PMP考点笔记(一)

PMP相关考点整理 PMP指的是项目管理专业人士资格认证。它是由美国项目管理协会(Project Management Institute,简称PMI)发起的,严格评估项目管理人员知识技能是否具有高品质的资格认证考试。 阅读详情

1、项目(渐进明细性)

 

项目是为创造 独特的产品、服务或成果 而进行的 临时性工作 。

可能会产生以下一个或多个可交付成果;

某些项目可交付成果和活动中可能存在重复的元素,但这种重复并不会改变项目工作本质上的独特性。

临时性: 是指项目有明确的起点和终点。

项目驱动变更 :从商业角度来看,项目旨在推动组织从一个状态转到另一个状态,从而达成特定目标。

项目创造商业价值 :商业价值包含有形、无形。

项目启动背景 :

2.项目、项目集、项目组合以及运营管理

项目集:项目集是一组相互关联且被协调管理的项目、子项目集和项目集活动,以便获得分别管理所无法获得的利益。(关联关系)

项目组合:有助于实现组织战略和相关优先级。(优先级)

从组织的角度来看项目、项目集和项目组合管理:

项目集和项目管理的重点在于以“正确”的方式开展项目集和项目;

项目组合管理则注重于开展“正确”的项目集和项目。

3.关键词解释

项目阶段是一组具有逻辑关系的项目活动的集合,通常以一个或多个可交付成果的完成为结束。

阶段关口在项目阶段结束时进行,将项目的绩效和进度与项目和业务文件比较。

项目商业论证指文档化的经济可行性研究报告,用来对尚缺乏充分定义的所选方案的收益进行有效性论证,是启动后续项目管理活动的依据。商业论证列出了项目启动的目标和理由。它有助于在项目结束时根据项目目标衡量项目是否成功。

4.项目和开发周期

项目生命周期指项目从启动到完成所经历的一系列阶段。

  • 预测型生命周期——早期阶段确定项目范围、时间和成本。
  • 迭代型生命周期——项目范围通常于项目生命周期的早期确定,但时间及成本估算将随着项目团 队对产品理解的不断深入而定期修改。
  • 增量型生命周期——预定的时间区间内渐进增加产品功能的一系列迭代来产出可交付成果。最后一次交付后才完整。
  • 适应型生命周期——属于敏捷型、迭代型或增量型。

5.五大过程组

  • 启动过程组定义一个新项目或现有项目的一个新阶段,授权开始该项目或阶段的一组过程。
  • 规划过程组明确项目范围,优化目标,为实现目标制定行动方案的一组过程。
  • 执行过程组完成项目管理计划中确定的工作,以满足项目要求的一组过程。
  • 监控过程组跟踪、审查和调整项目进展与绩效,识别必要的计划变更并启动相应变更的一 组过程。
  • 收尾过程组正式完成或结束项目、阶段或合同所执行的过程。

6.十大知识领域

  • 项目整合管理包括为识别、定义、组合、统一和协调各项目管理过程组的各个过程和活动而 开展的过程与活动。
  • 项目进度管理包括为管理项目按时完成所需的各个过程。
  • 项目成本管理包括为使项目在批准的预算内完成而对成本进行规划、估算、预算、融资、筹资、管理和控制的各个过程。
  • 项目质量管理包括把组织的质量政策应用于规划、管理、控制项目和产品质量要求,以满足相关方的期望的各个过程。
  • 项目资源管理包括识别、获取和管理所需资源以成功完成项目的各个过程。
  • 项目沟通管理包括为确保项目信息及时且恰当地规划、收集、生成、发布、存储、检索、管理、控制、监督和最终处置所需的各个过程。
  • 项目风险管理包括规划风险管理、识别风险、开展风险分析、规划风险应对、实施风险应对和 监督风险的各个过程。
  • 项目采购管理包括从项目团队外部采购或获取所需产品、服务或成果的各个过程。
  • 项目相关方管理包括用于开展下列工作的各个过程:识别影响或受项目影响的人员、团队或 组织,分析相关方对项目的期望和影响,制定合适的管理策略来有效调动相关方参与项目决策和执行。

