Working Practice-多方位学习

      在毕业后的三年里,我的学习的对象主要是技术方面的。工作中遇到一些事情,我开始渐渐思考,工作除了技术以外,还有很多事情值得学习。

        不久前,我跟一个测试的同事关于bug的处理产生了分歧,事情的缘由不重要,重要的是:我坚持认为我的处理是正确的,而测试的同事坚持认为她的要求是合理的。我们无法达成一致(或者说,我们根本没有想去达成一致,都固守自己的想法)。

最后,我把当时的这个项目的技术负责人请了过来,他很快就给我们找到了一条处理的方法。从他的第一句话,我就明确的感受到:

  1. 谁的问题不重要。
  2. 谁对谁错不重要。
  3. 去找到方法,让双方达成一致最重要。

        而我的把问题放在了“对于错”上,这严重的影响了问题的解决。在我这里,迟迟得不到解决的问题,让我的同事很快的处理掉了。从企业角度来看,这也提高了生产力。

        通过上面的例子,我渐渐发现,沟通确实一种能力,这种能力不是所有人都具有,而从好的沟通力的分布来看,做管理的同事,沟通能力的远远高于普通的纯粹技术人员。或许沟通能力好是做管理的充分条件。

        同样,我发现我在沟通能力是我的短板以外,工作效率也有待提高,这些地方提升的收益远远大于技术。正确的提高效率的方法,能够提高一倍甚至几倍的效率,从企业角度来看,之前2个人可以做的事情,现在可能只需要1个人来做。

        最近,我接触到一本时间管理的书籍,叫做《超级时间整理术》,这本书帮助我做了很多反思,同时也提供给了我很多方法,如何管理自我,更好的做有意义的事情。我也同样买了一本关于领导学问的书籍,尽管现在没有人可以让我管,我仍然认为,从书中收益匪浅。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据朴素贝叶斯算法,我们需要分别计算天气状况、车辆状况、是否外出这三个属性的先验概率和条件概率,并利用贝叶斯公式计算后验概率,最终选择后验概率大的结果作为预测结果。 首先,计算天气状况、车辆状况、是否外出这三个属性的先验概率: - 天气状况(Sunny/Rainy)的先验概率:$P(Sunny)=\frac{5}{10}=0.5$,$P(Rainy)=\frac{5}{10}=0.5$ - 车辆状况(working/broken)的先验概率:$P(working)=\frac{6}{10}=0.6$,$P(broken)=\frac{4}{10}=0.4$ - 是否外出(go-out/stay-home)的先验概率:$P(go-out)=\frac{5}{10}=0.5$,$P(stay-home)=\frac{5}{10}=0.5$ 接下来,计算每个属性下不同取值的条件概率: - 天气状况(Sunny/Rainy)下是否外出(go-out/stay-home)的条件概率: $$P(go-out|Sunny)=\frac{4}{5}=0.8, \quad P(stay-home|Sunny)=\frac{1}{5}=0.2$$ $$P(go-out|Rainy)=\frac{1}{5}=0.2, \quad P(stay-home|Rainy)=\frac{4}{5}=0.8$$ - 车辆状况(working/broken)下是否外出(go-out/stay-home)的条件概率: $$P(go-out|working)=\frac{5}{6}=0.833, \quad P(stay-home|working)=\frac{1}{6}=0.167$$ $$P(go-out|broken)=\frac{0}{4}=0, \quad P(stay-home|broken)=\frac{4}{4}=1$$ 根据贝叶斯公式,我们可以计算在天气状况为“Sunny”,车辆状况为“broken”时,是否外出的后验概率: $$\begin{aligned}P(go-out|Sunny,broken)&=\frac{P(Sunny|go-out)P(broken|go-out)P(go-out)}{P(Sunny)P(broken)}\\&=\frac{P(Sunny|go-out)P(broken|go-out)P(go-out)}{P(Sunny)P(broken|Sunny)P(Sunny)+P(Rainy)P(broken|Rainy)P(Rainy)}\\&=\frac{0.8*0*0.5}{0.5*0.4*0.5+0.5*0*0.5}\\&=0\end{aligned}$$ $$\begin{aligned}P(stay-home|Sunny,broken)&=\frac{P(Sunny|stay-home)P(broken|stay-home)P(stay-home)}{P(Sunny)P(broken)}\\&=\frac{P(Sunny|stay-home)P(broken|stay-home)P(stay-home)}{P(Sunny)P(broken|Sunny)P(Sunny)+P(Rainy)P(broken|Rainy)P(Rainy)}\\&=\frac{0*1*0.5}{0.5*0.4*0.5+0.5*0*0.5}\\&=0\end{aligned}$$ 因此,当天气状况为“Sunny”,车辆状况为“broken”时,预测结果为“stay-home”。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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