台湾项目经理学员疫情期间远程学习Scrum心得分享

2 篇文章 0 订阅
2 篇文章 0 订阅

      我是公司的專案經理,專案經理的資歷不深,到了現在任職的公司有導入Scrum,我才知道「Scrum」這個名詞,自己有翻書自學跟上網找相關的資料,老實說看完覺得scrum不難,但真正再執行才發現是個大考驗。這也就是為什麼我會報名CSM課程,想真正瞭解實務上該怎麼進行,並且可以聆聽他人的相關經歷跟解決辦法等等。

  當初再報名CSM時自己很掙扎,因為現在疫情的因素皆改為線上教學課程,當時我十分排斥,不喜歡遠距上課,我會認為人跟人面對面的感覺遠比隔著屏幕來的近,且比較沒有距離感(這應該也算是敏捷的12準則之一),最後考量到現在所有課程也都是遠距教學,願意給長宏一次機會試試看,這算是我首次「遠距上課」獻給長宏,必須說,整體上完課Jacky講師、Roger助教跟小組夥伴的相互間互動,完全出乎我意料之外,使用zoom跟miro兩個軟體讓大家上課更活潑、更促進彼此討論,即便大部分夥伴都沒有使用過這兩個軟體,也可以很容易的輕易上手,並且於課程中大家共同完成一個sprint,從Product Backlog到一個sprint的Sprint Backlog等等,每個人都是來自不同的公司、不同背景,但是,聚再一起討論的感覺很像是認識很久的夥伴,顛覆了我對於「遠距上課」的觀感。若現在有人問我遠距上課可以接受嗎?我的答案是肯定的,當然可以接受!

  优普丰的Jacky講師資歷非常豐富,我也沒有上過中國講師的課程,不過可能因為中國地大物博,相對碰觸到的也會比較多一些,我們可以從他的經歷知道或許我們已經遇到不知道怎麼解決或者有可能之後會遇到的問題,Jacky講師的處理之道是什麼?對我來說也是另一種很好的學習,且不只是單單軟體業,包含金融跟硬體業他都可以跟我們說明當時所遇上的問題跟怎麼做會比較恰當,因為班上每個人遇到的狀況都不同,他跟Roger助教會顧及到所有同學,且會注意到跟所有上課同學的互動,我想這也是scrum的精神。

  要說scrum很簡單嗎?每個人的答案可能不一樣,在我剛開始接觸時,我覺得很簡單,不過就是三個角色,Scrum Master、Product Owner、Development Team,每天15分鐘的站立會議,Jira面板流程怎麼走等等,書上真的寫得蠻簡單的... 實際運作可以說是天差地遠,執行到最後就認為自己還是去上課好了,或許會有不一樣的結果。

  上完課,雖然短短的兩天,可是很充實很豐富的上課內容,自己打算製作一份scrum簡報,可以為公司的同仁說明「scrum」,這樣大家在執行scrum上我相信可以更加瞭解其意義所在,並且對於再實行scrum更加有信心可以推動於專案當中讓專案可以更加順利。

原文:台湾项目经理学员疫情远程学习scrum认证课程

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