【精華】學(xué)習(xí)的演講稿范文合集4篇
演講稿要求內(nèi)容充實，條理清楚，重點突出。在發(fā)展不斷提速的社會中，演講稿與我們的生活息息相關(guān)，那么你有了解過演講稿嗎？以下是小編精心整理的學(xué)習(xí)的演講稿5篇，歡迎閱讀與收藏。
學(xué)習(xí)的演講稿 篇1
大家好，今天非常高興、非常榮幸能參加這樣一個盛會。今天我給帶來的演講是我的一點學(xué)習(xí)心得，題目叫做自學(xué)習(xí)的人工智能。首先大家都知道在60周年之際，我們首先應(yīng)該記住的是這位人工智能的先驅(qū)，圖靈。在他的問題的感召下，我們就有了今天這樣的一個盛會和今天人工智能的飛速發(fā)展。他的問題，機器可以思維嗎?可以從不同的維度來解釋，那么首先人類對人工智能的一個探索也可以圍繞對問題不同解釋的探索。
第一個探索，應(yīng)該說是在邏輯層面的探索。60年代人工智能的這些先驅(qū)就考慮用邏輯和搜索來研究人工智能，比如下棋、推理，比如說可以去做路徑規(guī)劃等等。那么他們有一個很強的假設(shè)，這個假設(shè)應(yīng)該說從某種程度上來說是非常直觀的。智能包括計算機可能賦予的智能，是來自于計算物理符號的排列組合，我們只要能很聰明的把這些物理符號排列組合的話，人類是可以從一系列的零和一的組合來得到。有了一些成就之后也發(fā)現(xiàn)這樣的假設(shè)是有它的瓶頸的。在之后大家又有一部分人著力于研究能夠有學(xué)習(xí)功能的人工智能，就有不同的學(xué)習(xí)算法，機器學(xué)習(xí)的計算法被研究出來。其中包括大家都熟悉的人工神經(jīng)網(wǎng)絡(luò)。
人工智能的幾個里程碑我們現(xiàn)在也很熟悉，第一個大家公認(rèn)的是里程碑是深藍(lán)，這個比賽意味著幾件事。一個是說在大規(guī)模的搜索的狀態(tài)下，在可能的狀態(tài)空間的搜索，實際上是一個在物理符號的空間的排列組合。也就是說在60年代人們的那些假設(shè)有一部分是正確的，我們確實可以從這種搜索和物理符號的排列組合獲得很多的智能。
緊接著的階段是，知識就是力量，這是隨著互聯(lián)網(wǎng)和大數(shù)據(jù)到來的一個熱潮，從網(wǎng)上，從不同的媒體我們會獲得很多數(shù)據(jù)，把這些數(shù)據(jù)經(jīng)過沉淀變成知識，我們就可以贏得像這樣一個電視大賽中的人機對戰(zhàn)。
這個之后，剛剛芮勇博士也深入的回顧了一下最近的人工智能的突破，就是深度神經(jīng)網(wǎng)絡(luò)。深度神經(jīng)網(wǎng)絡(luò)的突破從計算上來說有幾個好處，其中一個好處是說它把一個全局計算的需求變成一個本地計算的需求，在做到這樣的一個同時呢，又不失掉很多的信息，這個是計算機里面無數(shù)成就的一個中心點。這樣的一個成功就使得我們能夠在不同的層次來觀察同一個數(shù)據(jù)，同樣就可以獲得我們所謂的大局觀。就像這個圖，我們在不同的層次可以得到不同的特征。
這里我們要特別強調(diào)的是人工智能也在另外一個方面潛移默化的默默的在耕耘，這個就叫做強化學(xué)習(xí)。強化學(xué)習(xí)應(yīng)該說是用來做人工智能規(guī)劃的有力工具，但不是唯一的規(guī)矩。規(guī)劃這個領(lǐng)域相對深度學(xué)習(xí)應(yīng)該說更古老，研究的力度也很多。但在很長時間一段處于靜默狀態(tài)，這個原因是因為它在計算上有很大的瓶頸，不能有很大得數(shù)據(jù)量。一個例子就是強化學(xué)習(xí)在很長時間以來只能解決一些玩具型的問題，非常小的數(shù)據(jù)。但是最近的一個突破是Google的DeepMind，把深度學(xué)習(xí)和強化學(xué)習(xí)合在一起，這樣的一個議題使得很多強化學(xué)習(xí)所需要突破的瓶頸，就是狀態(tài)的個數(shù)能隱藏起來。