7.项目管理数据和信息

  • 工作绩效数据(PMIS中)。在执行项目工作的过程中,从每个正在执行的活动中收集到的原始观察结果和测量值。包括工作完成百分比、质量和技术绩效测量结果、进度计划活动的开始和结 束日期、变更请求的数量、缺陷的数量、实际成本和实际持续时间等。
  • 工作绩效信息。从各控制过程收集,并结合相关背景和跨领域关系进行整合分析而得到的 绩效数据。绩效信息的例子包括可交付成果的状态、变更请求的落实情况及预测的完工尚需估算。
  • 工作绩效报告。

8.项目运行环境——事业环境 因素 (EEF) 和组织过程资产 (OPA)

事业环境因素 (EEF) 源于项目外部(往往是企业外部)的环境,事业环境因素可能对整个企业、项目组合、项目集或项目产生影响。

和组织过程资产 (OPA)源于企业内部,可能来自企业自身、项目组合、项目集、其他项目或这些的组合。

项目组合(优先级,做什么)VS项目集(相互影响,怎么做)

ps:组织知识库——组织用来存取信息的知识库,包括(但不限于):

  • 配置管理知识库;
  • 财务数据库;
  • 历史信息与经验教训知识库;
  • 问题与缺陷管理数据库;
  • 测量指标数据库,用来收集与提供过程和产品的测量数据;
  • 以往项目的项目档案

9.组织结构

项目管理办公室 (PMO) 是对与项目相关的治理过程进行标准化,并促进资源、方法论、工具和技 术共享的一个组织结构。

支持型——提供模板、最佳实践、培训,以及来自其他项目的信息和经验教训;

控制型——不仅给项目提供支持,而且通过各种手段要求项目服从;如采用项目管理框架或方法论;使用特定的模板、格式和工具;

指令型——直接管理和控制项目。

10.项目经理的能力

技术项目管理——与项目、项目集和项目组合管理特定领域相关的知识、技能和行为,即角色履 行的技术方面。

领导力——指导、激励和带领团队所需的知识、技能和行为,可帮助组织达成业务目标。

战略和商务管理——关于行业和组织的知识和专业技能,有助于提高绩效并取得更好的业务成果。

11.商业论证

为了证实项目的价值,在商业论证中通常包含业务需求和成本效益分析等内容。

作用:

  • 商业论证从商业视角描述必要的信息,并且据此决定项目的期望结果是否值得所需投资;
  • 多阶段项目中,可以通过对商业论证的定期审核,来确保其实现其商业利益;
  • 早期阶段,项目发起组织对商业论证进行定期审核,也有助于确认项目是否仍然必要;
  • 商业论证了证项目的合理性并确定项目边界;
  • 商业论证为高层级决策依据;
  • 相关方质疑项目的价值***

12.项目章程(谁签发谁修改)

项目章程的内容:

    • 项目目的(批准项目的原因);
    • 可测量的项目目标和相关的成功标准;
    • 高层级需求、高层级的项目描述、边界定义和主要的可交付成果;
    • 整体项目风险;
    • 总体里程碑进度计划;
    • 关键相关方名单;
    • 项目审批要求;
    • 项目退出标准;
    • 委派的项目经理及其职责+职权;
    • 发起人/其他批准项目章程的人姓名和职权。

项目章程的作用:(正式批准项目和授权项目经理)

13.专家判断VS头脑风暴VS引导

专家判断:寻找“专业、专家组、复杂且没有历史数据”

头脑风暴:寻找“创意、创新、讨论收集新的想法”

引导:“出现意见不一致、为了达成一致”(相关方)

14:假设日志

通常,在项目启动之前编制商业论证时,识别高层级的战略和运营假设条件与制约因素。这些假 设条件与制约因素应纳入项目章程。

较低层级的活动和任务假设条件在项目期间随着诸如定义技术规范、估算、进度和风险等活动的开展而生成。假设日志用于记录整个项目生命周期中的所有假设条件和制约因素。

考法:

假设日志是制定项目章程的输出,用于记录整个项目生命周期中的所有假设条件和制约因素。

假设日志包含假设条件和制约因素;

“限制/规定、假如/如果”

15.项目管理计划(一旦确定后,成为基准)

制定项目管理计划是定义、准备和协调项目计划的所有组成部分,并把它们整合为一份综合项目管理计划的过程。批准时需要主要相关方批准。

项目管理计划的内容

子管理计划:

范围管理计划——确立如何定义、制定、监督、控制和确认项目范围。

需求管理计划——确定如何分析、记录和管理需求。

进度管理计划——为编制、监督和控制项目进度建立准则并确定活动。

成本管理计划——确定如何规划、安排和控制成本。

质量管理计划——确定在项目中如何实施组织的质量政策、方法和标准。

资源管理计划——指导如何对项目资源进行分类、分配、管理和释放。

沟通管理计划——确定项目信息将如何、何时、由谁来进行管理和传播。

风险管理计划——确定如何安排与实施风险管理活动。

采购管理计划——确定项目团队将如何从执行组织外部获取货物和服务。

相关方参与计划——确定如何根据相关方的需求、利益和影响让他们参与项目 决策和执行。

基准:

范围基准——经过批准的范围说明书、工作分解结构 (WBS) 和相应的 WBS 词典,

用作比较依据。

进度基准——经过批准的进度模型,用作与实际结果进行比较的依据。

成本基准——经过批准的、按时间段分配的项目预算,用作与实际结果进行比 较的依据。

绩效测量基准——经过整合的项目范围、进度和成本计划,用作项目执行的比较依据,以测 量和管理项目绩效。

16.项目启动大会VS项目开工会议

项目启动会议——项目进入执行阶段的标志。传达项目目标,获得团队对项目的承诺;阐明每个相关方的角色和职责。

项目启动大会 initiating meeting启动阶段结束时召开的会议;发布项目章程+任命项目经理动用资源的权利;

项目开工会议kick-off-meeting项目管理计划完成后,实施之前召开;传达项目目标+阐明每个相关方的角色和职责+获得团队的承诺+树立团队信信心;

17.指导与管理项目工作

17.1可交付成果——可交付成果是在某一过程、阶段或项目完成时,必须产出的任何独特并可核实的产品、成果或服务能力。它通常是项目结果,并可包括项目管理计划的组成部分。一旦完成了可交付成果的第一个版本,就应该执行变更控制。用配置管理工具和程序来支持对可 交付成果(如文件、软件和构件)的多个版本的控制。

17.2变更请求——沟通管理计划和相关方管理计划不需要走变更流程,非要走也不是不行。

17.3问题日志——在整个项目生命周期中,遇到问题、差距、不一致或意外冲突。项目经理需要采取某些行动加以处理,以免影响项目绩效。问题日志是一种记录和跟进所有问题的项目文件,所需记录和跟进的内容可能包括:

    • 问题类型;
    • 问题提出者和提出时间;
    • 问题描述;
    • 问题优先级;
    • 由谁负责解决问题;
    • 目标解决日期;
    • 问题状态;
    • 最终解决情况。

问题日志可以帮助项目经理有效跟进和管理问题,确保它们得到调查和解决。作为本过程的输出,问题日志被首次创建,尽管在项目期间任何时候都可能发生问题。在整个项目生命周期应该随同监控活动更新问题日志。

纠正是针对过程,补救是产品/产品组件。给相关方的报告有可能也是可交付成果。

18.管理项目知识

使用现有知识并生成新知识,以实现项目目标,并且帮助组织学习的过程。本过程的主要作用是,利用已有的组织知识来创造或改进项目成果,并且使当前项目创造的知识可用于支持组织运营和未来的项目或阶段。

18.1 显性知识VS隐性知识

显性知识:图片、文字、文件等

隐性知识:信念、洞察力、诀窍、经验等

18.2经验教训登记册

经验教训登记册可以包含情况的类别和描述,经验教训登记册还可包括与情况相关的影响、建议和行动方案。经验教训登记册可以记录遇到的挑战、问题、意识到的风险和机会,或其他适用的内容。

经验教训登记册在项目早期创建,作为本过程的输出,可以作为很多过程的输入,也可以作为输出而不断更新。

在项目或阶段结束时,把相关信息归入经验教训知识库,成为组织过程资产的一部分。

19.监控项目工作(防止项目跑偏)

监控项目工作是跟踪、审查和报告整体项目进展,以实现项目管理计划中确定的绩效目标的过程。本过程的主要作用是,让相关方了解项目的当前状态并认可为处理绩效问题而采取的行动,以及通过成本和进度预测,让相关方了解未来项目状态。整个项目期间开展。

