程序猿到产品狗的迅速转换

从猿到狗的进化,已经慢慢脱离了人类了。

给大家说说我为什么转产品吧,其实可能和很多人想法不同,和之前的程序员交流,有一部分人会认为产品是一个很好的职位。为啥这么说呢,产品一般是对所在的项目对各个方面了解最全面的一个人,会认为如果选择一个项目经理的话会在产品中担任。在我所在的圈子里面问他们为啥去做程序员?大部分人都是迷茫的,没有人说我因为喜欢代码,所以去做这一行业。有的人是因为大学学的计算机,不知道做什么工作,选择了码农这条路。有的人是因为之前的工资比较低,看着身边的程序员收入高,去培训然后变成程序员。

我呢,和我说的第一种是符合的,我大学学的计算机,要实习了,不知道去做什么,考教师资格证考了2次,每次都是差一分,应该老天在暗示我不适合。考国家公务员,总分考的很好,单科划线挂了。我一个学计算机的还能干啥,只能去找相关的工作了。可能会有人问我为啥不做测试,当时我认为干不了开发的才去干测试的(测试的同学不要打我),工作了之后,测试也是很不简单的。

找工作也算顺利吧,到了一家银行外包的工作,给银行做项目外包。刚到了公司是什么也不会啊,大学也没有学过框架,虽然做过项目,但是也是看着课本敲的,完全蒙蔽。就一直在学习,在工作加学习的过程中,慢慢的从小小白到小白。但是整个的学习过程中,我发现我了解业务的速度比其他人都快,甲方的需求,项目组理解都会存在偏差,很多的疑问点都是和我的想法相吻合。

公司这边后来安排我和甲方进行相应的沟通,帮助甲方把需求文档明确,来帮助自己的同时更加高效的工作。慢慢的我写代码的时间就变得少了很多,其实我个人也不太喜欢写代码,就慢慢的变成了这么一个角色。我是后来才知道这个叫做产品。后来想去外面看看,做了一名产品经理。

我做过电商产品、物联网产品、云支付产品、银行核心产品、营销平台。

大家有什么问题可以评论,就大体的写了一下。关于产品有什么问题欢迎大家一起探讨。

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 3
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