這種隱藏就使得強化學(xué)習(xí)能夠大規(guī)模的應(yīng)付數(shù)據(jù)，就是說應(yīng)付大數(shù)據(jù)。它突出的一點叫做端到端的學(xué)習(xí)，就是說我們在這里看到一個計算機的游戲，這個游戲的影像是輸入端，輸出端就是你要進行的下一個動作。這個動作是正確還是不正確，到最后會獲得一個反饋，這個反饋不一定是現(xiàn)在得到，也許是后面幾步得到的。這一點和我們剛剛講的深度學(xué)習(xí)在圖像上面的應(yīng)用，就大不一樣。就更加復(fù)雜，更加契合人的行為，所以強化學(xué)習(xí)也是下一個突破。
我們看到這種端到端的深度學(xué)習(xí)，應(yīng)用在強化學(xué)習(xí)上，使得DeepMind到今天在很古老的單人的計算機游戲上已經(jīng)把人類完全擊倒，它做到這樣是通過完全的自學(xué)習(xí)，自我修煉、自我改正，然后一個一個迭代。這個就是它迭代的一些結(jié)果，從左到右是一個時間軸，從下到上是它得到的效果。我們看到每一個游戲它的要求都是在不斷成長的，就像我們一個學(xué)生在學(xué)習(xí)的過程當(dāng)中學(xué)到的知識越來越多，這個完全是自我實現(xiàn)，一個自學(xué)習(xí)的過程。
包括現(xiàn)在的AlphaGo也應(yīng)用了很多自學(xué)習(xí)的這種效果，使得我們現(xiàn)在終于認(rèn)清原來人工智能從60年代到20xx年的物理符號的假設(shè)，也就是說以搜索為中心，以邏輯為中心的這種努力并沒有白費，這種努力也是需要的。另外學(xué)習(xí)也是必不可少的，像我們熟知的深度學(xué)習(xí)。所以AlphaGo對我們的啟示，就是我們把兩者結(jié)合起來，才是一個完整的智能機器。這個我們可以叫做人工智能的通用性，也就是說我們對于這兩個技術(shù)的某種結(jié)合，比方說多一點搜索，少一點機器學(xué)習(xí)，或者反之我們夠可以得到用來解釋不同的人類的智能行為。這種通用型，端到端的學(xué)習(xí)，可以用這個例子來表達(dá)。就是這個雞可以吃不同的食物，但是它下的蛋都是對人類有用的。
這里我要特別提到一點，我們并不是找到了最后的目標(biāo)，這也是在不同的人工智能、強化學(xué)習(xí)，等等之類的實驗當(dāng)中我們發(fā)現(xiàn)一個特點。就是我們不能完全的依靠機器去全部自動化的自我學(xué)習(xí)，至少到現(xiàn)在我們還沒有摸索出這樣一個路徑。這里是大學(xué)的例子，中文是永動機器學(xué)習(xí)，就是說這個機器不斷的在網(wǎng)上爬一些網(wǎng)頁，在每個網(wǎng)頁里面都學(xué)到一些知識，把這些知識綜合起來，變成幾千萬條知識，這些知識又會衍生新的知識。那么我們看到從下到上是隨著時間，知識量的增長。那么它到了某一個程度實際上是不能再往上走了，因為知識會自我矛盾。這個時候就需要人進來進行一部分的調(diào)節(jié)，把一部分不正確的知識去掉，讓它繼續(xù)能成長。這個過程為什么會發(fā)生呢?是因為機器學(xué)習(xí)一個很嚴(yán)重的現(xiàn)象，就是自我偏差，這種偏差就可以體現(xiàn)在這種統(tǒng)計學(xué)的一個重要的概念，就是我們獲得的數(shù)據(jù)也許是一個有偏數(shù)據(jù)，我們可能建了一個模型，對大部分的數(shù)據(jù)都有用，但其中有一些特例。我們?nèi)绾蝸硖幚磉@些特例，如何來處理我們訓(xùn)練數(shù)據(jù)和應(yīng)用數(shù)據(jù)之間的偏差，這個是我們下一步要研究的內(nèi)容。
