硅谷人从乔布斯那里真正应该学的5条教义

成为啊噗星人

搜索微信号:apu_app,订阅微信公众号,不定期有惊喜,要关注起来哦!

 

满硅谷的人都说自己崇拜乔布斯,但是说到真正的学习和效仿还差的远呢。无论是黑客组织、科技公司还是投资基金,人们都不断的表达自己对乔布斯的认同,认为他是最为高效的CEO、最好的创新者、最能激励人心的领导人、最冷酷的谈判高手等等,是整个硅谷对于未来科技发展方向最有愿景和方向感的人。虽然有时候有些不近人情,有些咄咄逼人,但是比起他伟大的成就,那真的不算什么。

我本人第一次见到乔布斯是在一次Reed大学的人文专业的研究会上,我们讨论了欧洲艺术的话题,但是乔布斯表示我的观点简直不值一文,当时只有17岁的乔布斯告诉我,如果要想真正的了解艺术,就要走出去,那时的他一头乱发,样子就像刚刚睡醒一样。他认为我思维保守,拒绝突破。

而这种想法后来发展成为苹果的产品信条,并在1984年在推出Macintosh的时候,一起发出了“献给疯狂的人”的广告语。对于乔布斯的成功和认同,其实嘴上随便说说是很容易的事情,但是乔布斯身上有很多宝贵的教义,都被硅谷的人忽略了。

第一课 创造伟大的产品需要耐心

乔布斯以对产品苛刻的要求而出名,产品设计师往往要因为他的不满,将原有的设计打倒,从新来过。这种成本对于苹果来说也是很大的,但是这也是苹果成功的原因。比如微软比苹果更早的设计出平板电脑的软件和硬件,但是iPad成为了平板的主流。还比如很多其他的公司都会比苹果更早的发布同类产品,但是用户总是钟爱苹果的解决方案。

现在的公司发布产品的时候太过轻易了,创业者都很轻易的把产品放出去,让市场自己检验。但是乔布斯总是在内部精益求精的要求。这种做法需要很多的时间,这是很多公司都无法做到的。另外乔布斯的这种耐性透露了巨大的自信和对未来的愿景。

第二课 大思维

不知道面对现如今大量的各种重复出现的移动应用,乔布斯会如何想呢?Elon Musk有个习惯每天的早餐之前要想出三个伟大的想法,这种习惯说起来容易,但是没有几个人能坚持做到,尤其是只要有投资人投点钱,就能跑到硅谷创业的年代。乔布斯习惯于大思维,过于狭小的思维不属于他。

第三课 专注于你的强项

很多人都钦佩乔布斯1997年重返苹果,通过重新设置方向让苹果重获新生的故事。在离开苹果的那段时间,乔布斯其实意识到很多事情。当他重回苹果的时候,认定苹果要做自己擅长的事情。这需要对自己以及自己的公司清楚的认识,包括优势和不足。但是现在还是有很多的公司将资源和精力浪费在很多非优势的方向上。这些人应该看看乔布斯1997年的故事。

第四课 不同的思考

硅谷人对于利益的追求堪比早年的大淘金时代。开个玩笑的说,在硅谷的街头随便扔出一个U盘,都能砸中这样一个人。这些人极力劝你学习一些技术,想要给你建议等等。但是在乔布斯看来,完全的听从他人是走向平庸的路子。如果你不能有不同的思维,你又如何脱颖而出呢?

第五课 只有技术是不够的

有一点硅谷里的很多人都比不上乔布斯,他只是一个大学辍学生,但是崇尚学习和文化,并将他自己在音乐、书法、设计和建筑上的知识用到了苹果的产品上。

现在有一种趋势,在硅谷都鼓励年轻的程序员和创业者,早早的从大学里跑出来,放弃高等教育,这样他们就可以完全的专注到写代码上,并学习如何创建一家公司。对于这些每天在电脑面前一坐就是20个小时的人来说,莎士比亚、贝多芬和莫奈都没有任何意义。很多人都认为苹果的产品设计很美,不光是因为好用,而是在设计和概念上追求卓越。虽然并不是每个产品都能做到这一点,但是这种想法体现人家的追求。

就像乔布斯在2011年发布iPad2时所说的“对于苹果来说,技术本身是绝对不够的,只有把技术和美学结合,和人文情怀结合,才能设计出让人心动的产品”。

总之如果乔布斯如今还活着,看到现在的硅谷人,估计他会气得想踢屁股吧。

喜欢的话就关注啊噗微信公众吧!


  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 1
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