光荣与梦想

转:http://forum.eet-cn.com/BLOG_ARTICLE_9947.HTM

团队培养

在你成为领导前,成功的标志就是自己成长;而当你成为领导之后,成功的标志就是如何使别人成长。– 韦尔奇

我一直以这句话来界定自己是否成功。做一个产品不算什么,培养一个能一直出优秀产品的团队,那才是我的目标。

yuchenl和longfeiw出于对于我的信任,能加入我的团队,我倍感荣幸,其实也同样肩负着压力,每时每刻无不如履薄冰,怕自己的经验不足 或者处事方法有误会辜负了他们的期望。

其实,在团队培养中我的全部经验就是重道,而不是术。只要有真正想培养团队每一个人的心态,总是能想到好的方法,为大家的成长提供帮助。

中间做了很多按自己想法来的事情,后来感觉其实效果挺好,(起码暂时每个人都是这么说的)在这里也总结一下:

1.依据自己对每人的感觉,给他们分配合适的工作和提出合适的学习建议,最好的学习是来自于工作的。

2.结合每人自己的学习目标,职业目标,同时努力的提供指导,帮助他们实现目标。

以上两点需要有所结合,全都靠自己感觉,容易让团队成员走上自己不喜欢的发展方向,但是,假如作为技术leader不思考,全靠团队成员自己把握他 们自己的方向,那又没有发挥自己应有的作用。

团队激励

如果你不能激励他人,你就不可能成为一名出色的领导者 – 韦尔奇

怎么样团队的工作效率才能高呢?能够完全肯定的是,不是给每名团队成员指定一名监工工作效率就高了。

我仍然认为这一点上道比术重要,重要的是真正的满足每个人的真正需求,让每个人都能开心的工作。其中,有意义和开心的工作,对于技术人员来说,还与 能否得到成长有很大的关系。要是没有这种心态,而是想着怎么样最大的榨取员工,再采取多一倍的方法,也总归是无济于事,类似的方法只能是杀鸡取卵似的尽一 时之快。

假如是大公司,铁打的营盘,流水的兵,有开的起的工资,有时间耗着培训,有名声在外的招牌,不愁走了一个没有人来,只感叹中国人之多,不知真的人才 之少,而对于创业型公司来说,这个问题就更加需要引起重视了,因为愿意来公司的每一个人,都是公司的宝贵财富,都可能是公司可遇而不可求的。

对于这个问题,我不知道有哪些正确激励团队的方法,在微博上有人提出过,激励团队的最佳手段有三个:

1,加工资 2,加工资 3,加工资

这种方法实在不能算是高明,就算是最牛的工资也不是光靠这个来激励团队的,我个人有一些看法:

1.工作的有意义。

2.开心工作的氛围。

3.团队关系融洽

就猎鸟项目来说,对于参与疯狂猎鸟项目中的每一个人来说,疯狂猎鸟能在app store排到榜首这成绩本身就让我们的工作显得有特别的意义。开心工作的氛围我只能说限于目前公司和我的条件,我暂时还是只能尽量的去维持,最起码团队 内部还不是一个不开心工作的氛围。而团队关系的融洽,因为大家的价值观很类似,所以还算不错。

合理计划

项目计划的错误是导致项目延期的主要原因,对项目的影响比其他原因加起来还要多。 — 《人月神话》

疯狂猎鸟不仅是团队组建以来的第一项目,事实也是我做主程的第一个项目,对项目的计划真是过于乐观了,难怪Brooks会在《人月神话》中说程序员 是最乐观的群体了。

项目最开始是留出了1个半月左右的时间来开发,后来我初略的感觉了一下,第一次的计划是在一个月内就完成(包括测试),后半个月留作缓冲(因为还没 有拿到策划文档,留半个月去做未知的新的需求),最后的结果是项目接近两个月才完成,按我的原计划来说,项目延期了100%……这真是太过于乐观的计划 了!

事实上,我定计划的时候,还没有拿到游戏的策划文档,完全按照捕鱼的功能开发去计算工作量,并且按我个人能够较为有时间参与开发的速度去计算的,而 实际的开发过程比与我想象的相差甚多,一方面游戏开发的实际内容比捕鱼复杂了太多,另一方面,因为下面要讲到的各个因素,我其实只参与了前期的设计和鸟出 现轨迹部分的开发。一来一去,整体项目的进度极大的延误。

需求控制

“做CEO最主要的工作是Kill ideas,提十个想法,九个我都会说N0” – 李彦宏

这个问题在很多公司都是个问题。老板不是只需要干两件事,一提需求,二催进度。 为什么乔布斯能够成为传奇,库克说:“乔布斯在位时他做的重要工作之一是否决大家想出的绝大部分创意,而使公司集中力量专注于其中两三个创意并将之变成现 实。”我觉得这个放在一个项目中也是合适的,一个项目中哪些需求是合适的,哪些需求是不合适的,这个实在是项目开发中最重要的工作,简而言之,我认为,一 个能控制需求的人比一个提需求的人作用还要大

在这个项目中,很遗憾的是老板没有能成为那个控制需求的人,很幸运的是,老板让我部分的承担了控制需求的工作(虽然也有一些没有能控制的需求),在 经历了这个项目后,虽然我非常确定项目最需要被控制的的有两点,一是过于远大的理想目标,二是不具体的需求。但是其实 到最后,我自己也不确定,“只要精品”的需求对项目带来的延期到底值不值得。因为这四个字,让美术来回的换了不知道多少次资源,对项目延期的直接影响就在 一周以上。而新添的宠物养成,宠物馆,到底算不算是游戏的亮点,对我们游戏能够登顶中国总榜,到底有没有帮助。不过,几乎可以肯定的是,要是我没有在中途 坚持过自己对控制需求,先出产品的想法,那么到现在,项目还在开发过程中……

总结

作为一个团队的管理,重要的是团队建设,团队培养,团队激励,对于一个项目的管理,重要的是合理的计划和需求的控制,回头一看,整篇总结,没有一个 具体的技术问题,对于我来说,真是篇珍稀的博文啊。

上面提到了很多我的观点,但是却没有为每一项提供具体的可执行的解决方案,没有经历过的人容易觉得都是泛泛而谈,太过空洞,其实是因为我的经验还不 是那么多,不能很有信心的将一些我的方法告诉大家,但是总的来说,把上面的东西全部浓缩为一句话,那就是对于对于一个项目,有好的团队,合理的计划并且控 制住需求,项目没有做不好的。

文章来源:程序即人生 转载请注明出处链接。

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。
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