产品好做吗-不好做!!!

选择是最难的,难以选择是因为知道的太少。我现在还是一名大三的物联网专业本科生。在大二的时候,我参加了一次挑战杯创新创业大赛,了解到了产品经理这个岗位。这时我才知道,这才是我真正想要的。想必很多人和我刚开始一样,认为人人都可以是产品经理。产品经理似乎是一个碰运气拿到互联网高薪的捷径。然而,经过我一年的创业大赛比拼、深入了解产品经理后发现,要想做好一个出色的PM是有多么困难。从idea的诞生、到市场定位、用户分析、数据分析、再到产品的概要设计、流程设计、功能设计、交互设计、视觉设计还有产品的更新迭代、生命周期。产品经理需要时时刻刻操心。这还只是冰山一角,与开发沟通、与设计沟通、与boss沟通还要与最重要的用户沟通,和他们能够很好的合作也是一门很难掌握的艺术。

我选择物联网工程时,就是认为物联网可以改变我们这一代的生活。技术的创新是带有颠覆性的,福特等内燃机车技术再高,技术保密在严密有什么用呢?特斯拉一个电动车就立马可以反超他,内燃机这代老技术已经out了,技术会不断更新。但不断更新的技术也只是对现有手段的优化与改进。人活着的目的就那么一个——繁衍生息,不断强大。我们出行坐马车、坐飞机都是手段,而目的仅有一个,就是移动,便捷快速的移动。所以在当下的环境中滴滴、ofo就应运而出。一切改变都是必然的,他都是向着人类最本质的需求看齐。

在编程与做产品间我思考过要不要选其一,最后发现两者似乎并没有什么矛盾。技术为产品的创新迭代提供条件 ,而产品的不断进化有促使技术水平的不断提高。所以,现在的我还是兼顾两者,既学习编程技术,又在合理的分配的时间中学习如何做产品(现在每天都会抽出2小时在腾讯课堂和起点学院学习如何做产品)。当然,我是不会走开发这条线的,好好做产品才是我想要的。

p.s. 进入小米公司 产品部 一直是我的梦想,不光因为我是米粉,更吸引我要去的是小米对用户的深入理解,做出让人惊艳的科技艺术品来。正如小米所说让每个人都能感受到科技的乐趣,小米系的产品给人以亲近,给人以乐趣。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能出一定的优化。.zip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