技术人员的生产力

DBANote 的一篇新文  , 可以说一针见血 不转不行.

 

 

按:这其实是某一本书的推荐序(我这段时间没写 Blog 净帮着人忽悠了)。不过遇到了不靠谱的出版社不靠谱的编辑,据说整篇文章最后"只采用一两句行不行"? 当然不行。以后如果有出版社找我免费写推荐序或者书评,请自己考虑好再来浪费我的时间,多谢配合。

 


有的时候朋友们聚在一起聊天,会谈到国内国外技术人员的差异。我常喜欢说一句话"国内的 IT 公司基本上是劳动力密

 

集型高科技企业 "。比如就国外 Web 2.0 站点来说,CraigslistWikipedia 等流量比较大的网站不过数十人的小团队

 

而已,如果放在国内,这样规模的网站起码要几百人乃至更多人员才能足够支撑。国外程序员一个人做的事情,国内可能要

 

一个团队来做,当然可能还做不好。这里面或许有企业管理效率低下的因素存在(宁愿相信是这样的原因),不过大家都不愿

 

意说的另一个因素是我们技术人员生产力效率低下 。这种差异来自不是智力、体力上的差异,而是因为做事情的方式和方

 

法,存在大量的重复劳动和人工劳动,对技术不能充分有效运用。如果不能对工作方式方法进行改进,我们永远都是技术流

 

水线上的编码工人。

 

 

我们常说,重复的行为才能形成习惯,只有良好的习惯能导向成功。或许有人某些书籍或者聆听了某些"教诲"会逆反性的产

 

生不以为然的想法,"这个我早 就知道......" -- 我自己常常就是这样自以为是。问题是,只是"知道"而没有行动起来加以"运

 

用",这样即使知道再多的技巧也不会形成良好的习惯,自然无法产生实质的改进, 这可能也是技术人员惰性的一方面吧。

 

其实我们需要的是能有更多的技术人员真正的行动起来,利用这些经验/教训/技巧...提升自己,也去积极影响他人,形 成更

 

良性的互动,不要让"持续改进"成为一句空话。另外,必须要补充的是,如果技术人员持续从事低效率的工作,极有可能逐

 

渐厌烦技术,疏远技术,乃至对技 术绝望,而一个高效的技术人才能从技术中获得真正的快乐。

 

也想告诉那些所谓的管理人员,不提升每位技术人员的生产力而希翼增加人手来解决技术困境的想法是不切实际的。那样做

 

除了给企业增加负担,使组织更加 混乱低效,很难起到什么实质作用。好的管理者必须能够引导下属持续提升生产力,不能

 

一味用死板的流程制度限制团队的整体节奏。彼德克鲁克这之类的管理大师 的大腿人人都好抱,但那是屠龙之术,您暂时还

 

可能用不上,来点痛快实在的才是王道。

 

--EOF--

 

文章有删节。出版社的名字我就不直接说了,不过类似的经历的人还有潘加宇 。你猜这是哪一家?

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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