阿里高P谈技术人如何高速成长?

阿里巴巴职业发展手册 阿里巴巴职业发展手册,工程师必备,教你如何成为技术大牛 立即下载

1、为什么要成长


成长是为了在职场升值,提升职场竞争力!

衡量标准:你成长的速度要匹配甚至超越业务发展的速度。

当你成长速度超越业务发展速度的时候,组织才会把更重要的职责交给你,如果你成长的速度跟不上业务发展的速度,可能会面临被调整。

2、成长的维度


阿里的技术人绝大部分是做业务技术的,即业务和技术要同时发展,纯技术发展路线是指中间件、数据库、操作系统、硬件之类的实打实的技术。阿里对业务技术人的要求,既要有技术的深度,又要有业务的高度,此外还需要你有领导力、影响力等软技能,当然心态也是不容忽视的。

我的代表作是 MOZI ,2018 年年初开始做 MOZI ,我选择做 MOZI 的原因是我就要开始站在业务线或者公司层面去思考,MOZI 做了会给业务带来什么改变。

做 MOZI 的时候是站在经济体的的角度在思考问题,另外那个时候经济体的云化产品化才刚刚开始,做出 MOZI 提供一套统一解决方案正逢其时。

3、技术的深度


我们是做业务技术的,业务技术如何做得更加“技术”,这里我学习了很多大牛的文章,尤其是张建飞大师对我启发非常大。这里我总结下两点:

1. 业务复杂度:“基于复杂业务场景的抽象能力”是一种能体现你技术深度的能力,业务的本质是模型,如果我们能基于复杂业务场景抽象出领域模型或者基于复杂业务场景做流程编排,做好分层,不仅反映你对业务认知的深度,也反映了你的技术深度。

2. 技术复杂度:“针对大用户量或者大数据量的可用性建设”这个是能很好的反映你的技术深度,但是我们在做这一块的时候要有一些创新性的思考,可用性年年做,但是基于新的业务场景会有什么不一样?比如 MOZI 提供了一个多租户&多账号的能力,那么我们做限流的时候是不是可以按租户限流,做缓存逐出的时候可以按租户来进行逐出,一种特别的租户我们可以区分对待。这些都是我们要去思考的问题,不能总是吃老本。

另外我们其实都是属于“应用架构”领域的,张建飞大师总结的应用架构的道是:“核心业务逻辑和技术细节分离”,我觉得非常有道理,我们应该应用分治的思想,把业务和技术做分离,从而降低系统的复杂度。

4、业务的高度


马云曾说,我们既要能活在当下,又要有远大的理想,活在当下是一种务实,让客户先赢。远大的理想是我们长期发展的路线,也非常重要,背后体现你的一种“务虚”的能力。

为什么优秀的业务开发人员一定要有“想法”?如果没有想法,基本上就是产品经理安排什么,然后就做什么,不会考虑未来的发展,也不能很好的培养你的业务敏锐度,更加不会有前瞻性。什么是前瞻性,就是你思考的东西和业务真正发展的路径其实是一致的,那么就是有很好前瞻性。如果你思考的东西和业务发展背道而驰,那其实不叫前瞻性。

另外我们在做业务的时候,业务沉淀是非常重要的。阿里有句土话说,“规模可复制的结果才是好的结果”,你做的东西能不能影响更多的人,就看你的业务沉淀如何,如果你做的东西一年后经过几次改版都消失不见了,那其实没有什么沉淀。

那么我们应该如何去做业务规划?注意这里的业务规划不是产品经理的规划,也不是你老板的规划,是你自己的规划。分享两点:

一、要结合你当前的业务,不能脱离现状谈规划;

二、要去参考你的行业标杆,我们可以借鉴别人的成功理念,然后融入到我们的业务场景里面。

首先结合 MOZI 的两块业务,一块是经济体客户,一块是政务客户,另外我参考了 MOZI 的行业龙头来做的规划:

5、软技能


我们的软技能大体分为两部分:一种是影响他人的能力,主要是领导力&影响力;

另外一种是强化自己的能力,比如结构化思维,抽象能力和构建认知坐标,最终你会具备一眼看穿本质的能力。

领导力

领导力是一种人人应该具备的能力,但是与你有没有领导力有很大的关系。那么到底什么是领导力,我觉得领导力就是“一种说服并且引领他人达成目标的能力”。

领导力的提升核心就是上面这张图,这个图其实叫做乔哈里视窗,也叫沟通视窗,本质是一种关于沟通的技巧和理论,领导力的核心其实是沟通,通过沟通建立信任,从而来引领别人一起去达成目标。乔哈里将人际沟通信息划分为四个区,分别是公开象限,隐私象限,盲点象限和潜能象限。我们应该不断的从别的象限拿出一点东西然后放到公开象限里面去,让公开象限放大,这样你的领导力就提升了,比如国家领导人和明星,他们的公开象限就非常大。