数据分析

备选方案分析——备选方案分析用于在出现偏差时选择要执行的纠正措施或纠正措施和预防措施的组合。

成本效益分析——成本效益分析有助于在项目出现偏差时确定最节约成本的纠正措施。

挣值分析——挣值分析对范围、进度和成本绩效进行了综合分析。

根本原因分析——关注识别问题的主要原因,它可用于识别出现偏差的原因以及项目经理为达成项目目标应重点关注的领域。

趋势分析——根据以往结果预测未来绩效,它可以预测项目的进度延误,提前让项目经理意识到,按照既定趋势发展,后期进度可能出现的问题。应该在足够早的项目时间进行趋势分析,使项目团队有时间分析和纠正任何异常。可以根据趋势分析的结果,提出必要的预防措施建议。

偏差分析——审查目标绩效与实际绩效之间的差异(或偏差),可涉及持续时间估算、 成本估算、资源使用、资源费率、技术绩效和其他测量指标。

20.实施整体变更控制流程(沟通管理计划和相关方管理计划)

实施整体变更控制是审查所有变更请求、批准变更,管理对可交付成果、项目文件和项目管理计划的变更,并对变更处理结果进行沟通的过程。在整个项目期间开展。

参与项目的任何相关方都可以提出变更请求;

变更请求的分析和审查必须是综合性的、全面的;

口头提出,但所有变更请求都必须以书面形式记录,并纳入变更管理和(或)配置管 理系统中;

每项记录在案的变更请求都必须由一位责任人批准、推迟或否决;

影响基准的变更——CCB;不影响基准——通常由项目经理做出;

紧急情况下的变更,需要补变更流程,属于权变措施。

有变更走流程

21.结束项目或阶段

结束项目或阶段是终结项目、阶段或合同的所有活动的过程。

在结束项目时,项目经理需要回顾项目管理计划,确保所有项目工作都已完成以及项目目标均已实现。也称之为 “行政收尾”。

行政收尾即管理收尾, 包括存档项目或阶段信息、释放资源等。释放资源解散团队是最后一 步。

项目或阶段行政收尾需要开展如下活动:

● 所有问题都已得到解决

● 确认可交付成果已交付给客户并已获得客户的正式验收。

● 确保所有成本都已计入项目成本账

● 最终处置未决索赔

● 审计项目成败

● 总结经验教训

● 存档项目信息以供组织未来使用(如记录完成的工作量)

为向下一个阶段,或者向生产和运营部门移交项目的产品、服务或成果所必须开展的行动和活动。

项目收尾包含产品或服务的移交、行政收尾和采办收尾三方面。

当中断项目资金投入后,即项目提前结束,应执行项目收尾过程。

项 目 后 评 价 ( the post-project review),是项目已被验收后的评价,项目已经完结,处于收尾阶段。此时要做的就是更新经验教训知识库。

最终报告——总结项目绩效。可包含如下内容:

● 项目或阶段的概述;

● 范围目标、范围的评估标准,以及证明达到完工标准的证据;

● 质量目标、项目和产品质量的评估标准、相关核实信息和实际里程碑交付日期以及偏差原因;

● 成本目标,包括可接受的成本区间、 实际成本,以及产生任何偏差的原因;

● 最终产品、服务或成果的确认信息的总结。

PMP基于真题的高频考点(计算题篇) ​PMP 计算题考点众多,主要分布在启动、规划、控制等过程组,以下是具体介绍:可能涉及投资回收期、平均回报率(ROI)、净现值(NPV)、内部收益率(IRR)等财务指标的计算。投资回收期是指从投建之日起,到收回所需的成本一共需要多少年,静态投资回收期不考虑通货膨胀等因素;是平均年利润与项目最初投资的比率;​编辑是将未来的收益按照现在的折现率折现之后与成本的差值,NPV 大于 0 项目才值得做。 阅读详情

相关推荐

解读PMP考点:计算题

解读PMP考点:计算题 PMP考试中,与计算有关的题目一般都是送分题,但是需要记好公式,千万不要弄错了。 1、一个零件的生产周期情况如下: 类别 完工天数 最乐观估算 6天 最可能估算 21天 最悲观估算 36天 该活动在16天道26天的时间完成的概率是多少? A. 54% B. 68% C. 95% D. 99% 答案解析:正确答案为B ...

