对时间管理方法本质的理解和应用

自省很重要,隔几天就花点时间坐下来静一静,思考一下近来获得的知识,领悟的心得,应该改进的地方,要前进的方向纠正偏离的趋向.

最近的一份工作,工作内容不甚理想。我承接了大量沟通和协作方面的事情,且从整体工作流程来看,我在流程中以一个单点的形式存在(我离职,部门会将为这种单点方式付出代价,懂HA的,应该都懂的),上下对接几十种需求,工作量是巨大的。从工作内容来说,我的时间不仅浪费在会议的海洋里,而且工作期间经常被人打断,再就是需要在通讯软件中回复各种问题和事情。

    以上是关于我为什么想开始正式使用时钟管理来规划自己的时间。除此之外,我还要抱怨的是, 我的工作没有技术含量,我需要写大量文档,产出的文档属于"高风险",又没有人帮我把关和review。我抱怨完了,继续回到正题。

时间管理方法有很多种, 重要是本质

时间管理方法有很多种,最知名的是GTD和番茄管理方法.

对于时间管理方法,我想首先要表达的是,对于任何方法,不要囫囵照搬,先反复思考在理解了其本质后,根据自己的特点灵活修改和运用,万变不离其宗,否则就有可能抛弃本质,误入歧途,或而不进反退。

关于GTD法

我理解其本质是:尽可能放空自己的脑袋在做一件事情过程中,如果突然想到了其他几件事情,或者在做这件事情的时候,遇到了不明白又想弄明白的问题,那么应该迅速将这些想到的TODO,记录在纸上,然后立即切回来继续做当前的事情。理解了这一点,那么可以任意变换应用方式,而不用纠结具体细节。我很赞赏网上有人说的,"不要误入工具选择的泥坑中。" 如果你在这方面花了太多时间,那么其实相当于误入了旁支末节中。

对于GTD法,其实在我还不知道有这么一种理论方法前,就已经在实际应用这个方法。我是一个比较纠结的人,在思考一件事情的时候,如果脑子里有其他事情,那么就会总是集中不了精神;而且我比较喜欢做计划,所以会将要做的事情,无论巨细,都列出来,然后一件一件完成,这样感觉很有成就感。所以我在不知不觉应用GTD方法,即使我当时根本不知道这种方法的名称。至于使用的是纸笔,还是笔记软件,其实对我来说是无所谓的。

关于番茄法

 以前对于番茄法嗤之以鼻,觉得这种方法不会为工作效率的提升带来多大的改善最近在读<<程序员应该掌握的软技能>>这本书时,看到了书的作者对番茄法的推崇和推荐,于是查阅资料,结合书的作者对于番茄法的理解,重新审视了一遍番茄法的核心和本质。

也由此,我思考并总结了一下,如何评定我是否应该使用一种方法的思考过程:

1 思考这种方法的核心是什么?  拿番茄法来说:

    (1) 番茄时钟可以管束一个人,在一定时间段中,专注做一件事情,不要分心;

    (2) 可以训练一个人对于工作量的评估能力, 因为长久使用番茄时钟,会对某一类事情需要多长时间的工作量,有一种直观上认识的锻炼;

    (3) 让一个人可以明确认识自己,一周的时间中,到底有多少时间是可以自己用来支配持续投入工作的;

2 我目前的问题是什么?

    (1) 工作中打断现象非常严重, 而且有时候懒惰,不想全力工作,想在微信找朋友说话;         

     (2) 我以为我有很多时间可以利用,定目标总是很有雄心,但是没有比较精确地估计过;

某种方法论能解决我的问题么?

     (1) 番茄法的核心1可以解决我的问题1,番茄发的核心3可以解决我的问题2;

     (2) 所以我可以使用番茄法来帮助我;

实践

经过几个小时的思考,我结合"制定计划方法", "GTD方法","番茄方法",总接了一套适合我的时间和事件管理面板,共享给大家

工具

1事情管理软件:

    我使用微软的OneNote,原因是它强大的内容管理功能和图文编辑功能,以及与office的兼容性;

    笔记软件的选择是一个仁者见仁的事情,没有绝对完美的软件,只要选用一个软件能够满足需求即可

2番茄时钟软件:

    我使用IOS上的滴答番茄时钟软件。

    对于番茄管理的软件,我觉得有必要展开说一下,当然核心还是围绕"你到底需要什么"来说;

    由于我的记事功能,使用的是OneNote,所以在番茄软件使用上,不需要将某一个番茄时钟强绑定到番茄软件中记录的某一个task上,这样就省去了我还要在番茄时钟软件上手工输入一遍的task内容的重复工作。

    对于我的这个需求,我发现市面上有真的有很多单纯提供"番茄时钟计时"的软件,说白了就是提供一个计时的钟表,到时会铃声提醒,而不提供task的记录功能。除此之外,还提供简单的汇总功能,能帮你记录每天有效的番茄时钟数,所在的时间段,帮助你直观的认识和分析,这样对我来说就真的够了!