隐私象限:

隐私象限就是自己知道但是他人不知道,把隐私象限往公开象限里面挪动最重要的方式就是自我揭示。比如你写个人成长经历,或者和同事聊聊你的过去,就是一种很好的自我揭示的方式,让别人更了解你是一个什么样的人,从而建立信任。

盲点象限:

盲点象限就是自己不知道但是他人知道,把盲点象限往公开象限里面挪动最重要的方式是恳请反馈。

比如两夫妻吵架,妻子说你这人的嘴特损,就喜欢说人缺点。丈夫说“有吗,我从来没觉得”。后面丈夫去找朋友确认:“我妻子说我嘴特损,专门喜欢说人缺点,有这回事吗?”,朋友说“别把嫂子的话放在心上,大家都已经习惯了~~~”。哈哈,这里其实就是在吵架这种场景下发现了一个人的盲点象限。比如在分享的时候,我们要让听分享的人给你反馈,这个时候就能很好的发现分享人的盲点象限,从而提升你自己。

潜能象限:

大家都说人的潜能是无限的,我们应该去挖掘他。你们知道巴菲特最佩服的人是谁吗?他最佩服的是弗吉尼亚的一个老太太,这个老太太在88的时候开始创业,没看错就是88岁,她创建了弗吉尼亚毛毯厂,带人开始织毛毯,他从88岁一直干到104岁去世,公司做到了几百人的规模,获得和很大的成功,去世的时候她依然是CEO。这个故事其实就很好的说明,人的潜能是无限的,这个老太太88岁还在不断的学习和实践。那么怎么去从自己的潜能象限里面挪动一部分到公开象限呢,最重要的就是不断学习和实践,让你终身成长。

阿里其实也有一套领导力的方法论:

心力:其实是让大家对这件事情内心一致认同;

脑力:是对事情的深度思考;

体力:是引领大家把事情做好,拿到结果。

用阿里土话就是“一群有情有义的人一起做一件有价值的事情”。这个事情有没有价值,你要去说服别人,说服完后要引领大家做出来。这个和前面的领导力“一种说服并且引领他人达成目标的能力”,其实是差不多的。

影响力

影响力包含两个维度:一个是你做的产品影响力;另外是你的个人影响力。

产品影响力:某大佬曾说,你做的东西影响范围如果只能影响 1 米和你能影响 100 米,甚至你做的东西能影响 1 公里,意义完全不同。所以你做出来了东西,要想办法去找资源横向放大你的价值,这个非常重要,比如你可以去写文章,去做分享,去找运营帮你写稿子。我在做 MOZI的 时候,我组织了 4 次视频分享,组织大家写了几十篇文章,然后还特意找了 ATA 的运营去帮忙推广 MOZI ,不然 MOZI 可能还是会名不见经传。

个人影响力:影响力其实就是一种影响他人的能力,这里一个很重要的就是表达,把你的内心的东西通过一定的途径表达出来,表达最核心的东西其实就是“能说”加上“会写”。

能说:你去现场演讲,你去做做直播,都是锻炼你的“能说”。

会写:你去写文章或者写书都是锻炼你的“会写”。

我们应该通过这两种途径不断的去提高你的个人影响力。

6、结构化思维


表达要有逻辑

表达我们要条理清晰,你在晋升的时候要能把你自己领域的东西让别的领域的评委也能听得懂,这个就需要不断的强化你的表达能力,这里罗列了四种常见的思想组织逻辑。因果顺序,时间顺序,空间顺序和程度顺序。

我给别人传达的一种思想是按照时间+空间的顺序:

时间:从3年前到现在

空间:我从服务阿里集团,到服务阿里经济体,再到服务中国政府

事情:我全部是围绕着账号&权限这块来展开,塑造一个领域专精的形象

这么一讲,思路就非常清晰,后面的PPT也都按照这个来展开。


做事要有方法论

不同领域都有前辈高人总结的方法论,我们应该学习他,会让我们做事做的更好。比如我们分析问题常见的“5W2H”模型,还有我们定KPI的时候的SMART模型,就应该经常要使用它。

