给项目经理人备考PRINCE2的8个建议

大家好,我是孙敏,本科毕业17年,看起来漫长,但是中间断断续续做了好几份不同的职业。

● 毕业后当了7年的程序猿,主业是嵌入式芯片驱动,写过手机上所有芯片的驱动程序,做过全球首款双核手机,也做过无数山寨机。

● 去过大厂,也做过创业公司,中间裸辞思考人生,留下了4年的职业生涯空白期,后入职一家上市国企,做了2年技术支持与客户服务。

● 一个偶然机会转行做了某APP的产品经理,一年之后觉得自己不适合做产品转做项目。

● 从助理开始,恶补专业知识,考了PMP、ACP,一边学习一边实践,从公司的敏捷先行者到跨6个部门大项目的研发项目经理。

● 直至今年,觉得大项目在实际管理过程中遇到一些比如:进展无法控制、其他部门团队人员不好合作、复杂产品的需求怎么分解到不同团队等问题。

正当我一筹莫展时,一次偶然的机会,让我初识了PRINCE2项目管理方法论,经过一番了解,我在今年3月份加入到了光环PRINCE2的课程学习。

在众多学霸中我属于普通到再普通不过的一个。由于我个人,自我看书效率不是很高,又很想尽快学习并掌握到项目管理的知识内容,所以我选择了参与项目管理课程培训的方式,去恶补项目管理的知识内容,有压力才有动力。

01 关于备考:

在备考PRINCE2这段时候里,我明显感觉到同我之前考PMP的情况是完全不一样的,当时考PMP因为工作不忙,每天基本上能抽2小时看书刷题,所以备考过程还算轻松,但在备考PRINCE2的时候,我几乎没有时间看书。

不看书肯定不行,我就在晚上的时候挤时间来学习,我一般会在晚上11:30-12:30抽出来1小时的时间看书、听模考题解析,做模考题练习,辛苦是辛苦点,为了最终能学习到项目管理知识,考试也能通过,这些辛苦也值了。

【温馨提示】但是这里我还是建议大家,如果时间允许,要多留出来时间看书,做作业,做题,有问题及时在班级群里问,别积累到一起,按照班主任老师的进度走,学习起来才会相对轻松一些。

02 学习备考经验:

● 1. 王老师的正课以及刘亮老师的模考题解析一定一定一定要认真的听,课后的练习一定一定一定要做。

虽然没时间看书,但是模考解析我还是能保证的跟着听的。四天的正课,王老师金句频出,全程不敢漏掉一个字,电话都不想接。

我选择的是光环PRINCE2的远程直播课,找个自己最舒服的角落,泡了杯自己最喜欢的茶,准备了各种颜色的荧光笔以及空白笔记本,方便做笔记。

老师在面授班上布置的小组练习,自己也按时间完成并积极在群里互动,课后有问题,直接在群里问,四天下来,收获很多,结合自己的项目情景,理解起来毫不费力,理解后比死记硬背好得多。

另外,王老师的课,不是专门应试的,对工作的帮助更大,我最大的感触就是计划章节。

刘亮老师的模考题解析,可以很好的适应题型,我从最开始根本看不懂考试题型到后面能较好的控制考试的节奏。(第一次提前1小时做完,第二次提前15分钟,正考提前20分钟做完)。

而且真不用刷题,就考一次,听一次解析,不懂的地方重点再听一次,就好了。【这里需要说明,适合我的不一定适合所有人,此处经验仅供参考。】

对于模考解析中老师讲的重点,在书上勾出来,后面重点看。刘亮老师语速较快,听的时候得集中注意力,最好是模考完就马上把解析看了,这样趁热打铁更容易理解。

● 2. 不懂的地方及时跟群里同学、老师交流,一定要搞懂,模考题里面,要理解到考题的套路。

● 3. 用理解记忆不要死记硬背,比如产品描述里面为什么是质量标准,项目产品描述里面为什么是验收标准?