一個非常有希望的技術(shù)叫做遷移學(xué)習(xí)，比方說這個是在深度學(xué)習(xí)的模型上，在上面這一部分是一個領(lǐng)域已經(jīng)訓(xùn)練好的模型。那么在一個新的領(lǐng)域，如果這兩個領(lǐng)域之間有某種聯(lián)系、某種相似性的話，我們就不一定在新的領(lǐng)域需要那么多的數(shù)據(jù)來學(xué)習(xí)，你只需要一小部分。我們之所以能做到這一點是我們可以把大部分的模型給遷移過來，我們?nèi)擞羞@種能力，但是我們在做這種數(shù)據(jù)遷移的過程中，我們一定要牢記把這種有偏的數(shù)據(jù)偏差給消除掉。如果能做到這點我們就能做到不同形式的數(shù)據(jù)之間的知識遷移，比方說我們可以讓一個計算機來讀很多文字，這樣的一個計算機去識別圖像，應(yīng)該比沒有讀這些文字，直接去學(xué)習(xí)圖像來的要容易。這個就更像我們?nèi)祟惖膶W(xué)習(xí)。這種學(xué)習(xí)也離不開從下到上，從粗到細(xì)這樣的一種特征的選擇。
所以我們又得到另外一個概念，就是特征工程。深度學(xué)習(xí)給我們的一個有力的工具是能夠自動的進行不同層次，進行大規(guī)模的新特征的抽取和特征的制造。那么這種特征在搜索引擎、廣告系統(tǒng)上面，可以達(dá)到萬億級，也就是說這個已經(jīng)完全不是人類所可以控制的級別了。那么智能在這樣的級別上才可以產(chǎn)生。
但是現(xiàn)在人工智能仍然有一些困境，比方說如何能夠讓人工智能來深層的理解文字，有一個著名的類似于圖靈測試的比賽，深層次理解文字，這個是在自然語言上問一些有歧異的問題，計算機如果要能正確的回答這個問題，那個模型不僅僅理解這些文字，而且要理解深層的背景文字，要理解周邊的文字，有很多文化在里面，如何能達(dá)到這一點?也是我們需要解決的。
同時深度模型還可以把它反轉(zhuǎn)，成為一種生成膜型。它不僅可以去對數(shù)據(jù)做一個決策，它還可以自己產(chǎn)生數(shù)據(jù)，可以產(chǎn)生新的數(shù)據(jù)。比方說這個是Google的一些研究員把一個深層模型里面的感知最深刻的那些圖像給描述出來，結(jié)果是這樣的，就非常有趣的生成膜型。
剛剛講的不同數(shù)字格式之間，文字和圖像之間，如果在深層實際上它們的區(qū)別已經(jīng)消失了。那這樣我們就可以對圖像去問文字的問題，甚至對文字去問圖像的問題。這樣數(shù)據(jù)的形式也就不重要了。
如果我們達(dá)到了遷移學(xué)習(xí)的要點，我們想問下一步是不是可以把所有人類經(jīng)歷過的'這些學(xué)習(xí)的任務(wù)給沿著時間軸串起來，能夠讓機器向人一樣的，它的學(xué)習(xí)能力，它的智能在不斷的增長，隨著時間。那么它所需要學(xué)習(xí)的努力程度，樣本數(shù)也是逐漸減少的。這個也是我們在努力的一個方向。
另外最近發(fā)表了一篇文章也說明了遷移學(xué)習(xí)的重要性。這個文章叫做bayesianprogram learning，這是從一個例子就能學(xué)會，我們知道深度學(xué)習(xí)是千萬個例子的。實際上它用了我們過去沒有涉及到的概念，就叫做結(jié)構(gòu)，如果我們了解了一個問題的結(jié)構(gòu)，那么這個結(jié)構(gòu)的一個具體的形式只用一個例子就可以學(xué)會了。其他的部分，需要很多例子的那一部分可能是參數(shù)、統(tǒng)計，這一部分我們實際上可以通過遷移學(xué)習(xí)來學(xué)習(xí)。也就是說整個這個圓就圓滿了，就是一個閉環(huán)了。