比如我在讲我的PPT的时候,也是应用了“ 5W2H 的模型”,我做了 BUC ,那么我怎么去讲 BUC 呢。这里不能一上来就讲我在 BUC 里面做了什么,而要先讲 WHY ,讲清楚了 WHY ,后面讲成果的时候就水到渠成。好的 PPT 其实是每一页都要讲 WHY 。“ BUC 的业务特点”这部分其实就是 WHY ,然后在“我应该做什么”这部分是 WHAT ,最后我获得了一些奖项是 HOW。

7、抽象能力


万物皆抽象,抽象能力让你可以化繁为简,从而抓住事物的本质,也能体现一个人的格局,所以我们要特别注重这种能力的训练。

柏拉图的学生问柏拉图,什么是人?柏拉图想了一会儿说:“人是可以直立行走的两腿无毛动物”。第二天,他的学生带过来一只拔了毛的公鸡,这个也符合柏拉图对人的定义。直立其实是抽象程度还不够,没有抓住本质。

如何进行抽象?这里其实就三招:

1、通过对比寻找共性,把共性提炼出来

2、如果没有共性了,那么就提升抽象的层次,往上提升,比如植物和动物再往上提升就是生物。

3、最终构建出一个金字塔

大家可以学习《金字塔原理》这本书,基本就这个套路。

那么如何如何提升抽象的能力呢?

1、多学习

据说巴菲特一天会花超过5个小时进行学习。“樊登读书会”希望带领国人每年读50本书。文字的东西最具有想象力,在阅读的过程中多思考,抽象能力就慢慢提升了

2、多总结并写作

总结是一种提炼,一种归纳。总结后并且写出来无形中会让你抽象能力提升更快。所以我们要多写文章。

3、领域建模训练

对于我们技术同学来说,领域建模其实就是一种抽象的过程,把核心业务逻辑抽象出来并沉淀到领域层,这样可以极好的帮助我们去提升抽象的能力。

人的大脑其实有超过 1000 亿个神经元,神经元和神经元其实是有连接的。学习和总结的过程会让你的神经元和神经元之间建立更多的连接,从而产生群智效应。

7、构建认知坐标


构建认知坐标是一种比深度思考更加重要的思维方式。我们看待一个事物,要看过去,看现在,看本质和看未来。

看过去

这个事情在过去是不是就已经存在,丘吉尔说:“看得到过去有多远,就能看得到未来有多远”,很多大牛其实都在不断的研究史书,借鉴过去的成功经验来探索未来。所以我们研究竞品的时候也一定要去研究竞品的历史,他的存在和成功肯定是有历史的原因的,不能一上来就去研究他一堆功能,功能只是一个表象。

看现在

王兴说:“每个行业在不同时代都值得重新做一遍”。这句话很有道理,比如“新闻”这个领域,没有互联网前是用报纸来传递,后面出现了“四大门户”,现在的“今日头条”,不同的时代会出现不同的产品形态。我们做产品要抓住时代的节点和规律,顺势而为。

看本质

任何事物都有表象和本质之分,我们要剥开层层迷雾,抓住他的本质,这样才能以不变应万变。比如MOZI里面有个认证,认证的本质其实是证明你是你。至于在不同的时代肯定有不同的证明方式,比如传统的账密,现在的扫脸,还是其他的一些生物识别等方式,都是证明你是你的一种形式而已。

看未来

历史的车轮滚滚滚向前,新时代一定会出现一些新的事物,然后让你的产品会有新的形态,所以我们要有一定的预见性,去大胆假设,小心求证,从而抓住未来的发展机会。

8、一眼看穿本质的能力


这种能力其实非常难得。

《教父》里面一句话影响了很多人:“花半秒钟就能看透事物本质的人,和花一辈子都看不清事物本质的人,注定是截然不同的命运”

训练这种能力有3个步骤:

1. 善于找到某一个领域的节律(节点和规律)

如果你找准了色彩的节律,你会成为画家或者厉害的设计师;

如果你找准了文字的节律,你会成为作家或者小说家;

如果你找准了生命的节律,你会成为很养生家或者厉害的医生;

如果你找准了商业的节律,你会成为投资人或者企业家;

如果你找准了社会的节律,你会成为政治家;

如果你找准了软件的节律,也许你也会成为XX之父。

梵高和毕加索都是才华横溢的画家,但是梵高一生贫困潦倒,一生只卖出一幅画,死后才出名。毕加索辉煌一生,死后还留下几十亿美元的遗产。同样的才华但是有截然不同的命运,梵高没有抓住时代的节律,而毕加索抓住了,他创造了属于这个时代的作品。

