【译】你必须先尝试,然后你必须提问

Jan 12 th, 2014

原文地址:https://blogs.akamai.com/2013/10/you-must-try-and-then-you-must-ask.html

我喜欢和成年人(译注:grownup 意指心智成熟的人)工作。

下面是一些例子:

当我还是当前这个公司的新雇员的时候,经常会遇到 “15 分钟规则”。如果你遇到了问题,先花足 15 分钟时间用各种你想到的方法去解决这个问题。然而,要是 15 分钟后你还解决不了这个问题,你必须询问某人。我把这个方法简短了就是 “你必须先尝试,然后你必须提问(You must try, and then you must ask)”。这是一个很简单的规则,有点像这个:



    1. 如果你马上就要放弃了,你必须逼着自己再坚持 15 分钟。现在压力没了。你知道 15 分钟后你就可以带着自己找到的结果和另一个人谈谈并且获得他们的帮助。现在,你要做的就是退一步,从高处看待整个问题。也许你会很轻松的发现问题的解决方案。也许你会说服自己这个问题完全无解。无论最后怎么样,之后的 15 分钟你都是再看一遍这个问题。

    2. 在这 15 分钟之内,你必须把你正在做的所有东西整理成文档,这样你就可以和别人交流了。但是 “再看一边这个问题”是什么意思?它是说你得记些笔记。很多的笔记。我很喜欢用纸质的记事本还有笔尖非常细的笔,因为我不用来回翻页了,而且我可以在一页纸上就记录很多内容。用你喜欢的方式记录,但是坚持写。写下所有的步骤,所有的假设,你尝试做的每一件事,还有所有重现错误的anythings(译注:任何事?任何东西?意会吧,没想到合适的中文)。

    3. 在那之后,你必须向某人求助。好吧,你已经 decided(译注:决定?认为?没找到合适的中文,意会吧)你需要帮助了,并且你又花费了另一个 15 分钟去再一次审视这个问题(再一次(再一次)),并且你已经把你的方法记录下来了。

    现在,停下来。

    停止去解决这个问题,只要一会儿就行。

    请求帮助。即使你认为你已经快解决了,停下来。即使你认为智慧大师在你耳边偷偷告诉你怎么做,停下来。写封邮件或者走到办公室、小屋等等,或者召唤某人,只要让其他人知道你需要帮助。请求帮助,陈述问题,并且展示你已经做的事。你可能不会立即获得帮助,但现在在别人的脑海中已经在帮你想如何解决的问题了。(译注:就是别人可能不会立即就给你答案,但是已经留心帮你去想怎么解决这个问题了。)



就这样而已,15 分钟规定只需要简单的 3 步。



它为什么这么重要:



    1. 你工作的每个小时是有人花钱雇你的。你可能在一个个人服务机构,一个内部的 IT 部门,或者独立的承包商工作,但你们都是为了解决相同的问题;有人为你的技能付钱。并且他就希望你能独立解决这个问题,浪费 3 个小时去解决一个不值得花费这么长时间解决的问题不会获得荣誉勋章。有一种方法可以帮你衡量(value)你花费的时间,只要问你自己“这个问题值得花费我这么多时间吗?”

    2. 你的同事会帮助你,因为他们也在遵守同样的规则。也就是说他们也得提问并且倾听别人告诉的问题,并且期望他们的伙伴们也这样。不用说,用你的常识。。。找你那些没有低头在解决自己的问题的人求助;没有人喜欢自己的思绪被打断。之前已经说过了,要是你去找你的同事寻求帮助,你已经花时捋过一边这个问题了,并且记下了你的发现,这样他们就能快速的帮你解决这个问题或者给你指出正确的方向。你可能已经试过了小黄鸭调试法,里面的方法会帮你解决问题。(译注:其实就是找只玩具鸭子或者其他什么的对着说话,主要为了别搞得自己像自言自语的以为你神志不正常,然后对着它陈述一遍你的问题,先把自己的问题捋清楚了再去问别人。很多人在向别人提问的时候连个上下文都没有就问,别人哪知道你问题出在哪里啊?很多时候当你对着鸭子把这个问题逻辑清楚的陈述一遍后,你就知道怎么解决了)

    3. 最后,但是肯定不是最不重要的,你得去和同事交流,因为他们有你需要的问题答案。构建并且维护一个企业软件平台不是一个人的运动。你的同事对待问题有不同的理解和不同的解决问题的方法。这需要很多的同事和很多的知识。



这样最终会产生一种良性的循环。人们权衡别人和自己的时间,在问问题前先做他们自己的活。换过来就是,人们很喜欢回答问题,因为他们知道问问题的人会把问题有趣的部分给自己解决。

换句话说:通过使用明确的时间,每个人都节约了时间。(译注:每个人都遵循先花15分钟尝试解决问题并且记录自己的结果,然后再向别人提问。对于自己不会浪费时间在解决别人可以很轻松帮助解决的问题上,对于自己的同事不用花时间捋清别人的问题和重复一些已经发现的成果。大家都节约了时间。)

Matt Ringel 是 Akamai’s Professional Services 团队的企业架构师

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。
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