梅森上校的博客 业精于勤荒于嬉,形成于思毁于随。 2399

项目管理(四):项目整合管理

项目整合管理 上一节,我们说到项目经理的主要事情是项目整合,那么,他将涉及以下事情: 1、项目管理计划的制定,制定的是综合性计划,关注的是其他因素对计划的影响 2、项目变更管理,关注的是整体变更 3、相关方的管理,关注的是均衡各个相关方的期望和利益 ...

weixin_43431593的博客 8477

PMP--备考书籍说明

2、将PMBOK、新考纲、敏捷相融合:将PMBOK第六版的十大知识领域、第七版核心内容、敏捷核心内容相融合,并结合考纲进行串联对照,学习备考一本通。3、典型例题及解析:融入传统项目管理及敏捷管理的典型试题,用一道题解决一类考点。1、必修:结合《PMP通关一本通》第1部分,学习精讲视频第一章 引论(5h)1、新版考试考点全覆盖:近2年重点考点全覆盖。② 结合三套模考题,对知识点进行查漏补缺。选修:《PMP通关一本通》通读一遍。① 结合《考前串讲专题》视频学习;《PMP通关一本通》三、模考阶段★★★★★。

stqer的博客 311

PMP之假设日志Assumption Log

什么是假设日志 Assumption Log 假设日志是文档,项目经理和团队使用该文档来捕获,记录和跟踪项目整个生命周期中的假设。假设是任何项目的重要组成部分。假设通常需要某种形式的跟进或确认,以确定它们是否会影响项目。许多假设实际上可能是项目风险,或者可能在项目生命周期内成为风险。除了创建假设日志之外,请确保使用风险管理计划和风险登记表对项目执行适当的风险管理。假设日志模板应用于增加风险登记册–绝不能代替风险登记册。 谁来维护假设日志 每个假设都应由所有者或团队成员负责跟进并验证假设。 假设日志为每个假设

★【World Of Moshow 郑锴】★ 1万+

pmp项目管理模板文件

基于pmbook第6版,特意收集的模板,内容全部是英文的,把标题加了翻译。目前收集了12个(项目章程、假设日志、范围管理计划、项目管理计划等),后面还会继续更新。

PMP资料规划过程组--假设日志.pdf

PMP资料规划过程组--假设日志.pdf

项管行知09--日志

上次我们总结执行的最小单位:活动或任务;本次我们总结下执行中的异常跟踪记录:日志。 1 定义 前面提到了需求跟踪矩阵,用来跟踪“从需求到交付物”之间的各个过程活动和成果。一个项目是比较复杂的,在实际执行中,会拆分为执行任务(常规开发、测试),执行中肯定会出现各种异常,这些异常也需要跟踪解决。一个关联示意图所示: 对异常日志的一些关键定义: 假设日志(Assumption Log):在整个项目生命周期中用来记录所有假设条件和制约因素的项目文件。 问题(Issue):可能对项目目标产生影响的当

zhouyulu的工作历史 4402

代码详解——Transformer

对于一个序列,在 time_step 为 t 的时刻,我们的解码输出应该只能依赖于 t 时刻之前的输出,而不能依赖 t 之后的输出。当 Decoder 的输入矩阵和 Mask 矩阵输入矩阵包含 “ I have a cat” (0, 1, 2, 3, 4) 五个单词的表示向量,Mask 是一个 5×5 的矩阵。然后判断是否传入的mask, 如果有mask (mask参数值不为None),则把mask为0的位置,将对应位置的attn的值设为无穷小的负数。可以发现得到的输出和输入的K,Q,V的大小相同。

zyw2002的博客 7208

哪些城市有PMP考试考点?PMP考试考场都在哪?