新能源汽车其实在 100 多年前就已经出现了,但是被燃油机的汽车打败了,那个时候发现了大量的油田,汽油极其的便宜,大家也不重视环保,所以新能源汽车昙花一现。现在由于能源的枯竭和污染的严重性,新能源汽车开始重新走向辉煌。所以 100 多年前新能源汽车没有抓住时代的节律,但是现在终于抓住了。

那么如何去训练这种能力呢?方法是找到这个领域最经典的100个案例,反复的探索和钻研,不断总结其中的共性和特性,就能悟出其中的节律。记住一定要找最经典了,最经典是经过时间考验的,越经典越接近事物的本质。

你要做广告,就研究最经典的 100 句广告词,仔细探索和对比,找到共性部分。

你要做音乐,就去研究 100 首最经典的歌曲,去找到他的音律的共性部分。

如果你要去创业,就去研究 100 个最经典的创业案例,仔细探索和对比。

2. 找到不同领域的之间的共同规律

当你精通某一个领域后,你研究别的领域发现也相对容易,因为很多东西其实是相通的,比如达芬奇就在绘画,植物、光学等很多领域都取得了辉煌的成就。

3. 你要从万变中找到不变

人们常说“万变不离其宗”就是这个道理,当你到了这个层次,别人看到的是变化,你看到的是不变。

举个例子:商业模式千变万化,但是人性是不变的,所以很多的商业模式几乎都是围绕着不变的人性来展开的。

在出行领域,最有名的是滴滴出行,现在又出现T3,花小猪这些平台。那么他们是怎么围绕着不变的人性展开的呢?

T3 和滴滴出现的差异是,T3 的司机是一种上班的模式,司机上班 8 个小时,公司提供五险一金,有底薪,这种人追求的是一种安稳和保障。滴滴出行的司机是自由的,他们不喜欢被约束,但是没有保障。花小猪其实也是滴滴旗下的,他的特点是一口价,起点和终点确定后,不管你有多少红绿灯,是否堵车都不影响价格,那么坐花小猪的人其实是追求一种确定性,他们往往不太喜欢不太确定的东西。所以这里的人性有追求自由的的司机,追求有保障的司机,和追求确定性的乘客。

9、心态


我们在日常工作中很多人其实忽略了心态的历练。一个人能走得有多远,能力是一方面,其实心态更加的重要。

我们都看过《西游记》,孙悟空神通广大,一个筋斗十万八千里,还会72变,唐僧从大唐去西天取经其实也是十万八千里,那么为什么孙悟空不背起唐僧一个筋斗就翻到西天呢?还要经历九九八十一难干嘛呢?

其实真正看懂《西游记》的人都知道,孙悟空压根不存在,《西游记》其实是唐僧一个人修佛的过程。有个成语叫做“心猿意马”,孙悟空就是唐僧的“心猿”,白龙马就是唐僧的“意马”。孙悟空的 72 变,其实就是心的 72 中变化。心的力量很强大,比如我们想一下“纽约”,心就飞到“纽约”了,想一下“莫斯科”,心就飞到“莫斯科”了。心很难管控,孙悟空动不动就要脱离队伍,要回花果山,所以为了管控,观音给孙悟空带上了“紧箍咒”。

猪八戒其实是唐僧的“欲望”,他贪财好色。沙和尚其实是唐僧的“逻辑和理性”,所以沙和尚很没意思,但是每句话都是对的,比如,“大师兄,师傅被妖怪抓走了”,“大师兄,二师兄被妖怪抓走了”,“大师兄,师傅和二师兄都被妖怪抓走了”。

最终孙悟空修成了斗战胜佛,是讲唐僧修佛有成,战胜了自己的内心,孙悟空对观音说,能不能把我的紧箍咒取掉,观音微微一笑,你看你头上还有紧箍咒吗?孙悟空一摸,果然没有了,所以修心有成后,心灵的枷锁自然就去掉了。

阿里对心态的要求是乐观、皮实和自省。

乐观:万事万物有高潮就有低谷,我们要乐观的看待,没有什么事情是一帆风顺的,人生不如意十之八九。

皮实:遭遇人生的挫折的时候还能及时调整就是皮实,比如被人批评了,被人挑战了,被DISS了,晋升失败了,被打3.25了,都是挫折,这个时候要能及时调整心态。我们要在工作和生活中把遇到的每一个人,每件事都当作是一次人生的修炼。

