女程序员的时间都去哪里

  "时间都去哪里了"这是春晚之后越来越多成年人的感叹.身处变化万千的互联网行业,潘敏和于立娟,同为公司里的少数派----女程序员的代表,对时间带给她们的改变,有着更深刻的理解.


    雅虎工程师潘敏:女性也可以做程序员


    2月26日,北京雾霾已持续超过100小时,道路上的提示牌都在提醒人们尽量避免出行.上午10点,当记者到达雅虎北京全球研发中心的办公室时,茶水间阿姨正在收拾免费早餐的餐具,办公室里飘荡着早餐的气息,在这里做程序员,应该不是朝九晚五的节奏.


    "我现在的工作量又回到08年那时候,每天工作时间都在14、5个小时,早上7点就和美国同事开会,晚上也在加班,好似二次创业."


    雅虎北京全球研发中心品质工程部总监潘敏肯定了记者的猜想,但结果出乎记者意料.


    春节后,从9号开始上班,潘敏的时间表就安排的非常紧凑.因为雅虎CEO梅耶尔提出2014年一大目标是实现产品从代码设计开始到发布,必须在24小时内完成.潘敏领导的测试团队相应的也得在24小时内完成对产品品质保证的工作.这个目标不是轻易就能实现的.


    潘敏说,雅虎产品原来的测试工作基本上是以一周为周期循环往复,每周都在出新产品,测试工程师就从产品定特性开始介入,然后写测试程序,最后产品代码完成,测试也自动完成.


    测试工程师和项目经理的沟通是产品品质保证的第一步,产品特性应该是怎样的,要从哪些方面去测试,测试人员会和产品开发部门达成共识.这个周期细分下来就是:半天时间确定产品特性,设计需要一天时间,两天时间用来写代码,再用半天完成测试,第五天产品上线.


    记者理解的产品测试就是给新产品挑毛病,潘敏纠正说:"我的工作不只是挑错,我做的是全面质量把控."换句话说,产品测试人员比产品开发人员看问题更全面,这是职业带给潘敏的成就感.


    当初选择做一名女程序员,对潘敏而言,是很自然的结果.


    潘敏12岁随家人移民加拿大,高中时,因为学校不断地宣传计算专业如何好,潘敏尝试编程感觉不错,大学就选择了计算机专业和管理专业双学位,研究生阶段主攻计算机.毕业后第一份工作就是软件测试.


    2007年潘敏加入雅虎美国,2008年到北京研发中心.


    今年春节过后,潘敏的团队骨干成员被派到美国总部工作,潘敏的管理将从北京延伸到美国总部.


    "在生活中,是否也是处处挑错、追求完美?"记者对潘敏的职业"副作用"很好奇.


    "不会在生活中严苛,只是变得敏感,其实这个职业很适合女性."潘敏说她总是能从家人寄来的照片上发现背景里不同装饰的改变,即时是很不起眼的一个小物件的摆放挪了位置.在北京家里,一点变化也会引起她的注意,而她的先生可能没有丝毫察觉.


    潘敏说敏感一点没有什么不好,"做测试的人,性格都不错,善于与人打交道."女性的细心和全面做这个工作就有优势.潘敏的团队,有1/3是女性,进入这个团队的都是有五年以上程序开发经验的员工,他们与产品设计研发人员沟通时,更能抓住要点和指出漏洞.


    潘敏的时间大部分用在了工作上,女儿从出生到现在3岁的成长教育,更多是靠她先生和家人,为此,潘敏对家人充满感激.


    高德女程序员于立娟的双喜临门


    2月11日,春节后上班一周,阿里集团与高德软件联合宣布,阿里计划全资收购高德软件的消息,高德软件运营商事业部高级工程师于立娟并没有比网友早知道.当天收到来自CEO成从武的邮件,于立娟才知晓公司的重大事件.


    "这是一件好事啊,对公司发展有很大的想象空间."2月26日,记者与于立娟相约在高德公司见面时,于立娟谈到高德员工对收购事件的看法.


    于立娟说高德公司上下员工一致的梦想,是实现地图上的淘宝梦,让地图上每一个商家都成为淘宝店,其中支付是重要的环节,阿里的投入,将使这个梦想更快变成现实.


    "2014年,你的工作有哪些变化?"


    "除了原来做的天翼导航项目,会在移动互联网的生活服务上负责两项任务."于立娟提到的生活服务项目是智能手表和智能相机,为此,近段时间她都在钻研Tizen系统平台,学习如何在Tizen上开发和应用工具.


    于立娟是高德运营商事业部唯一一名做程序开发的女性,她认为做程序员对女生来说,压力太大.大学所学的计算机专业知识根本不能适应工作要求,所有的工作能力都是在实践中积累和学习的.


    从2002年大学毕业从事软件开发,于立娟的工作相对稳定.


    2011年,于立娟所在的协进科技被高德软件以830万美元收购,于立娟成为高德公司一员,继续做软件开发.2014年,阿里宣布全资收购高德,于立娟仍然是软件开发工程师,虽然几年间有来自百度等公司的跳槽诱惑,她还是坚定地选择留在高德软件,"可能去别的公司薪酬会暂时高一些,我还是喜欢和熟习的团队一起工作,这里的工作氛围一直很好".


    加班对互联网公司的程序员来说是再平常不过的事,于立娟认为自己没有后顾之忧,公司办公室从中关村搬到望京宝能中心以后,离家更近,家里还有父母支持,愿意接受这样的挑战.


    生活中的于立娟自认为比较简单.没有逛街的爱好,网购就能满足要求,也节省时间,理财选用余额宝,"自家产品用起来放心"于立娟说如果去银行买理财产品还要看很多说明介绍,还得跑银行,用余额宝很简单,每天都能在手机上看到数字变化,很有满足感.


    除了练练瑜伽或者打羽毛球保持身材的苗条,周末看电影算是于立娟休闲的一种方式.


    对于立娟来说,2014年夏天她将升级做妈妈是今年最大的喜事.


    "现在最不想做的事是拍照,长胖了".


    记者眼里的于立娟依然是年轻健康的正常体型,并没有胖的感觉.女性爱美的天性无论何时都不会改变.
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,并对系统性能做出一定的优化。.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。
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