    于是我找到了这款"滴答番茄时钟"软件.这个是一个个人的软件做的还是很不错的;而且作者很棒,30天内所有功能均可使用,过了30天后,会限制若干统计功能,如果想付费,到时可以再付费。作者的出发点就是:你真的觉得好用,再付费,不会骗你收费。

    不过,这个软件也是有一些缺点的:

        1 占用存储过大!一个这么轻量级的软件, 居然占了350MB的空间! 用16GB的IOS的我删了多少照片和应用啊!

        2启动和停止时钟时,会有卡顿现象,对于IOS这种UI绘制优化得这么好的系统来说,出现这种情况实在是无法想象的;

    希望作者能够在新版本中解决这些问题.

各种方法核心的融合

1 计划方法应用论

    (1)  "制定目标" ----"拆解目标"----"具化任务"

        我会指定:年计划 --> 月计划 -->日任务

        年计划制定了本年度要完成哪些目标,月计划是对年计划的拆解日任务是根据月计划形成具体的任务,这样就形成了"制定目标" ----"拆解目标"----"具化任务"三步法;

        对于"具化任务",有这么几种情况:

            显化拆解:比如每个月要读完一本书,那么每日的任务就可以用总页数除以30天,就是每天的任务,这种比较容易具化;

            分配拆解:比如每月要锻炼12次,每次30分钟,这样需要自己安排这15次在月内或者周内的哪天去做,这种需要一定的分配和调度;

            转化拆解:比如月目标是听力达到能听懂老友记80%的台词对话,这个比较抽象,而且具化为任务需要很强的估算能力和经验,因为没有经验的人无法估计准确每天进行多大强度的训练,能在月末完成目标,这种转化就比较困难;

    (2)任务一定要量化

        但是无论如何,都要遵循一个原则,就是任务一定是要量化的

   (3) 任务一定要限定周期周期且周期内不要变动任务内容

        对于任务的制定和修改,还有一个我认为非常重要的法则,就是任务需要制定周期,且在同一周期内,不要对任务进行修改;

        比如:一开始定的是每月的每天都要锻炼1个小时,实际执行了3天,发现时间上和体力上都完成得很困难,那么这时候也要先坚持完成这一个月的周期,再缩减下个月的目标;如果轻易修改目标,那么自己会对自己信誉的信心产生动摇;

        再有就是一定要定一个周期, 比如一个月内完成每天锻炼1小时,如果不加限定,那么很难坚持下来,这样自己会对自己的信誉的信心产生动摇;

番茄方法应用论

    绝对不可拘泥不化,应该理解核心思想,然后根据自己的情况动态调整。

        有人说,番茄时钟一定要持续,,在时钟内有任何的打断,都要回表重新记录。我觉得这真的没有必要,这并不是番茄方法论的核心点。如果番茄时钟刚开始5分钟,有人打断了5分钟,那么当然应该回表没有问题;但是如果已经执行了22分钟,有个人过来想谈事情,谈了10分钟,那么实际番茄周期只有3分钟没有执行,这种情况可以近似认为番茄时钟完成了。再比如,执行了15分钟,有个人过来找我,我说你等会再过来,这个过程耽误了10秒钟,然后我切回来继续工作,脑海重新接回思路用了1分钟,然后继续完成了这个番茄时钟,那么这个番茄时钟我也可以认为完成了,因为实际打断时间只有不到2分钟。

3  GTD方法应用论

       这个方法没有什么太多要说明的,应用上就是随时随地将脑海里想起且无法立即去做的事情,记录起来,然后一件一件去做,这样既不会遗忘,也不会影响当前的思路。

 

我的管理计划

我的时间及事件管理面板:

   

   

  第一个模块是 "可管理事件",对应番茄管理法,里面的事情都是期望使用番茄时钟来专注完成的;这个版块的目的就是番茄法的目的:提升专注,评估可支配时间,评估项目估计能力;

   第二个模块是 "会议或固定事件",对应我需要花固定事件参与的事件,比如参加会议,或者拆分月任务或者周任务到每天需要完成的那一部分task;这个版块的目的是列举task,跟踪完成情况,记录每天的工作内容便于以后的会议和整理总结;

  第三个模块是 "番茄时钟追踪",主要总结每天实际完成的番茄时钟;可以看到,我每天可支配的番茄时钟少之又少.

 

我的年月计划

      


 

       我的年计划定的比较笼统,不够具体, 年计划的具体拆分在月计划中;

       月计划相对来说就需要量化了,    相当于是一种"转化拆解".当然,囿于自身技能原因这种拆解我做的也不够好,没有一次将所有月份的任务拆解透彻,也是在不断的学习和体会的过程中。

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值