當前位置:文書都 >

實用範文 >自我鑑定 >

統計學應屆專業畢業生自我鑑定

統計學應屆專業畢業生自我鑑定

自我鑑定是個人在一個時期對自己的學習或工作生活的自我總結,自我鑑定可以使我們鍛鍊語言組織能力,為此要我們做好自我鑑定。那麼自我鑑定有什麼格式呢?下面是小編為大家整理的統計學應屆專業畢業生自我鑑定,希望能夠幫助到大家。

統計學應屆專業畢業生自我鑑定

統計學應屆專業畢業生自我鑑定1

畢業即將在即,在滿懷信心的走入社會的同時,我也感謝四年大學學習生活的收穫,感謝所有的老師,感謝所有的同學。四年間你們的幫助讓我成長和進步了很多。

在學習上,對統計物理專業的學習,需要的`知識面廣了,涉及技術、材料性質、設備等方面的內容。學習專業課程,需要與實際結合,更需要認真的學習態度,細心、謹慎的性格。有一點特別的是,統計物理與經濟相掛鈎。我的學習成績在班上名列前茅。這些源於我對學習的熱愛,我認為做任何事情都要有興趣,特別是學習,沒興趣就學不好。我認為對專業課學習不應只停留在課本上,還應該多閲讀課外書。所以我經常對市場做調查。我覺得這樣才能學好專業知識。

思想上,令我最自豪的事情是經過不斷的努力學習和提高自己,我順利的加入了中國共產黨。待人誠懇,能較好處理人際關際,處事冷靜穩健,能合理地統籌安排生活中的事務。並且一直在追求人格的昇華,注重自己的品行。

四年的學園生涯,在良師益友的相互幫助下,自身綜合素質一定得到提高。為實現人生的價值打下堅實的`基礎。四年裏我不斷的自我反省,改善自身不足之處,始終以提高自身的綜合素質為目標,以自我的全面發展為努力方向,樹立正確的人生觀、價值觀和世界觀。面對現在,我努力拼搏;面對將來,我期待更多的挑戰。戰勝困難,抓住每一個機遇,相信自己一定會演繹出精彩的一幕。

統計學應屆專業畢業生自我鑑定2

在思想品德上,本人有良好道德修養,並有堅定的政治方向。我熱愛祖國,熱愛人民,堅決擁護黨領導和社會主義制度,遵紀守法,愛護公共財產,團結同學,樂於助人。並以務實求真的精神熱心參予學校的公益宣傳和愛國主義活動

在學習上,我在完成本專業基本課程之外。平時我還涉獵了大量文學、心理、營銷等課外知識。相信在以後理論與實際結合當中,能有更大提高!

在生活上,我崇尚質樸的生活,並養成良好的生活習慣和正派的作風。此外,對時間觀念性十分重視。由於平易近人待人友好,所以一直以來與人相處甚是融洽。敢於拼搏刻苦耐勞將伴隨我迎接未來新挑戰。

另外在校期間,積極加入各大社團,法警社團,乒乓球社團,空手道社團,不但鍛鍊自己的`組織交際學習能力,不斷增強自身身體素質,還深刻地感受到團隊合作的精神及凝聚力。更加認真負責對待團隊的任務,並以此為榮!

作為積極樂觀新時代青年,我不會因為自己的目前取得的成績而自滿,亦不會因為目前自身的不足,而缺乏自信。在今後的日子裏,我會更加迫切要求自己充實充實再充實。完善自我實現目標。且我相信:用心一定能贏得精彩。

統計學應屆專業畢業生自我鑑定3

四年統計學專業的生活和學習充實而緊張,我努力把自己培養成為一名社會所需要的人才。四年裏,我始終堅持"天道酬勤"的原則,一日三省,自信品格的日趨完善;勇於行事,務實求新,自信工作有所成績;三更燈火,寒窗苦讀,相信學有所成。

在校期間,我始終以提高自身的綜合素質為目的,以個人的全面發展為奮鬥方向,樹立正確的人生觀和價值觀,光榮地加入了中國共產黨。在思想上,要求積極上進,熱愛祖國、熱愛人民,擁護中國共產黨的領導,遵守國家的法律法規及各項規章制度積極向黨組織靠攏,於上期向黨遞交入黨申請書,並在黨校學習結業時被評為“優秀學員”;有很強的上進心,勇於批評與自我批評,樹立了正確的人生觀和價值觀。

我的優點是誠實、熱情、性格堅毅。我認為誠信是立身之本,所以我一直是以言出必行來要求自己的,答應別人的事一定按時完成,這給別人留下了深刻的印象。由於待人熱情誠懇,所以從小學到大學一直與同學和老師相處得很好,而且也很受周圍同學的歡迎,與許多同學建立起深厚的友誼。在學習知識的同時,我更懂得了,考慮問題應周到,這在我處理人際關係時充分展示了出來。我這個人有個特點,就是不喜歡虎頭蛇尾,做事從來都是有始有終,就算再難的事也全力以赴,追求最好的結果,正因為如此,我把自己的意志視為主要因素,相信只要有恆心鐵棒就能磨成針。一個人最大的敵人不是別的什麼人,而是他本身。

我的生活準則是:認認真真做人,踏踏實實工作。我的最大特點是:勇於拚搏,吃苦耐勞,不怕困難。在實際工作中,更重要的是牢固樹立了強烈的事業心、高度的責任感和團隊精神。朝夕耕耘,圖春華秋實;十年寒窗,求學有所用。相信在貴司的培養和自我的奮鬥下,我定會勝任本職工作。

  • 文章版權屬於文章作者所有,轉載請註明 https://wenshudu.com/shiyongfanwen/ziwojianding/pjjm3l.html
專題