自省:就是一种复盘,及时的总结和思考过去的得与失。这里最忌讳两种,一个是从不自省,觉得自己是最厉害的。

一种是自省过头了,感觉自己这也不行,那也不行,对自己一味的否定。所以我们要喜欢自己,欣赏自己。

有一句诗词说:宠辱不惊,看庭前花开花落;去留无意,望天上云卷云舒。其实就是讲内心修炼到了一种心境平和,淡泊自然的境界。

10、成长方法论


成长方法论遵循721原则。

70%做中学

不穷曾说:做得多会有更深的体会,思考得多会有更多的沉淀。说的非常有道理。

所以我们首先一定要做,不能光说不练,有的时候思路没有很顺畅的时候,可以先尝试去做一点东西,做着做着就有思路了。另外在做的时候要思考,思考主要有两个维度:

第一,下次如何把这个工作做得更好,这次这个工作做完了,代码已经写完了,但可不可以让它更漂亮,效果更好,这是一方面。第二个问题,能不能让这份工作更高效,把这份代码写完之后上去时,想下次能不能以更短的时间完成。只要问自己这两个问题,会发现有很多答案,这个答案再带入到下一个字,行。也就是在你工作过程中,下一个轮回时再去做时,同时观察自己,再提自己问题。有了这个循环之后,你会发现自己的工作越做越好。

20%向他人学习

听听牛人的分享,看他们的文章,多和不同的人进行交流,然后总结沉淀下来。

10%自学

自己参加培训和看书,然后写作和分享,分享会让你把学习到的东西真正的变成自己的东西。

没有海量的输入,怎么会有高质量的输出,所以你不读书是写不出什么好文章的。


写在最后

以上,是今天讨论主题的全部。

今天这篇文章,阿里高P从10个方面总结技术人如何高速成长,我认为每点都很关键,非常值得我们学习,关于今天的文章,你有什么想问的?也欢迎留言分享哈。

另外,军哥乐于结交朋友,也欢迎加我微信与我做朋友(公号输入框回复“w”即可),朋友圈互吹!


以往热文推荐:

职场正在淘汰那些 1 年经验用了 N 年的人

裸辞 300 天后,我都干了些什么?


更多精彩,关注我公众号,一起学习、成长

▲ 长按关注军哥手记,一起学习、成长

Java研发技术成长路线 思维导图 Java研发技术成长路线 思维导图,Java技术学习路线暂分成以下五个阶段 立即下载

相关推荐

硅传CC1310二次开发必备:手把手教你用JTAG解锁被锁定的Flash存储器

本文针对硅传CC1310模块二次开发中常见的Flash锁定问题,提供了从原理剖析到实战操作的完整解决方案。详细介绍了如何使用Uniflash和Flash Programmer 2等工具进行Flash解锁和擦除,并强调了硬件连接稳定性与供电质量的关键作用,帮助开发者彻底解决烧录障碍,为后续应用开发铺平道路。

weixin_29189373的博客 252

我看技术人的成长路径

作者 | 儒枭 为什么要成长 成长是为了在职场升值,提升职场竞争力! **衡量标准:你成长的速度要匹配甚至超越业务发展的速度。 ** 当你成长速度超越业务发展速度的时候,组织才会把更重要的职责交给你,如果你成长的速度跟不上业务发展的速度,可能会面临被调整。 成长的维度 阿里的技术人绝大部分是做业务技术的,即业务和技术要同时发展,纯技术发展路线是指中间件、数据库、操作系统、硬件之类的实打实的技术。阿里对业务技术人的要求,既要有技术的深度,又要有业务的高度,此外还需要你有领导力、影响力等软技能,..

阿里巴巴中间件 1629

告别电源纹波!手把手教你用UCC28019设计一个高效率PFC模块(附完整原理图与BOM清单)

本文详细介绍了如何使用UCC28019设计高效率PFC模块,解决电源纹波问题。通过优化补偿网络、关键元器件选型及PCB布局,实现功率因数提升至0.99以上,降低输入电流谐波。附完整原理图与BOM清单,适用于电赛等快速开发场景。

weixin_42652674的博客 333

阿里10年:一个普通技术人的成长之路

简介:不管是什么角色,成长是我们每个人都必须经历的过程。作为一个技术人,成长不仅是技术上的不断精进,也包括日常工作中的方方面面。本文分享阿里巴巴高级技术专家在阿里10年的成长之路,分享他从一个普通技术人开始,在阿里的三个阶段,以及在晋升、转岗、带团队、做事等方面的心得感悟。一 关于我宋健,花名宋意,2008年开始参加工作,至今12年多一直专注在运维领域。2010年6月加入支付宝,做过监控、SRE、资源管理、运维产品等方面的工作,经历并参与了阿里运维从脚本到工具化再到自动智能化的演进过程,在阿里的10年根据