同時人工智能的應(yīng)用也不僅僅是在圖像方面，這里的一個例子是亞馬遜的倉儲機器人。亞馬遜的倉儲機器人是在一個很大的空間，這些機器人會把這些貨架，每個貨架上面都有不同的貨品，把這些貨架偷到工人的面前，讓工人從貨架上面拿所需的貨品到箱子里面，然后快遞給客戶。為什么是這樣呢?因為現(xiàn)在的機器人技術(shù)在選擇，從貨架上選擇物體還遠(yuǎn)遠(yuǎn)不如人的熟練程度，但是它在路徑規(guī)劃，在機械的啟動、抬起、放下已經(jīng)超過人了。所以亞馬遜的就很聰明的把機器的優(yōu)點和人的優(yōu)點結(jié)合在一起，變成一個新的商業(yè)模式。如果過去建一個倉儲在支持這個城市亞馬遜所有的物流的話，需要三個月時間，他用了這個把所有的傳送帶拆掉，變成機器人以后只用三天時間，這個收益是非常巨大的，也就是我們可以借鑒，可以拓展的一個經(jīng)驗。
下面要講的，不僅在機器人，在圖像識別，實際上在我們的生活當(dāng)中，人工智能已經(jīng)深入了。這里舉的一個例子是我和我的一個學(xué)生戴文淵，建的一個公司，第四范式，這個公司可以讓過去在金融領(lǐng)域只能由人來服務(wù)重要的客戶，由人工智能來把這個能力拓展到幾千萬人，讓每個人都享受到優(yōu)質(zhì)的金融服務(wù)。這是一個非常大的工程。它背后的技術(shù)就是機器學(xué)習(xí)，我們所熟知的深度學(xué)習(xí)、知識學(xué)習(xí)、強化學(xué)習(xí)。
最后我要說幾點，我們看到這么多人工智能的努力，人工智能的有失敗的時候，有成功的時候，我們到現(xiàn)在能總結(jié)出什么經(jīng)驗?zāi)?我覺得現(xiàn)在的人工智能的成功離不開高質(zhì)量的大數(shù)據(jù)，但是并不是未來的人工智能的成功一定需要大數(shù)據(jù)。那么我們下面要問是不是在未來有小數(shù)據(jù)也可以讓人工智能成功，這就是今天我覺得在大學(xué)里面應(yīng)該做的一個研究，在工業(yè)上大家還在開疆拓土，利用大數(shù)據(jù)的優(yōu)勢在發(fā)現(xiàn)新的應(yīng)用利于。
第二個，就是要培養(yǎng)出更多的人工智能的人才。這些人才才可以來設(shè)計算法，這個也是我們今天在大學(xué)里面需要努力的一個方向。當(dāng)然這些都離不開計算能力。
所以從這幾點上來看人工智能的努力也不是像有些人說的，今天的人工智能的發(fā)展完全在工業(yè)，人工智能的發(fā)展也應(yīng)該一部分依靠大學(xué)，一部分依靠工業(yè)。就像我們所說的大數(shù)據(jù)和人才的培養(yǎng)，小數(shù)據(jù)的研究。那么大數(shù)據(jù)的開疆拓土更多的應(yīng)用，和更多的計算能力，確實來自于工業(yè)。所以這兩種結(jié)合我覺得是我們今后發(fā)展的一個方向。
最后我要說一點，就是說我們應(yīng)該說已經(jīng)了解很多深度學(xué)習(xí)了，這個可以作為我們昨天的一個成就。那么今天我們在剛剛開始去獲得強化學(xué)習(xí)的一個紅利，那么這個可能還不是在很多的領(lǐng)域得到應(yīng)用的，但是我要告訴大家的是，強化學(xué)習(xí)比大家想象的要更有用，比方說它不僅僅是在圍棋或者是在計算機游戲上。在金融，在我們?nèi)粘Ｉ町?dāng)中，甚至在教育上，機器人的規(guī)劃都離不開強化學(xué)習(xí)。那么這些應(yīng)該說都是富人的游戲，也就是說只有富人才能有這么多的大數(shù)據(jù)，有這么多的計算量去支持深度學(xué)習(xí)和強化學(xué)習(xí)這樣的實際應(yīng)用。那么我們明天要看到的應(yīng)該是遷移學(xué)習(xí)，因為遷移學(xué)習(xí)能夠讓我們把大數(shù)據(jù)得到的模型遷移到小數(shù)據(jù)上面，使得千千萬萬的人都能夠受益，也就是說人人都能享受人工智能帶來的紅利。我今天講到這兒，謝謝大家。
學(xué)習(xí)的演講稿 篇2
1.勤奮出不了天才
聽了這句話大家就奇怪了:不是總說勤奮出天才嗎 連愛迪生都說“天才是百分之九十九的汗水加百分之一的靈感.”