PMP

Greenrad的博客 4613

基于IMU的纯惯性导航轨迹绘制实践与优化

本文深入探讨了基于IMU的纯惯性导航轨迹绘制实践。通过修改开源组合导航算法KF-GINS,屏蔽GPS更新并简化地球参数,实现了仅依赖IMU数据的轨迹解算。文章详细介绍了代码改造、轨迹可视化方法,并分析了误差累积的根本原因,为深入理解惯性导航原理与传感器融合的必要性提供了宝贵的实践经验。

ff678的博客 394

环境仿真软件:MIKE 21_(9).MIKE21水生植物模块介绍

MIKE21支持多种水生植物的模拟,用户需要在配置文件中定义植物种类及其特性。</</</</</</</</</假设我们需要定义一种新的水生植物“水葫芦”(Water Hyacinth),并将其特性写入配置文件。# 创建XML根元素# 定义新的植物种类# 生成XML文件假设我们需要分析仿真的水流速度变化,并绘制水流速度随时间变化的图。# 读取NetCDF文件# 获取水流速度数据# 获取时间数据# 绘制水流速度随时间变化的图plt.xlabel('时间 (天)')

kkchenjj的博客 726

PMP考点地址汇总

PMP考点地址汇总(全国),考点会随着时间推移会有变动和调整,具体以考试考点为准。PMP考试一般考前3~7天打印准考证,准考证上有详细的考点信息,以下信息仅供参考。 安徽省 合肥市蜀山区潜山路382号,安徽邮电职业技术学院(潜山路西门进入) 合肥市庐阳区环湖东路中段360号,合肥经济技术职业学院(南门进入) 合肥市蜀山区望江西路555号,安徽新华学院(东门进入) 北京市 石景山区古盛路36号院4号楼 海淀区阜成路33号 北京工商大学阜成路西校区(考生统一由西校区东门专用通道进入) 海淀区学院路15号 北京语

congming2020的博客 983

Freeswitch DTMF 按键无法接收问题修复

freeswitch 在接收到 update后,会更新成新的 payload type,但是给的200响应,仍然是旧的,这时候就会导致手机侧认识需要发送旧的payload,所以发到 fs 后就会导致直接丢包,不去处理RTP包了。呼叫时需要设置通道变量 rtp_manual_rtp_bugs=ACCEPT_ANY_PAYLOAD ,这时候FS 就不会对包的payload进行判断,直接判定通过。应该修复 freeswitch 给响应时,应该根据收到的 payload 发送给手机,但是一直未找到正确的路径。

2301_81507069的博客 373

我的PMP全网备考资料(附:PMP最新视频讲义+三色笔记+考点笔记+学习教材)

作为一名去年3A过在备考的路上,我走过弯路,踩过坑,也熬过无数个挑灯夜战的夜晚。今天把我的备考心得,以及整理的超全PMP备考资料分享给大家,希望能帮到同样在路上的你!

mm995420的博客 2795

【视频监控国标GB/T28181】无人机的视频图传技术

然而,随着无人机市场的不断发展和无人机视频图传技术的迅速进步,一些厂家正积极探索更多的传输方式。如今,一些大疆无人机已经具备了4G辅助图传功能,这意味着它们需要在无人机上安装相应的SIM卡,并在有移动互联网信号的情况下,通过互联网进行视频图传。这种技术的应用,不仅提高了无人机的操作灵活性,也使得无人机在各个领域的应用更加广泛。在使用时,用户需时刻注意无人机的飞行距离。在无人机图传系统中,OFDM技术的运用更是如虎添翼,显著增强了视频传输的品质与稳定性,尤其在错综复杂的电磁环境中,更能凸显其不可替代的优势。

开源物联网项目商业化作者 5658

CCF编程培训师资认证(PTA)标准(教学能力T)

随着计算机科学的不断发展,计算机相关技术应用到社会各个行业,越来越多的青少年参加到了计算机程序设计的学习中,这对编程培训教师提出了更高的专业要求和职业要求。CCF开展编程培训师资认证项目(Programming Trainer Accreditation,PTA),旨在建立一个规范的、科学的、权威且有公信力的三方认证。认证考试分编程专业能力(P)和教学能力(T)两部分。本标准根据《CCF编程培训师资认证条例》第十条制定,旨在明确教学能力(T)的测试标准。

lan_in的博客 1708

PMP考点有哪些啊?