阿里云开发者 2万+

用Python+NumPy手把手实现分数阶傅里叶变换(FRFT),搞定线性调频信号分析

本文详细介绍了如何使用Python和NumPy实现分数阶傅里叶变换(FRFT),特别针对线性调频信号(Chirp信号)分析。通过从零开始的代码实现和可视化案例,展示了FRFT在时变信号处理中的强大能力,帮助工程师和研究人员高效分析频率随时间变化的信号。

weixin_29062823的博客 218

汽车OBD接口实战:如何用STM32读取CAN总线数据(附完整代码)

本文详细介绍了如何利用STM32微控制器通过汽车OBD接口读取CAN总线数据的完整实战方案。内容涵盖硬件连接(如OBD引脚定义与TJA1050收发器接线)、STM32的CAN外设初始化与滤波器配置,并深入解析OBD-II诊断协议,演示了如何请求和解析发动机转速、车速等关键数据。文末提供了构建稳定数据读取系统的代码框架与错误处理建议,为嵌入式开发者和汽车电子爱好者提供了从零到一的实践指南。

9q8w7e6r5的博客 297

【登录及鉴权】-盘点那些主流的开源登录及权限认证框架 (上)

登录和鉴权应该是一个完整的系统中几乎必不可少的部分,虽然现在已经有越来越多的框架帮我们简化了这部分工作量,大公司更是有自己专门的登录和权限控制系统,比如阿里的BUC和ACL,开发者仅需要通过简单的步骤便可接入功能完备的登录和权限控制系统,这部分通用能力下沉成为中间件,但没有开源,对小公司而言,登录和鉴权还是得依赖开源的框架,所以在此盘点一下当下最常用的几款登录和鉴权框架:spring-securi...

老汉健身的博客 8035

芋道前后端分离项目跳过登录

在此页面中可以看到当在没有获取到token时,如果此页面在白名单中则直接进入,所以我们将刚刚配置在。在此路径下配置需要跳过登录的页面路径,记住path中编辑的名称。根据以上两图可以发现芋道的。将所有需要跳过登录的方法。,否则会提示登录状态过期。至此完成免登录进入页面。

FanZaiYo的博客 5485

【阿里巴巴】职级、薪酬、绩效全认知

「互联网」职级、薪酬、绩效全认知 第2期1、全球员工总数截至2020年3月31日,阿里...

十年互联网开发老兵,陪你一起学技术 7232

Python爬虫实战:扒取专利数据库核心信息,我用这招搞定反爬+数据结构化(附完整可运行代码)

这套爬虫方案从「实际需求」出发,解决了专利数据库抓取的核心痛点:反爬突破、数据结构化、标题创作。核心价值不在于代码多复杂,而在于「实用」——我用这套代码半天就抓取了800+条Python爬虫相关专利,比手动效率提升了几十倍。最后想说:爬虫技术的核心是「解决问题」,而不是炫技。专利数据能帮我们快速了解行业技术趋势,尤其是程序员,从专利中扒出的核心逻辑,远比零散的博客文章更系统。希望这篇实战分享能帮到有需要的小伙伴,也欢迎在评论区交流专利爬虫的更多技巧!

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 2125

Openclaw错误排查及解决方案之:Previous run is still shutting down. Please try again in a moment.

Openclaw错误排查及解决方案之:Previous run is still shutting down. Please try again in a moment.

多媒体编程、网络编程、系统编程、网络安全编程、驱动编程 232

35岁技术人如何转型做管理?阿里高级算法专家公开10大思考

简介: 35岁左右对工程师而言是个不同寻常的年龄段。技术人有可能面临人生中的转型:从纯技术岗转向管理岗。也将面临诸多新的挑战,关于组建团队、领导以及KPI设置等。本文将讲述阿里资深技术leader张荣从去年1月底接手CRO线NLP算法团队以来,在团队组建、能力建设、以及管理上的一些思考。这些思考从实践中来,总结出一套方法论,希望能给予转型中的技术人一些启发。 张荣,花名威视,现任职阿里巴巴 CR...