其實大家都被愛迪生的這“半句話”誤導(dǎo)了!這樣的結(jié)果只能是忙碌一生,而毫無意義.愛迪生的這句話后面還有,那就是:“但那百分之一的靈感比那百分之九十九的汗水更重要.”
成就天才如此,學(xué)習(xí)亦是如此.我們只有將自己的學(xué)習(xí)運用于學(xué)習(xí)之中,才能駕駛好學(xué)習(xí)這條大船,在知識的海洋里乘風(fēng)破浪.至于學(xué)習(xí)的靈感從哪來,那就得靠大家在自己的學(xué)習(xí)過程中慢慢醞釀了……
但大家要記住一點:勤奮出不了天才,但天才必須得勤奮.
2.聰明的人懂得說;智慧的.人懂得聽;高明的人懂得問. 在學(xué)習(xí)中,你的腦子里首先得進三個字----為什么!牛頓被樹上掉下來的蘋果砸到,他問了個 “為什么”,于是他發(fā)現(xiàn)了萬有引力;枷利略在聽說了鐵球落地快慢由其質(zhì)量決定后, 他問了個“為什么”,于是他發(fā)明了“兩個鐵球同時落地”.瓦特看到開水后,壺蓋跳了起來, 他問了個“為什么”,于是他發(fā)明了蒸汽機……聰明的人懂得說;智慧的人懂得聽;高明的人懂得問.
會問的人,往往收獲最大.
3.你再強也不要和別人比,你再弱也要和自己比,你挑戰(zhàn)過了自己,把以前的自己比下去了,你就會收獲比別人強.
“沒有比較就沒有鑒別,那是局外人的看法;我們是局內(nèi)人,聰明點兒,挑戰(zhàn)贏了自己,別人也不在話下.此乃“比”的哲思也.
4.將分?jǐn)?shù)排在“第一位”-----倒數(shù)第一位
許多同學(xué)都把分?jǐn)?shù)視為自己的命根,這樣做的結(jié)果往往是傷精勞神,并患上“拒考癥”,自負(fù)者向自卑前進, 自卑者更進一步.這樣只會埋沒一批又一批的人才. 有一位德國人對我們中國人說:“你們學(xué)生的書比我們多,考試成績比我們好,但你們還是要買我們的技術(shù)我們的產(chǎn)品.”
如果我們學(xué)習(xí)是為了成績,那學(xué)習(xí)就喪失了它的本來意義.我們學(xué)習(xí)就是在我們的成長作一個鋪墊,他教我們的是學(xué)習(xí)知識的方法,讓我們掌握所學(xué)的內(nèi)容,而不是 “死讀書”,只為成績單的好看.考試只是一個過程,掌握知識的多少是我們自己的問題,分?jǐn)?shù)并不代表一切,畢竟“人有失分,馬有失蹄.”
將分?jǐn)?shù)踩在腳下,認(rèn)真學(xué)習(xí)你所學(xué)的知識.
掌握才是王道……
學(xué)習(xí)的演講稿 篇3
各位領(lǐng)導(dǎo)、各位同事：
這些天， 一股熱流影響了大地--------這股熱流就是讀《向解放軍學(xué)習(xí)》。
讀著這本書，作者張建華先生的字里行間，無不在我內(nèi)心深處產(chǎn)生共鳴，掩卷沉思，感受至深！與其說這本書是一部管理學(xué)著作，不如說是為我們農(nóng)電工量身定做的
優(yōu)秀教材。解放軍始終履行為人民服務(wù)的宗旨與我們一貫強調(diào)的“人民電業(yè)為人民”如出一轍；解放軍守衛(wèi)全國人民的平安與我們農(nóng)電工走鄉(xiāng)串戶守護一方的供電平安又驚人的相似。可是，人民子弟兵的豐功偉績，解放軍這個組織的的團隊精神卻令我們不得不仰慕萬分。所以，我們要學(xué)習(xí)她。那么，站在我們農(nóng)電工的角度，要怎樣學(xué)習(xí)解放軍呢？
一、學(xué)習(xí)解放軍“為人民服務(wù)”的無上宗旨