现在的考纲用的是第七版教材了,整体来说是比第六版难,但是跟着老师的节奏还是好过的。第六版是 5 大过程和 10 大知识领域,到第七版变成了12项原则和 8 大绩效域,更适合现在的项目环境,按照新考纲( 人员管理权重占42%,76 道题左右;过程管理比重占50%,90 题左右,商业环境比重占8%,14 题左右 )。这部分主要考查人际关系与团队技能,也就是我们平时说的软技能,第六版PMBOK中提到的17种软技能需要考生深刻理解并灵活应用,很多软技能涉及价值观判断,这一点需要注意东西方文化的不同。

PMP项目管理的博客 1402

Qt for WebAssembly环境搭建

一、前言 二、Ubuntu 1、在线安装Qt15 在线安装下载器:https://download.qt.io/official_releases/online_installers/ 安装时记得勾选WebAssembly,如下: 2、安装依赖 # Install Python sudo apt-get install python2.7 # Install CMake (optional, only needed for tests and building Binaryen) sudo apt

贝勒里恩的博客 3667

2021年6月PMP考点

​下面地址来自: 2021年6月PMP报名选取考场时登记地址: 注意: 1、考场具体地址每次考试会有可能会有变更,下面地址仅供参考,请以外专局公布的考场和准考证上的地址为准(考前7天打印准考证地址为准)。 2、PMP考试,可能会有临时考点(是根据当地考试增加,临时考点变动较大),一般在报考的第3天左右可以在考生后台查看到临时考点的城市。 石家庄卓越 重庆巨龙 郑州杰创-惠济区 西安卓越-长安区 武汉卓越 武汉爱迪泰 无锡清晖 乌鲁木齐 天津光...

congming2020的博客 1748

如何绘制电气绝缘图(GB9706.1-2007和GB9706.1-2020差异)

是用来描述要考虑设备的绝缘状况和它们的值 ,从而便于和相关部门交流和沟通,如权威机构和检测实验室等。本文为绝缘图的实例, 包括所有相关的绝缘路径以及介电强度,爬电距离和电气间隙的值。

学海无涯的专栏 1万+

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

PMP考证三本书,实际就200条考点,小白一次过!

【PMP备考指南】2026年7月考试将改版增难度,建议优先报考3/6月场次。

PMP项目管理的博客 734

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

河北保定PMP考试考点在哪里?

PMP®考试是由PMI(美国项目管理协会Project Management Institute)组织和出题,严格评估项目管理人员知识技能是否具有高品质的资格认证考试。1999年,PMP®考试在所有认证考试中第一个获得ISO9001国际质量认证,从而成为全球最权威的认证考试之一。 自从1984年以来,美国项目管理协会(PMI)就一直致力于全面发展,并保持一种严格的、以考试为依据的专家资质认证项目,以便推进项目管理行业和确认个人在项目管理方面所取得的成就。 国内自1999年开始推行PMP®认证,由国家外国专家

才聚PMP的博客 1478

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

2022年PMP考试全国哪些城市设有考点?

PMP考试是国际资格认证考试,由我国国家外国专家局于1999年引进。由于PMP认证不属于我国政府、行业协会等颁发的证书,因此在我国PMP考试并不是所有地方都有考点。但由于PMP认证近几年在我国的知名度越来越高,很多地方也开设了PMP考点。 PMP作为项目管理资格认证考试,已在国际上树立了其权威性:要想获得PMP专业认证,考生须达到美国项目管理协会(PMI)规定,对项目管理专业知识的掌握程度及其相应的工作经验和要求;另一方面,获得PMP证书的专业人员应继续从事项目工作,以不断适应项目管理发展的要求! 现在,越

才聚PMP的博客 507

PMP考试全国考点汇总,具体位置已公布!

看给出的四个选择题,去掉你知道错误的答案,然后在剩下的答案中进行选择。例如,你可以系统地为所有剩余的问题填写“C”,这样您就可以得到所有问题的答案。然后,不管你还有多少时间,回头看问题,看看你是否能找出正确的答案。目前在北京、上海、广州、深圳、重庆,济南,天津,西安,武汉,成都,沈阳,杭州,厦门,福州,杭州,南京,昆明,宁波,乌鲁木齐,合肥,长沙,海南,珠海,东莞,无锡,河南,河北,大连,兰州等城市设有PMP®考点。如果你不确定某个问题的答案,跳过它,标记它以供复习,然后在阅读完考试中的所有问题后再回来。

才聚PMP的博客 1034
上一篇: MAC安装jmeter以及相关配置
下一篇: 项目范围管理-考点(个人笔记)
碰瓷儿
博客等级 码龄8年 11粉丝 21原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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