阿里云开发者 5万+

第七天 Labview进阶(7.3 Teststand简单使用)

TestStand是NI开发的自动化测试管理软件,支持多语言编程和硬件集成,广泛应用于电子产品和工业测试。安装时需注意版本选择,2022版支持离线安装。使用步骤包括:1)创建测试序列文件;2)插入测试动作并配置参数(如选择VI路径、设置变量);3)添加条件判断和延时控制;4)执行测试序列时具备流程控制功能,如失败步骤自动跳过后续测试。该软件能有效提升测试效率与准确性,通过可视化操作实现复杂测试流程管理。

weixin_38637405的博客 1728

厉害了!阿里P8架构师用4大技术文档带你深入解读爆火的中台战略

前言 根据百度指数搜索“中台”,可以发现中台这个概念从2019年5月21日起突然火了起来,并持续火爆。如果对2019.5-2020.7进行一次关键词盘点的话,中台绝对要算一个。 从概念的认知,到实战经验的分享,再到中台战略引起的思考,一些优质图书陆续出版,系统性、多角度地对中台进行解读。 整理起来总共分为四大中台技术文档:企业IT架构转型之道、架构真经、架构即未来、微服务架构设计模式,因为内容实在是太多了,所以小编只把部分知识点整理出来给大家介绍一下,每个小节都有更加细化的内容。 一、企业.

程序员高级码农 638

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")

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

那些成长慢的人,是因为做不到这5点!

见字如面,我是军哥!最近有多位读者朋友,加我微信,说自己成长缓慢,很是郁闷,想请教个人如何高速成长?我觉得这个问题很好,也很普遍,于是写一篇一起回复下,希望对有价值。我觉得无论是程序员还是产品经理,本质都是脑力工作者,我认为要想快速成长,核心在于以下五个关键点(特别是最后一个):1、你首先得是一个靠谱的人我们首先来聊聊靠谱这个词,什么叫靠谱?我认为,做事可以闭环,和他人合作考虑他人感受,考虑双赢的...

chengjun_java的专栏 870

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

马云:聪明的人都离开阿里了 剩下的成了富翁

http://finance.ifeng.com/a/20150504/13680945_0.shtml 红旗出版社最新出版的《马云内部讲话:相信明天》(修订本)已于近日上市,本书新增了80%左右首次披露的马云讲话。其中他看待自己和阿里巴巴的员工的观点很符合这个外星人的思维。 马云说,四五年前阿里巴巴招员工很难,现在招员工很容易,街上会走路的人都被我们招来了。我们不勤奋,也不聪明,结果我们这些

RobertBaker的专栏 1600

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

卫哲加盟阿里巴巴满百日:他干了些什么?

卫哲这位最年轻的跨国公司中国区CEO,在加盟阿里巴巴刚满百日的时间里,他做了三件事情,主要是明确战略:参与阿里巴巴新的三年、五年的发展规划;将买家体验提升到战略高度,重新推出买家发展和服务部门,增加海外买家服务;新产品战略。    从宣布辞去百安居(中国)CEO职位到正式加盟阿里巴巴,卫哲高调;从加盟到他百日期满,卫哲低调;百日之期,按照卫哲的说法,对于出生的小孩子来说是非常重要的日子,他再度高调

木头的专栏 2712

厉害了!阿里P8架构师用4大技术文档带你深入解读爆火的中台战略(1)

金三银四到了,送上一个小福利!本文已被CODING开源项目:【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录需要这份系统化的资料的朋友,可以点击这里获取另一个案例是国内某零售企业如何基于阿里巴巴提供的企业级互联网架构重构企业IT架构,在短期内快速重构供应链、SCRM等平台,打造了企业全渠道分销平台,为该企业在竞争最为激烈的零售行业构建了差异化的竞争优势。希望通过这两个案例使读者更真切地看到共享服务体系项目落地的过程,以及它在企业互联网业务和IT架构转型过程中所起到的重要作用。

2401_84557608的博客 1109

大厂不是唯一答案:技术人“曲线救国”的六条真实路径

在技术职业发展的初始阶段,许多人将进入大厂视为唯一的能力认证标准。然而,从技术成长的本质来看,项目复杂度与问题场景的多样性才是驱动工程师能力跃迁的关键变量。中小型高速成长企业、传统行业数字化部门以及外企研发中心,均能提供深度参与核心系统建设的机会,帮助工程师在技术选型、架构设计和全流程交付中积累可迁移的工程能力。基于职业资产复利原理,非大厂路径反而可能带来更陡峭的成长曲线。围绕这些经过验证的非大厂职业路径,并结合简历优化、公司背调、谈薪技巧等实操方法,为面对职业规划困惑的技术人提供一套在大厂之外实现长期价值

weixin_36311421的博客 196

褚霸:阿里云数据库要放大招!