學(xué)習(xí)解放軍并不只是出了這本書以后才產(chǎn)生的潮流。其實，不管有意還是無意，我們一直在向解放軍學(xué)習(xí)。工作中，我們正是憑著像解放軍一樣獨有的那份執(zhí)著堅守崗位。每當(dāng)值班電話突然想起，我們接到故障搶修的命令，就如同解放軍聽到了沖鋒號一樣，迅速換上早已準(zhǔn)備好的工作服，帶著整齊的裝備，以最快速度第一時間趕到現(xiàn)場。每每通過緊張施工，排除故障送上光明的時刻，“觀戰(zhàn)”群眾送來一聲聲贊許的言語，使我們感到自己就像凱旋而歸的解放軍戰(zhàn)士一樣光榮和自豪。正是這種“戰(zhàn)斗”精神的貼近，激勵著我們排除萬難，一次次充當(dāng)光明的使者。我們搶修值班室掛著一幅群眾送來的錦旗，紅底白字清晰的寫道：“人民的勤務(wù)員，咱老百姓的福音”。質(zhì)樸的話語中不僅洋溢著對我們工作的信任和肯定，更是對我們一種無形的鞭策和鼓勵。對于我們農(nóng)電員，就是要學(xué)習(xí)解放軍為人民服務(wù)的無上宗旨，把保障供電的任務(wù)提高到解放軍保障人民生命財產(chǎn)安全同樣的高度。
二、學(xué)習(xí)解放軍“三大紀(jì)律、八項注意”的嚴(yán)明作風(fēng)
誰都知道解放軍有“三大紀(jì)律、八項注意”，而“三大紀(jì)律、八項注意”并不是解放軍規(guī)章制度的全部，它只是解放軍嚴(yán)明作風(fēng)的一個縮影， “無規(guī)矩?zé)o以成方圓”，規(guī)矩的制定是組織成員行為能夠全體一致的前提和基礎(chǔ)，只有制度化才能使成員的“服從”成為習(xí)慣和自覺，身為農(nóng)電工，向解放軍學(xué)習(xí)使我感到了自身的不足，一直以來，盡管在完成任務(wù)上少有差錯，但是在紀(jì)律上一度有過松懈，接受任務(wù)時偶爾也心不甘、情不愿，不能向解放軍那樣，不論刀山火海，還是臨危受命，都毫無怨言。學(xué)習(xí)解放軍打造過硬作風(fēng)，就是要用“軍人以服從命令為天職”的使命來增強服從意識；就是要以“三大紀(jì)律，八項注意”的要求來恪守言行；就是要用“不所苦，不怕累，萬水千山只等閑”的豪邁來錘煉品格�？戳诉@本書我明白了一個道理：某些時候，對一個企業(yè)來說 “需要干什么”比“能干什么”更重要。并且我們還要做到一切行動聽指揮，從尊重領(lǐng)導(dǎo)開始，這也是在尊重你自己，這是一個成年人應(yīng)該具有的成熟心態(tài)。
三、學(xué)習(xí)解放軍團結(jié)奮進的團隊精神
在現(xiàn)代企業(yè)中，團隊精神是企業(yè)發(fā)展的核心，海爾、聯(lián)想等一批讓我們國人自豪的新企業(yè)，無不具有一支團結(jié)奮進的團隊。無獨有偶，這些企業(yè)的.老總大多曾在軍隊這個熔爐中錘煉。而解放軍這個組織正是團隊精神杰出的典范。一直以來，我們有些同事看到主業(yè)職工待遇比我們高，心中頗有些想法。這使我不禁又想起了我們的人民子弟兵，當(dāng)他們用血肉之軀擋住肆虐的洪水，當(dāng)他們冒著生命危險在地震災(zāi)區(qū)拯救在殘垣瓦礫下痛苦掙扎的群眾，誰—又給了他們多少報酬��！我們農(nóng)電工就是要學(xué)習(xí)解放軍這種無私的奉獻(xiàn)精神，因為，我們的工作性質(zhì)決定了我們必須付出更多，奉獻(xiàn)更多。企業(yè)要如何靠員工發(fā)展，那是企業(yè)決策者的事情。若只注重盈利，而忽視員工利益，制約了企業(yè)健康發(fā)展，應(yīng)引以為戒。而員工怎么靠企業(yè)生存則是我們員工要著力注重的內(nèi)容，因為，不管個人怎么優(yōu)秀，一個人的力量是遠(yuǎn)遠(yuǎn)不夠的，企業(yè)利益要擺在首位，人們常說，皮之不存，毛將焉附？就是這個道理。農(nóng)電公司這個組織自成立以來，公司領(lǐng)導(dǎo)處處為員工著想，不僅保障了待遇，對員工生活也是十分關(guān)心，經(jīng)常噓寒問曖，這讓我感覺到了組織的溫情，體驗到了工作時的快樂，我因自己是農(nóng)電公司的員工而自豪，作為公司的一份子，我所能做的就是將自己的汗水澆灌在這份光榮的事業(yè)上，為集體奉獻(xiàn)自己的光和熱。
