởng cuộc sống. Đôi khi để tâm trạng thoải mái sẽ giúp bạn tiếp cận công việc nhanh hơn và hiệu quả hơn đấy.
8. Ngại tìm kiếm ý tưởng mới
Điều này không thực sự quá khó khăn như bạn nghĩ đâu. Hãy thay đổi tư duy của mình để có bước đột phá tiếp theo. Đọc sách, xem phim, có nhiều mối quan hệ hơn, gia nhập nhiều cộng đồng khác nhau với sự đa dạng về lĩnh vực sẽ giúp bạn có cái nhìn toàn diện và trọn vẹn hơn, cũng như tìm kiếm ra nhiều ý tưởng từ thực tế cuộc sống.
9. Bị phân tâm
 |
Bất kỳ ai trong chúng ta cũng đều có một thời điểm cảm-thấy-trống-rỗng và không muốn làm gì trong một ngày. Đó là khi bạn bị quá tải về lượng thông tin và công việc cần phải tiếp nhận và hoàn tất “deadline” mỗi ngày.
Cách tốt nhất để bạn có thể tránh xa trường hợp này là sắp xếp công việc sao cho hợp lý, tự đặt thời gian hoàn thành, tự phạt cho bản thân nếu không biết cách giải quyết ổn thỏa. Đừng để bất cứ thứ gì làm phiền bạn.
Cách tốt nhất để bạn có thể tránh xa trường hợp này là sắp xếp công việc sao cho hợp lý, tự đặt thời gian hoàn thành, tự phạt cho bản thân nếu không biết cách giải quyết ổn thỏa. Đừng để bất cứ thứ gì làm phiền bạn.
Yến Phượng
Ảnh: Weheartit, Tumblr
Ảnh: Weheartit, Tumblr
Thứ Hai, 10 tháng 2, 2014
“Viber xuất hiện gây xôn xao Viettel”
"Không phải vô cớ mà Steve Jobs luôn rất nhấn mạnh từ “đói khát”. “Đói khát” là động lực rất quan trọng của quá trình đổi mới sáng tạo."
"Ông có thể chia sẻ thẳng thắn vì sao Viettel lại thiếu sự sáng tạo, trong khi chính Viettel đã nhận ra cần thiết phải có nhiều những ước mơ, sáng tạo?
Thứ nhất, khi chúng ta thành công rồi thường có tâm lý muốn nghỉ ngơi.
Thứ hai, thành công thường khẳng định tôi là người giỏi, nên kinh nghiệm ngày hôm qua tiếp tục áp dụng vào ngày hôm nay. Nhưng ngày hôm nay không giống ngày hôm qua, nên đó là tai họa.
Thứ ba, thành công rồi, hết khó khăn rồi thì tổ chức thường không còn chụm đầu vào nhau. "
Phó tổng giám đốc Viettel nói tập đoàn này đã đến lúc cần một cú hích để đổi mới, sáng tạo...
Thiếu tướng Nguyễn Mạnh Hùng, Phó tổng giám đốc Tập đoàn Viễn thông Quân đội (Viettel).
Từ cuối năm 2013, Viettel đã bắt đầu nghĩ đến việc mua các công ty sáng tạo, vì nếu mua được các công ty này thì Viettel sẽ sáng tạo nhanh hơn, đổi mới nhanh hơn.
Trong cuộc trò chuyện với VnEconomy và báo giới một ngày sắp chuyển giao giữa năm cũ và năm mới 2014, Thiếu tướng Nguyễn Mạnh Hùng, Phó tổng giám đốc Tập đoàn Viễn thông Quân đội (Viettel) cho biết thông tin trên. "Viettel hôm nay cũng đã bắt đầu ì ạch và chúng tôi cần một cú hích, một sự đe doạ về doanh thu suy giảm nhanh để đổi mới, để sáng tạo", ông nói.
Cụ thể, sự chậm chạp đổi mới của Viettel là như thế nào, thưa ông?
