6个方法,用博客建立你的个人“品牌”


 

 6个方法,用博客建立你的个人“品牌”

 

导读:

写这篇文章,是因为我昨晚上看到“长尾”这本书的作者,克里斯.安德鲁的一句话:你的品牌(能力) 不是由你说了算的,是由谷歌说了算。

 

我看完了这句话之后,深有感悟,在现在互联网的大时代里,不管我们喜欢与否,我们都已经被网在网中央,也就是说我们每个人每天都不知不觉的在互联网上构建这自己的个人“品牌",那么毫无疑问,建立良好的个人品牌会有利于自己的职业发展,甚至会给你带来很多商务机会,那么”怎么创建自己良好的个人品牌呢“ ,我认为撰写博客是建立你个人品牌很好也是很有效的方法,下面,我来告诉你通过博客建立个人“品牌”的6种方法。


1。 博客的内容要与你的职业发展目标相关

首先,你必须致力于成为一个内容的创造者。这意味着你需要定期的向互联网提供由你原创的内容,内容要与你的专业中擅长的领域相关,并且要涉及到你未来的发展目标,比如你目前的工作是前端开发工程师,未来的目标是一名专精技术的业内顶尖的资深前端开发,那你博客内容就主要写前端开发方面的技术文章。这样,别人一看就知道你的优势和特长是什么。比如我吧,我的职业发展目标是争取做到公司的最高管理层,因此,我的博客内容基本都是就是从项目团队管理、人才培养方面入手。

 

所以,如果你写博客的目的,是希望打造自己鲜明的品牌形象,那么你就要先问自己:“我擅长的领域是什么?”“我的发展方向是什么? ” 然后再开始创建属于你的原创内容。

 

至于你写博客的内容素材,可以先在6座网(www.6sit.com)确立你的职业发展路线,然后分阶段学习各技能点,并围绕技能和技能点,写博客。这样,你的职业发展方向确定了,博客的原创内容也有了。



2。围绕你擅长的领域,做专栏 

你的原创文章要紧密围绕着某一个领域来写,就像是,报纸、杂志上的专栏作家,他们流程是:先给这个专栏取一个名字,然后所有的文章都围绕这这个主题来写(你随便翻开一本杂志都能找到我说的这种专栏)。因此,专精一个领域,有利于形成自己独特的内容风格,看你文章的人自然会把你归类的某一个技能领域中去,这就形成了你在别人眼中的品牌形象。我们这里讨论的是专业博客的写法,所以,我建议你不要做杂家,家长里短的事儿留给微博就行了,在这里,专注于体现你的专业能力。


3。找到适合你写文章的网站

其实,在你看到这篇文章的时候,你已经找到了适合你的网站。因为,我选择的博客网站,都是和我工作有关的专业人士聚集网站,你能来到这,大家应该都是同行,我们也自然就是你的目标受众。

我建议你选2到3家网站,同时写博客,毕竟,读者越多,你的“品牌”越容易建立,和自媒体、微博一个道理。嗯,国外的LinkedIn是可以写专业文章的,而且,有很多人通过在linkin上写文章得到了很好的工作,但目前国内的lLinkedIn(领英)好像还没有开放这个频道。

 


4。博文内容能引发讨论

这是一个非常重要的一步,你的博文应该是开放的,努力做到引发读者思考和讨论,至少,也应该,在每篇博文的最后都写一句:先别忙着走,请你留下你的评论。开放的心态才能与他人建立联系,并且能引发你后续博文的写作灵感,比如说,我开始写过一篇博文《对你同样重要的非技术贴,10件事证明你跟错了人》,就有网友评论道:老板人倒不错,但他好像对我并不关注。他的回复为我带来思考,随后我又写了一篇博文《对你同样重要的非技术贴,8个方法让你成为下一个晋升对象》,并且给他留了言,希望他能来看看。

所以,读者对你的文章的评论,是读者送给你的礼物。



5。多参与讨论

同理,当你看到一篇能引起你共鸣的文章,你也要积极提出你的见解,哪怕就一个“赞”,作者也会很高兴,投桃报李,他也会注意到你,去看你写的文章。这样的话,你自己写的文章会在网站中产生纵向联系,你参与的评论会产生横向联系,形成横纵连横的关系,才会更容易扩大你的博客知名度。


6。分享真正的好文章

宁可不写,也不要在没有灵感的时候强写,不要让你的博客上堆砌没有观点没有内容的文字,同时切记不要抄袭。但你可以在博客上转载你觉得的真正有用的好文章。并通过发私信或微博告诉原作者你转发了他的文章,这样就促进了你的人脉社交,还能保持博客的活跃度,两全其美,何乐而不为呢?

总结:

使用博客来建立自己的个人品牌是一种有效、可靠的策略,加以时日,你的“品牌”会为你的事业发展带来意想不到的惊喜和丰厚的回报。所以,还等什么?想想你感兴趣和擅长的专业,以及你未来的发展方向,开始写博文吧。

先别忙着去开博,请留下你的评论吧。

 

半饱即好的更多博文

 

推荐工具:6座网---互联网各职位对应技能及发展路线

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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