學(xué)習(xí)解放軍，既是學(xué)習(xí)怎樣做事，更是學(xué)會怎樣做人，這本書教給了我在工作中戰(zhàn)勝困難的勇氣、甘于奉獻(xiàn)的責(zé)任和無怨無悔的追求。我將時刻嚴(yán)格要求自己，努力把解放軍的戰(zhàn)斗精神很好的運用到實際工作中去，力爭在平凡崗位上干出不平凡的業(yè)績。
謝謝大家！
二〇xx年八月十日
學(xué)習(xí)的演講稿 篇4
各位親愛的老師、同學(xué)們：
大家好！
今天，我演講的題目是：《那一刻，他張開雙臂護住四個學(xué)生—記有感于遇難教師譚千秋的最后奉獻(xiàn)》。
大家都知道在5月12日發(fā)生的汶川大地震吧！它是我們?nèi)袊囊粓龃鬄?zāi)難。在這次地震中，許多人失去了生命。同時，在此當(dāng)中，也出現(xiàn)了許多有名的和無名的英雄，其中就有遇難的教—譚千秋。今天，我就為大家說一說這位教師的.英雄事跡。
5月13日23時50分，救護車的鳴笛聲響徹漢旺鎮(zhèn)—中國地震應(yīng)急搜救中心的救援人員在德陽市東汽中學(xué)的坍塌教學(xué)樓里連續(xù)救出了四個學(xué)生。發(fā)現(xiàn)他們的時候，在這四個學(xué)生的上面，護著一位已經(jīng)死去多時的老師，他的后腦被樓板砸得深凹下去。一位救援人員向記者描述著當(dāng)時的場景：“我們發(fā)現(xiàn)他的時候，他雙臂張開著趴在課桌上，身下死死的護住四個學(xué)生，四個學(xué)生都活了！”
被救女生劉紅麗的舅舅對記者說：“我侄女是高二一班的學(xué)生，要不是有他們老師在上面護著，這四個娃兒一個也活不了！”“那個老師呢？”“唉……他可是個大好人，大英雄噢！”說著，劉紅麗舅舅的眼圈紅了，他告訴記者，那是位男老師，快50歲了。
譚千秋老師用曾經(jīng)傳播無數(shù)知識的手臂，在地震發(fā)生的一瞬間從死神手中奪回了四個年輕的生命，手臂上的傷痕清晰地記錄下了這一切！
在災(zāi)難來臨時，他本來可以自己先跑，可是他沒有。他把生的希望留給的學(xué)生們，把死亡留給了自己。在他的身后，留下了一個家庭的悲痛和惋惜、四個家庭的團聚和幸福以及無數(shù)的感動。
難道他不愛自己的家嗎？難道他不知道自己的妻子和孩子都在等他回家嗎？難道他很冷酷嗎？不，不是的，他的心是最軟的。譚千秋老師是最心疼學(xué)生的，走在校園里的時候，遠(yuǎn)遠(yuǎn)地看到地上有一塊兒小石頭他都要走過去撿走，怕學(xué)生們玩耍的時候受傷。但是在關(guān)鍵時刻，他沒有自己跑掉，而是先想到了學(xué)生，這是一種多么大公無私的精神��！
當(dāng)我知道譚千秋老師的英雄事跡后，我很佩服他這種舍己救人、奮不顧身的偉大精神，如果我們大家都向他學(xué)習(xí)，我們的世界一定會充滿無限的陽光。
四年七班汪海蓉
20xx年10月13日
【學(xué)習(xí)的演講稿】相關(guān)文章：
學(xué)習(xí)動機對學(xué)習(xí)的作用10-26
如何學(xué)習(xí)演講稿10-09
學(xué)習(xí)能力與學(xué)習(xí)方法11-15
針對聽覺學(xué)習(xí)類型的學(xué)習(xí)10-26
快樂學(xué)習(xí)演講稿范文10-26
學(xué)習(xí)方法演講稿10-26
如何學(xué)習(xí)書法的學(xué)習(xí)方法09-22
學(xué)習(xí)要求和學(xué)習(xí)方法09-02