Hiện miếng bánh "alô" của các doanh nghiệp viễn thông đang bị co lại. Các doanh nghiệp viễn thông hoặc là muốn cản trở quá trình này, làm cho tốc độ nhỏ đi của miếng bánh chậm lại, hoặc có cách ứng xử thứ hai tích cực hơn là đi tìm cái mới, miếng bánh mới. Viettel chọn cách thứ hai.
Thực ra, Viettel đã chủ động đi tìm miếng bánh mới từ cách đây hơn nửa thập kỷ khi chúng tôi đầu tư ra nước ngoài. Hiện giờ Viettel đến được 9 quốc gia, đó là những nơi có mật độ điện thoại đang thấp hoặc đất nước đó đang còn ít công ty viễn thông thì Viettel vào làm công ty thứ 3, thứ 4.
Nhưng, những cơ hội đó giờ cũng không còn. Thế giới bây giờ, mật độ điện thoại đã lên tới 96%, có nghĩa là, nếu tiếp tục đầu tư nước ngoài bằng nghề điện thoại thì không còn cửa. Viettel hôm nay cũng đã bắt đầu ì ạch và chúng tôi cần một cú hích, một sự đe doạ về doanh thu suy giảm nhanh để đổi mới, để sáng tạo.
Không phải vô cớ mà Steve Jobs luôn rất nhấn mạnh từ “đói khát”. “Đói khát” là động lực rất quan trọng của quá trình đổi mới sáng tạo. Bởi vậy, sự co lại của "alô" là một cơ hội, một cú hích cho Viettel.
Cú hích đó đã và đang tác động đến Viettel như thế nào?
Viettel đã nhìn thấy thị trường rất rộng lớn của miếng bánh mới, đó là tích hợp công nghệ thông tin cùng viễn thông vào thiết bị điện tử chuyên ngành. Công thức này có thể ứng dụng vào mọi lĩnh vực của đời sống xã hội. Ví dụ như câu chuyện trừ tiền điện theo giờ. Giờ cao điểm giá cao, giờ thấp điểm giá thấp, điện giờ cao điểm thì thiếu, giờ thấp điểm về đêm thì thừa, chỉ cần cắm sim vào công tơ điện và cài đặt phần mềm là chúng ta làm được.
Hay, một lĩnh vực khác cũng rất cần được triển khai sớm đó là y bạ điện tử. Chúng ta đi khám mất nhiều tiền, song một thời gian thường không để ý và vứt đi các xét nghiệm. Khi đi khám lần sau, lại chụp lại, nhưng không có so sánh của quá khứ, vừa khó cho bác sĩ lại khó cho chính bệnh nhân. Y bạ điện tử có nghĩa là dù 30 năm hay 50 năm thì chúng ta vẫn lưu lịch sử mỗi lần khám. Ở các nước tiên tiến, người ta còn đã sản xuất các thiết bị y tế đeo tay…
Những ví dụ trên để thấy rằng, khi nhà mạng bắt đầu “đói” sẽ bắt đầu đi tìm những mảnh đất mới và những mảnh đất này làm cho đất nước tốt lên, các lĩnh vực sẽ "thông minh" hơn. Bình thường chúng ta sẽ không làm, không thay đổi nếu không “đói khát”. Đó là điều tự nhiên của con người.
Ngành viễn thông 100 năm nay mới bắt đầu “đói khát”. Ngành này đã trở nên quá cũ kỹ khi quá lâu vẫn bán một dịch vụ là thoại và tin nhắn. Song, đã đến lúc “đói khát” và viễn thông buộc phải đổi mới và sáng tạo.
Viettel nhìn ra sự “đói khát” và buộc phải đổi mới, sáng tạo là khi nào?
Đó là từ khi có Viber.
Viber xuất hiện gây xôn xao Viettel. Viettel thì bỏ ra 2-3 tỷ USD đầu tư, còn Viber chi phí đầu tư gần như bằng 0. Không chỉ vậy, chúng tôi còn mất biết bao nhiêu năm xây dựng mạng lưới, vậy mà có một công ty chỉ chưa đến trăm người viết ra Viber, lấy hết của mình. Nhiều nước trên thế giới đã áp dụng nhiều biện pháp để cấm các doanh nghiệp OTT. Nhưng Viettel lại nhìn đó là cú hích để mình thay đổi.
