产品经理学习笔记(17)-技术素养

 什么叫技术素养?我不想扯太多概念性的东西——我将其比喻成做数学应用题。应用题是把一个具体的问题抽象为数学模型并用数学方法去解决,产品经理在思考问题的时候,其实就需要把需求变成一个抽象的概念,思考如何用程序表达出来。而想要把抽象的概念用工程师所理解的方式表达出来,则需要了解技术实现的原理和技术可以实现的效果。 
 
          阿凡达的开发始于 1994 年,卡梅隆当时为这部电影撰写了 80 页的剧本论述。他原计划在 1997 年的《泰坦尼克号》摄制完成后就开始制作这部电影,并打算在1999 年上映,但最终未能如愿。卡梅隆解释说,当时的技术手段还不足以表现出他想象的电影场景。为电影中的外星人创造语言的工作开始于 2005 年夏天,卡梅隆也在 2006 年年初开始发展剧本及其虚构世界。这部电影打破了不少票房记录,成为了有史以来北美(不考虑通货膨胀)乃至全球票房收入最高的电影,超过了保持这一纪录 12 年之久的《泰坦尼克号》。《阿凡达》还是首部票房收入超过20 亿美元的电影。

         为什么突然要提到电影呢?因为《阿凡达》不仅是第一部收入超过20 亿美元的电影,而且是第一部成功的3D电影。导演詹姆斯·卡梅隆被称为3D电影之父,他邀请了摄像师文森特·佩斯(Vincent Pace),决心共同研制 3D摄像机。整个研究花费1200 万美元,并说服索尼公司一起打造 3D拍摄系统。这才有了《阿凡达》的完美视觉表现,以及后来的《少年派的奇幻漂流》和《地心引力》的惊艳效果。不仅如此,他对于人体捕捉技术亦有贡献。 
 
            为了采集演员面部更多的细微表情和数据,卡梅隆和来自 Weta Digital 的动画指导里奇·巴恩汉姆制造了一套脸部捕捉头戴设备。这个设备的核心是一个离演员脸部只有几英寸距离的微型摄像头。它的广角镜头能记录下演员脸部最微妙的表情变化:从眨眼睛、抽鼻子到皱眉毛,以及下颌、嘴唇、牙齿和舌头的互动。从头戴设备采集到的表情信息生成了演员脸部的数字架构,经过一系列的规则运算后,纳美族人就拥有了栩栩如生的表情。 
            正是这个特殊的创新设计,让《阿凡达》的虚拟技术达到了新的高峰,把过去大骨骼大肌肉的动作捕捉和模拟,推进到了“面部小肌肉”的层面。当然,这对演员表演水平的要求也提升了一个层次──不同于以前让计算机表演然后演员配音,这次演员要非常投入地把细微的面部表情表现出来才可以。 
——摘自《商业价值》中《詹姆斯·卡梅隆:电影之王》一文 
 
            这就是一个电影导演的技术素养。作为一个技术先驱,理解技术并改造技术,让整个电影作品展现出了前所未有的效果,让人称赞。如果一个产品经理不懂技术,不理解技术的基本原理,同样难以提供足够好的解决方案。就好像1994 年的卡梅隆无法令自己的剧本如愿展示一样,让人遗憾。 
            又要拿出那个脍炙人口的案例:乔布斯其实也是一个懂技术的人。不仅仅是技术,而且对于字体有着自己的偏爱。虽然在《乔布斯传》中没有找到对应的描述,但在《黑客》这本描述上个世纪黑客发展历史的书里,乔布斯和沃兹尼亚克成为了历史无法忽略的一部分,作者在文中这样写道: 
 
 
            一天,苹果公司的新任总经理迈克·斯科特让克里斯·埃斯皮诺萨复制了一份可以玩《Breakout》游戏的演示软件到展示用的计算机里。这款游戏最初是由乔布斯为 Atari 公司编写的,后来沃兹尼亚克用 Apple BASIC 重写了整个游戏。 
 
            回到中国,目前大部分成功的产品或者互联网公司背后都有一个非常理解技术的老板:无论是腾讯的马化腾,还是百度的李彦宏;无论是小米的雷军,还是豆瓣的阿北。这些互联网老兵都是在代码中浴血奋战过,与编译器折腾过无数昼夜的产品经理和程序员。 
我个人虽然是文科出身,但在大学期间折腾博客,也略懂一些前端知识,来了腾讯之后更是在程序员朋友的指导下,开始学习 Python 脚本语言。虽然学习技术并非是解决问题的关键,但提升一下对技术的理解度是非常有必要的——何况,写代码是一种让人心醉的过程,真的可以让人一天不想吃饭不想睡觉,只想着如何解决问题。当然,这是题外话。 
           总而言之,技术素养是非常重要的。对于产品经理来说,你只需要有优秀的技术素养即可,不一定非要自己亲自写代码上阵把逻辑和框架都搞定——相比之下,如何让技术为产品所用,才是值得思考的问题。正是如此,产品经理需要让自己尽早地接触到世界上一些新鲜好玩的技术和产品,了解这些产品背后的逻辑,可以培养产品经验并为自己的日常工作所用。 

           我最早接触代码是在大学时候,当时为了鼓捣独立博客,自己研究了如何利用Wordpress建站,如何进行域名配置和页面优化,学了 HTML 和CSS 之后,泡在图书馆边看边记笔记,晚上在寝室用电脑实现对应的效果。在工作过程中,则发现自己的许多需求无法被满足,于是想要更加自动化一些。比如写个脚本进行一些基本的文本处理——发现这在工作中的确很有效。

 

           学会编程是一件非常有意义的事情。这有点像跑步,并非是突然悟道,而是一天一天慢慢积累,每天学习积累经验。刚开始的时候,我根本就看不懂别人写的是什么,对于什么语法、缩进一点都不清楚,但没关系,慢慢按照书上写,不懂就自己琢磨或者问一些开发者。有可能一个问题花了两天都没想明白,但第三天洗澡时可能就想通了,这种突如其来的灵感让人兴奋。不仅如此,学习编程绝对是世界流行的一项活动,而且拥有丰富的学习材料和一大批开放互动的社区——即使你是一个菜鸟,也有人愿意出手相助。 

           不仅如此,当你真正进入编程的世界,你发现自己拥有了一个工具,高效而敏捷,允许你不断升级。有了这个工具,你可以探索更多的世界,找到更多的便利,让生活变得得心应手——这些修辞或许夸张,但于我而言,学会编程犹如在信息海洋中拥有了一艘船,你不必担心被淹死,而是可以遨游其中。在这个过程中,你发现自己可以不断地升级船只,还有一大批人与你同行。 
通过 Codecademy和Stack OverFlow ,任何人都可以学会编程,这就是其美妙之处。推荐各位产品经理花点时间去学习一门简易的编程语言,可以让人受用终生。


原文地址:http://www.itmmd.com/201501/440.html 

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。
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