【转】某技术大拿的经验之道

本文分享了技术领导者对于技术与管理的看法,强调了技术以人为本的重要性,提出了技术实施不仅涉及技术层面还需考虑协作、沟通及投入产出等多方面因素。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

竟然帮我推荐了,我就分享点我们老大的一些话
1.你记住一点
  万事万物都有两个特性
  一个是实体,另外一个就是function
  实体你可以看作是数据结构或者是实际的数据,而function就是改变这些东西的action
  就好象类一样,类可以分为实体类和方法类
  一个道理!
  所以,计算机科学,数据结构和算法很重要
  一个是针对实体的设计,一个是针对逻辑的设计
  而这两个方面,放在任何层次上都屡试不爽
2.多看、多听、多总结,然后动手。其实人这一辈子就是不断学习的过程,与你做什么行业没有很大关系,关键在于掌握方法,触类旁通
3. 一个大型网站的架构,这里面不仅仅是技术因素还有管理因素等等诸多方面的因素
  如果你以后做一个团队的领导,你就会发现这一点
  你要考虑的问题绝不仅仅是技术
  技术仅仅只占10%
  包括这样的架构,可行性如何分析?除了技术论证以外,还有沟通、公关,成本,运维,管理,等等,问题非常的多,而且杂。
甚至涉及到团队建设,团队成员的组成,并且要在有限的成本投入和业绩压力下做这些事情
  呵呵,好的技术研发,要考虑投入产出比
  有时候你做一项研究,就要考虑,我可能要投入多少时间,然后投入这么多,会有怎样的成果预期,对大家,对团队有什么好处
  利大于弊,做起来才会有价值
  否则就是在浪费时间和自己的生命
4.技术以人为本
  研究的意义何在?是为了服务于最终用户!
  说到底,做技术就是做服务
  没有服务意识的技术人员,不是好技术!
5.很多时候技术的实施不是仅仅知道怎么做就可以了,还要知道如何做,做是一门学问,里面涵盖了协作、沟通、投入产出的计算、可行性分析,以及到具体实施的工具
6.有方法才有技术
  有技术不见得有方法
  我并不是对所有技术都精通
  但是我有方法
  所以很多东西看一眼就明白
  所以关键在于方法
  所以啊,其实你学任何东西,关键的还是要学会总结,归纳,就好象面向对象一样,面向对象是管理方法,不是一门技术
  有时候不要急于掌握什么东西,先要有方法
  否则你会发现自己搭进去很多时间,收益却很少扫
  或者不如很多其他人的收益多,因为大家都在工作,都在进步,如何超越别人,那么就要自己的效率更高

内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
内容概要:论文《基于KANN-DBSCAN带宽优化的核密度估计载荷谱外推》针对传统核密度估计(KDE)载荷外推中使用全局固定带宽的局限性,提出了一种基于改进的K平均最近邻DBSCAN(KANN-DBSCAN)聚类算法优化带宽选择的核密度估计方法。该方法通过对载荷数据进行KANN-DBSCAN聚类分组,采用拇指法(ROT)计算各簇最优带宽,再进行核密度估计和蒙特卡洛模拟外推。实验以电动汽车实测载荷数据为对象,通过统计参数、拟合度和伪损伤三个指标验证了该方法的有效性,误差显著降低,拟合度R²>0.99,伪损伤接近1。 适合人群:具备一定编程基础和载荷数据分析经验的研究人员、工程师,尤其是从事汽车工程、机械工程等领域的工作1-5年研发人员。 使用场景及目标:①用于电动汽车载荷谱编制,提高载荷预测的准确性;②应用于机械零部件的载荷外推,特别是非对称载荷分布和多峰扭矩载荷;③实现智能网联汽车载荷预测与数字孪生集成,提供动态更新的载荷预测系统。 其他说明:该方法不仅解决了传统KDE方法在复杂工况下的“过平滑”与“欠拟合”问题,还通过自适应参数机制提高了方法的普适性和计算效率。实际应用中,建议结合MATLAB代码实现,确保数据质量,优化参数并通过伪损伤误差等指标进行验证。此外,该方法可扩展至风电装备、航空结构健康监测等多个领域,未来研究方向包括高维载荷扩展、实时外推和多物理场耦合等。
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