因为产品描述是PM给TM布置的作业,里面除了检查已完成产品所应用的质量检测方法是什么,还记录了生产产品的质量规范是什么,等于对过程也进行了约束,这样更容易获得合格的产品减少返工概率控制项目风险,而项目产品描述是客户跟PM之间的“合同”,它的目的是定义项目必须交付什么才能通过验收,作为项目收尾流程的验证手段之一,验收标准也是项目产品必须满足的清单,所以是对结果的检验。结合情景就很好理解。

● 4. 熟读教材。不管用什么方法,熟读至少2遍教材是必须的(如果看了没看懂,别慌,再看,总会看懂的)。

第一遍可能就读了个字,但是连起来啥都不懂,没关系,听了课以后会有重点,根据重点以及老师的解释,再看一遍就会豁然开朗,最后冲刺阶段,结合知识集锦+自己勾画的重点+流程图,看重点!!

流程图跑一遍基本上几个关于流程的章节就都懂了。看完教材,要做到:基本知识点已经理解,重点概念知道在哪里(考试拼手速),多准备几支各种颜色的荧光笔勾画重点,特别是附录A、C,荧光笔勾画关键词。

● 5. 保持心态,不要让自己过多焦虑。

首先,光环PRINCE2考试的通过率还是很高的,98%左右,所以只要看了书,听了课的,基本上都能过。

其次,如果自己不是学霸,也没关系,人外有人,不要受群里学霸高分的刺激;模考就算没考好,也没关系,保持平和的心态,按照自己的节奏复习,不要自乱阵脚,(平时做项目也要有这个心态,乱就容易出错),特别是考试前一天,心态最重要。

再次,考证只是一个获得检验的方式,学到东西最重要,运用到实际工作中产出了效益更重要,知行合一才是学习的根本。

最后,其他人的学习方法可以借鉴,每个人都有自己的学习套路,你觉得好的保持就好,保持信心。

● 6. 合理运用小工具。比如标签、荧光笔、便利贴。但是不建议满篇全是重点,那样等于没有重点。附录A首页我建议自己打印一个索引出来,贴在教材首页,标签贴就只需要写A1,A2这样,便于翻阅。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

● 7.考试中以及考试前保持平常的生活习惯和规律,别憋大招,正常发挥就行。

比如我考试之前一天下午,本来不喝咖啡,因为有点困就喝了咖啡,结果,一晚上没睡着觉,第二天去考试,就像敲晕的鸡,这不太好,我并不提倡。

● 8. 几个重点:

※ 主题:基于原则做什么事情,要理解
※ 商业论证:重点是A2.2,商业论证的组成,会根据项目情景写出;
※ 组织:重点是附录C,每个角色的标志性职责;
※ 质量:重点是质量审查技术,以及哪些角色可以合并;
※ 风险:重点是风险策略,教材上那张表P73以及表后面的解释、案例P74,要熟读理解;
※ 变更:五大步骤P82,问题的各种类型
※ 进展:P89的逐级授权的表,P88的容许偏差,理解各个角色出什么报告
※ 流程:
Must:准备流程、收尾流程
Should:指导流程、启动流程、边界管理流程
Would:阶段控制、交付流程、裁剪
※附录A:收益评审计划、商业论证、要点报告、项目概述文件、项目启动文件
※2个技术:质量审查技术&产品分解结构PBS;

在光环学习完PRINCE2的课程之后,感觉思想上有一定的升华,以前是从团队视角来看项目,现在从组织角度来看项目,对于之前遇到的一些问题也尝试用PRINCE2去解决,对于新接的项目,按照PRINCE2的流程去开展,目前来看有一定的效果。

好啦,今天就先分享到这里,下次,我给大家分享,我按照PRINCE2流程知行合一的小案例,希望对于各位项目经理或者正在观望想要学习PRINCE2的朋友们能有所帮助,就这样吧,我们下次见!

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。
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