领导力教练:世界著名企业教练们的实践心得(原书第3版)

《领导力教练:世界著名企业教练们的实践心得(原书第3版)》
基本信息
原书名:Coaching for Leadership: Writings on Leadership from the World’s Greatest Coaches(Third Edition)
作者: (美)马歇尔.戈德史密斯 劳伦斯 S. 莱昂斯 莎拉.麦克阿瑟
译者: 徐中 戴钊 胡金枫
出版社:机械工业出版社
ISBN:9787111428114
上架时间:2013-6-20
出版日期:2013 年7月
开本:16开
页码:1
版次:3-11
所属分类:经济管理 > 管理 > 领导学 > 领导力
目录
《领导力教练:世界著名企业教练们的实践心得(原书第3版)》
推荐序
译者序 领导力教练——个性化领导力突破的新模式
前 言
序言(第3版)
序言(第2版)
序言(第1版)
第一部分 教练基础
第1章 通过教练改变行为 3
第2章 居于战略核心的教练 10
第3章 情境领导与高管教练 24
第4章 教练和咨询的异同 34
第5章 揭开教练之谜 43
第二部分 领导者的形象
第6章 技艺娴熟的领导者 55
第7章 领导力写作:写出你的领导声音 70
第8章 在一个烦心的商业环境中寻找价值 78
第9章 领导者的风范 90
第10章 目的型领导 99
第11章 教练型领导 105
.第三部分 行为改变所面临的挑战和阻力
第12章 男性和女性的自我觉察教练 117
第13章 授 权 教 练 124
第14章 跨国界领导 134
第15章 公司治理教练 140
第16章 领导力洞察:超越乏味的管理语言 150
第四部分 识别和培养高潜力领导者
第17章 提高敬业度和员工保留率的教练 167
第18章 教练未来的律师领导者:案例研究 175
第19章 高效的团队建设 182
第20章 领导者培养领导者:微软的高潜力人才发展和高管教练188
第21章 高潜力领导者的培养 205
第22章 导师的传承 211
第五部分 付诸行动
第23章 有效地影响决策者:确保你的知识产生影响 219
第24章 快速成长的路径:成功转型为更重要的领导者 225
第25章 团队的力量:卓越团队的优势 231
第26章 倍增你的价值 240
第27章 在职业竞赛中胜出:高管及教练需要知道的事情 246
第六部分 教练模型及工具
第28章 领导力之旅的教练工具 257
第29章 用前馈代替反馈 268
第30章 三类高潜力领导者及realise2 4m模型 273
第31章 教练高潜力女性领导者:使用六点影响力模型实现转型 282
第七部分 领导力教练:高端网络内容
第32章 成功实施同伴教练的十个建议
第33章 教练继任高管:三段式方法
第34章 为什么360度评估没有效果以及如何保证效果
第35章 领导力与权力:职位带来什么不同
第36章 教练高管:女性在全球的成功
第37章 教练的教练
致谢 295
编者简介 296
注释 298
图书信息来源: 互动出版网

 

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