4月19-21日的2016云栖大会深圳峰会,有前沿技术深度分享、Workshop阿里云开放实验室、行业企业聚会、Tech Insight实战干货,更有20+场分论坛,120+高浓度实战演讲,100+阿里核心技术专家。为了让大家更为深入地了解云栖大会深圳峰会的日程设置,云栖社区对20+位分论坛出品人进行了系列采访。 本期采访嘉宾——阿里数据库大神褚霸。...

weixin_34246551的博客 337

低效的加班,正在毁掉你的成长

“低效的加班” 正在毁掉你的成长 你应该定目标……在一年之内 年薪提升15万-30万! 亲爱的小伙伴: 你好,我是Eric ,一名前端架构师,在BAT等一线大厂工作近8年。 低效的加班,并不代表勤奋,也并不能让你成长,更不能让你涨薪! 而一个高速成长的前端工程师在他的黄金成长期(大约在第2-7年),应该平均每年有10万以上的加薪幅度! 你没有看错,我计划亲自辅导你,让你高效成长,成为Web全...

weixin_34342992的博客 328

学习 Linux 云计算运维后选择什么样的工作好呢?

学习 Linux 云计算运维后选择什么样的工作好呢?--摘自老男孩老师博客 老男孩oldboy 一、常规企业: 1)互联网企业 例如:百度、阿里、京东、滴滴、58 同城等,2019 年的互联网有在逐步回归理性趋势,踏实、肯干有真正实力能力的员工会更好,2019 年下半年互联网会逐步回暖。 选择互联网企业的优点: 1、维护的服务器,就是企业业务所在的服务器...

weixin_30656145的博客 215

大家好我是一名互联网的创业者,最近和一些工作的小伙伴聊天,小伙伴问了很多问题,今天正好在里面筛选几个比较典型的问题分享给大家。IT行业苦不苦累不累?程序员如何实现年薪百万?程序员职场如何发展?

第2个问题,程序员的职业规划是怎么样的?所以加入IT行业大家一定要有心理准备,怕苦怕累的千万不要来IT行业。虽然最近互联网的各种内卷概念层出不穷,但是个人觉得,身为程序员,我们如果真的加入了这个行业,就不要去抱怨,而是要去改变,如果我们想改变自己的命运只能去适应,适应的基础上再去逆袭,做好选择,做好职场的规划,做好每一步,那么再加上一点点运气,也许我们可以逆袭成功,和大家一起共勉!大家好我是一名互联网的创业者,最近和一些工作的小伙伴聊天,小伙伴问了很多问题,今天正好在里面筛选几个比较典型的问题分享给大家。

2301_77136152的博客 2044

阿里旺旺前辈告诉我们。。。

下午。有机会听到04等级学长回母校给我们一个交流。。。 在这次会议上,我听到了很多自己的学习经验,谈了很长时间。还有我们这些进入的学生建议社区,我觉得说了很多关于自己的东西是非常有用的,记录日本完成。。。 关于未来发展方向: 因为都是计算机相关专业,学长讲的也都是计算机相关专业未来的发展方向。主要分三个大的方向:技术,业务。管理。 1、假设是对技术有狂热的爱好。能够一心搞技术(当然...

weixin_30902675的博客 94

2024年最全薪资的马太效应_马太效应信自信带来更大的自信(1),2024-2024阿里巴巴Golang面试真题解析

抛弃等靠要意味着关键时刻该举手就要举手,毛遂自荐很重要,很多时候公司业务在发展期出现了一个机会,你看着机会想做等老板看上去你,因为你自以为很优秀,这是扯犊子的想法。这就是核心项目能给职场人带来的赋能,也是我经常强调的一点:职场不要只追求高薪资,更要追求改变命运的机会,职场命运的转折点大多和一个关键项目有关,抓住它就完成了职场的起飞。抛弃等靠要还意味着工作尽量不要给自己设边界,尽量在工作中展现自己,进而拿到更多机会,当然如果是在功劳和分配严重不均等,甚至做得多背锅越多的地方,这点就pass吧。

2401_84910962的博客 838
上一篇: 职场正在淘汰那些 1 年经验用了 N 年的人
下一篇: 大厂面试必问的设计模式,看这一篇就够了!
军哥手记
军哥手记 业界专家认证 业界专家认证
博客等级 码龄21年 661粉丝 608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