Nhưng, Viettel giờ rất to và cồng kềnh, liệu có thay đổi nhanh và kịp không, trong khi các công ty nhỏ như Viber, Kakao hay Zalo… nhỏ nhưng lại xoay xở nhanh?
Tại sao ông to lại không hành động như ông nhỏ được? Giờ Viettel có 25 nghìn người, bắt đầu làm công tơ điện tử. Nhưng làm công tơ điện thì cũng chỉ mất 5-10 người thôi, còn 25 nghìn người vẫn là những người đi bán hàng. Vậy, quá trình đổi mới sáng tạo không có nghĩa xảy ra vào một buổi sáng thức dậy ở 25 nghìn người, mà trước mắt nó chỉ cần ở số ít thôi.
Ngoài ra chúng ta cần khẳng định rằng bản chất của sáng tạo là sự phá hủy cái cũ đã cũ kỹ, lỗi thời. Và điều này phụ thuộc rất nhiều vào người lãnh đạo.
Ông có thể chia sẻ thẳng thắn vì sao Viettel lại thiếu sự sáng tạo, trong khi chính Viettel đã nhận ra cần thiết phải có nhiều những ước mơ, sáng tạo?
Thứ nhất, khi chúng ta thành công rồi thường có tâm lý muốn nghỉ ngơi.
Thứ hai, thành công thường khẳng định tôi là người giỏi, nên kinh nghiệm ngày hôm qua tiếp tục áp dụng vào ngày hôm nay. Nhưng ngày hôm nay không giống ngày hôm qua, nên đó là tai họa.
Thứ ba, thành công rồi, hết khó khăn rồi thì tổ chức thường không còn chụm đầu vào nhau.
Khi thấy những nguy cơ ấy, tổ chức phải tìm ra lời giải mới đi tiếp được. Ví dụ, phải để người khác đánh mình, mình gặp thế khó, và tổ chức lại phải chụm đầu bàn bạc như thủa ban đầu khó khăn. Khi tổ chức bị suy giảm doanh thu thì phải tìm nguồn tăng trưởng mới. Nghề chính bị người khác lấy mất thì chúng ta phải có nghề mới. Đó là cách để phát triển.
Nhưng khi mà chưa sáng tạo kịp cũng như thế giới và trong nước đã và đang có rất nhiều công ty sáng tạo đang tác động trực diện tới Viettel, thì các ông có tính tới việc mua các công ty sáng tạo, kiểu như các công ty OTT?
Từ cuối năm 2013, Viettel bắt đầu nghĩ đến việc này, bởi nếu mua được các công ty sáng tạo thì Viettel sẽ sáng tạo nhanh hơn, đổi mới nhanh hơn. Một công ty chuyên về "alô", hàng trăm năm chỉ có một sản phẩm thì sẽ rất khó khăn và chậm chạp trong quá trình đổi mới, sáng tạo.
Tất nhiên, nếu mua các công ty OTT, Viettel sẽ đặt các công ty này nằm ngoài Viettel Telecom - công ty kinh doanh dịch vụ viễn thông truyền thống, và trở thành một đơn vị độc lập. Phải gây sức ép cho Viettel Telecom bằng cách để cho các công ty trong nội bộ cạnh tranh trực tiếp với nhau. Bởi vì Viettel Telecom cũng sẽ phải cạnh tranh với nhiều công ty OTT khác. Đây cũng là cơ hội để Viettel Telecom đổi mới.
Ông đánh giá như thế nào về những thách thức của Viettel trong năm 2014 và Viettel đặt ra cho mình những mục tiêu gì?
Khó khăn lớn nhất là Viettel đang rất thành công. Thứ hai là phải sáng tạo những dịch vụ mới mà Viettel chưa biết gì. Và thứ ba, Viettel phát triển nhanh nhưng tính hệ thống, tính chuyên nghiệp chưa cao.
