从程序员到CTO所要培养的六种能力

2007-02-10 09:42 阿蒙 阿蒙编程之家

阿蒙认为如果你现在是个CPO,以后想升级成CTO ,那么从今天开始你就要找时间去学习与培养以下的能力,从阿蒙个人的经验与思考,我对这六种能力排了个序,也就越在前面的越重要,逐级递减,希望对你有所帮助与启发。
拿破仑同学说过:不想当将军的士兵不是好士兵。这话有一定的道理,人活着有时是为了一股气,为了实现梦想,我们需要不停地充气,气足了人才会有干劲有激情,对于我们中的多数人来说,这是一个漂泊的时代,社会上80%的人都是打工的,只不过大伙的衣领分级别而已,有金色的,有白色的,有灰色的,有蓝色的,有无色的,不要以为金色的就了不起,本质上与蓝色是一样的:打工。偶也是个打工的,只是有一部分是为自已打工,我对打工着的各位都是充满了敬意与爱意,我觉得每个人都挺不容易的!我们都希望明天会更好,因为有一个梦想,一抹乡愁,一些牵挂,所以我们不停地努力奋斗。
呵呵,又要离题了,话说回来,作为程序员,我们的目标是什么?技术专家、项目经理、技术总监或是其它的,你或许需要静下心来想一想了,不能象一个没有灵魂的“躯壳”那样飘来飘去的,小弟在此谈的是CTO,这年头流行C什么O,因此首席程序员也简称CPO,即Chief Programmer Officer,阿蒙认为如果你现在是个CPO,以后想升级成CTO,那么从今天开始你就要找时间去学习与培养以下的能力,从阿蒙个人的经验与思考,我对这六种能力排了个序,也就越在前面的越重要,逐级递减,希望对你有所帮助与启发。

1、领导能力
我从小就不喜欢听领导讲话,觉得实在是太沉闷太无聊,内容空洞,词汇老套,而且每一次都差不多,有时实在无可奈何不得不听,也只有海阔天空浮想连篇,要不就想方设法溜之大吉,你或许已明白,我讲的是传统的中国式领导,假如我是一个XX机构里的公务员,我就不敢在这里胡乱放肆,我怕被双规啊!
所幸,偶是个程序员偶谁都不怕,偶认为IT行业的领导是不能象前面所说的这种风格的,我们需要做事干练果断,思维敏捷灵活,讲话具有鼓舞性与说服力,否则会被程序员们鄙视死了,偶就一直觉得自已没什么领导能力,所以目前还在努力学习之中,阿蒙认为很少有人会是天生的领导者,大部分人的领导能力都是后天训练的,因此我们需要充分运用各种书籍、课程、关系和经验来提高自已的领导能力!

2、技术能力
作为CTO,技术能力是很重要的,因为你的下属大多也是技术能力较强的员工,你如果连技术都是马马虎虎的,那么你如何去评估一个子系统或一个模块的工作难度以及开发周期,你如何帮助员工解决技术难题,你如何赢得员工们的信任?阿蒙认为一个CTO最好是有过多年项目开发与管理经验,对各种项目设计与管理工具能熟练使用,熟悉主流的开发技术,并能对最新的技术进行了解与评估。
偶年轻的时候曾有一些日子很不幸,BOSS很搞笑,总觉得我们程序员不懂管理,于是派了一个行政出身的老革命来负责开发部的管理工作,老革命刚开始时激情澎湃信心十足,老子什么BIRDS什么风浪没见过啊,管你们这群毛头小伙太EASY了,谁知没管几个月,程序员都要走光了,老革命的头发也快掉光了,对于技术他什么都不懂,开会时不了解我们正在讨论的东东,更谈不上提出什么建议与方案了,于是他总是责怪我们,矛盾不断加剧,后果就可想而知了。
举这么一个例子,是想强调一下技术能力对于一个CTO的重要性,或许我的观点是偏面的,可能与偶的孤陋寡闻有关,因为能力有限,这些年偶都是混于中小型企业,偶认真地观察了几年,觉得中小型IT企业没有多大必要聘请一个专业职业经理人之类来管理技术,效果往往更差,还不如从本公司培养一些技术能力较强的员工,让他们成长起来,然后统管技术大局。 

3、沟通能力
沟通能力在我们这个行业似乎是一个讨论的热点,我看到许多的前辈也喜欢一起凑热闹。可能是因为我们的程序员们大多都是性格内向的,阿蒙当年也是一个非常SHY的BOY,现在稍微好一些了,可能是岁月的无情摧残吧。但作为CTO,就不能太SHY了,因为我们需要经常性地与BOSS、别的部门、最终用户和IT员工进行沟通,不同的沟通对象还要有不同的沟通态度,那么,我们如何提高沟通能力?两个办法:(1)练习、练习、再练习;(2)观察善于沟通的人,然后模仿他们所用的方法。
阿蒙之前写过一篇关于沟通的文章叫《管理感悟:沟通,沟通,再沟通》http://www.vchome.net/blog/more.asp?name=harrymeng&id=4914  , 有兴趣的朋友可去阅读一下。

4、规划能力
求伯伯的《金山词霸》对“规划”一词是这样解释的:计划,尤指比较全面的长远的发展计划。作为CTO,需要对公司的技术发展以及研发工作做一个比较全面的长远的计划。 大的IT公司,应都有一个专门的技术规划部门,但对于中小型的企业,往往都是CTO在做这方面的工作,因此我们需要经常性地作战略性的思考,有时间的时候多阅读一些商业和技术刊物,它们有可能对我们的规划思路有一定的帮助与借鉴。

5、外交能力
既然都当了CTO了,那就有更多的机会与客户、合作伙伴等等进行接触,优秀的外交能力有助于工作的顺利进行,也会给对方留下一个好的印象,因此我们要学会从别人的角度想问题,有时间时多阅读销售和谈判方面的BOOKS,同时要多创造机会,走出办公室,与别人进行接触。

6、财务能力
或许你会问:偶是CTO,又不是会计!对于某一个项目,财务成本的控制是非常重要的,这关系到是否有利润的问题,有些事情是不能寄希望于财务部门帮你解决的,因此基本的财务知识我们需要具备,何况,你去看看,MBA的课程设计里都会有财会知识这一部分。
终于写完了,好累啊!后面三点可能分析得不到位,因为阿蒙也在提高之中,所以还希望各位同行多来探讨一下,给小弟指点指点。

责任编辑 火凤凰 sunsj@51cto.com  QQ:34067741  TEL:(010)68476636-8007

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 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