Nếu không làm tốt hơn trong những năm tiếp theo thì nguy hiểm cho cả hệ thống. Năm 2014 Viettel dự kiến thuê tư vấn nước ngoài thiết kế lại các quy trình chuyên nghiệp hơn, nhưng phải đảm bảo điều kiện là không giết chết sự sáng tạo ở Viettel.
Năm nay Viettel cũng xác định sẽ đẩy các dịch vụ ngoài alo tỷ trọng tăng gấp đôi. Cơ cấu doanh thu của các dịch vụ cơ bản năm 2014 dự kiến đạt dưới 70
%
%
Thứ Ba, 4 tháng 2, 2014
Chọn nghề - quyết định quan trọng cả đời
1. Xác định thế mạnh của bạn phù hợp với công việc bạn mơ ước
Bạn cần hết sức thực tế khi xác định công việc yêu thích của mình. Hãy tự hỏi bạn thích làm việc gì nhất. Điều quan trọng là bạn cần có thế mạnh và khả năng phù hợp với yêu cầu của công việc này. Ví dụ, nếu bạn thích gặp gỡ nhiều người và có khả năng giao tiếp tốt, bạn có thể hướng mình phát triển ở lĩnh vực quan hệ công chúng. Hoặc nếu bạn giỏi môn toán và yêu thích công việc tính toán, bạn có thể nghĩ đến nghề nghiệp trong lĩnh vực tài chính, đầu tư hay ngân hàng.
Bạn cũng nên cân nhắc những điều bạn không thích, thậm chí là ghét nhất bởi vì nhiều công việc có vẻ rất thú vị nhưng lại có một số yếu tố không phù hợp với bạn.
2. Điều gì quan trọng nhất đối với bạn?
Thu nhập cao, cơ hội phát triển nghề nghiệp, cả hai, hay còn điều gì khác nữa? Bạn nên cân nhắc kỹ việc bạn mong muốn gì ở công việc trong tương lai. Đa số nhân viên có xu hướng chọn những công việc có cơ hội phát triển nghề nghiệp bởi vì sớm hay muộn họ sẽ có thu nhập cao hơn từ những cơ hội như thế.
3. Đánh giá hướng phát triển của ngành nghề bạn muốn theo đuổi
Bạn hãy tìm hiểu thật kỹ hướng đi lâu dài của ngành nghề mà bạn dự định theo đuổi. Bạn có thể sẽ phải đối mặt với những rủi ro nào? Trong trường hợp ngành nghề yêu thích của bạn có một tương lại khá mờ mịt trong vòng 5 – 10 năm tới (bạn có thể dựa vào những số liệu thống kê trên các phương tiện truyền thông hay dùng khả năng phán đoán của mình để xác định), bạn nên chuyển hướng sang ngành nghề khác có khả năng phát triển tốt hơn.
4. Quyết định chọn nghề
Có thể bạn có nhiều lựa chọn cho sự nghiệp trong tương lai; nhưng bạn phải xác định được công việc nào thật sự quan trọng và hấp dẫn nhất đối với bạn. Bạn nên so sánh giữa điều lợi và bất lợi của từng lựa chọn để đưa ra quyết định đúng đắn.
Có một cách đơn giản giúp bạn đấy: bạn hãy lên một danh sách liệt kê những lợi thế và những bất lợi của công việc bạn yêu thích. Khi đó bạn sẽ so sánh dễ dàng hơn. Bạn cũng có thể tham khảo ý kiến của những người có kinh nghiệm để có được những lời khuyên hữu ích.
Hãy nhớ rằng, một quyết định trước đây không bao giờ ràng buộc bạn mãi mãi. Trong quá trình làm việc, có thể bạn sẽ mong muốn phát triển theo một hướng khác, vì thế, đừng ngại thay đổi. Luôn có những cơ hội mới đang chờ đón phía trước giúp bạn tìm hướng đi phù hợp nhất cho mình.
S.T (Depplus.vn/MASK)
Đăng ký:
Bài đăng (Atom)