数字化转型成功,CTO被干掉了!

传统CTO/CIO的职场变局:时代洪流下的挑战与转型 因此,对他们的要求也不再局限于技术能力,而是需要他们具备商业洞察力和战略规划能力,成为技术商业的“战略家”。他们应该成为公司战略转变的真正驱动力,带领团队克服技术问题,解决成员们心态、思维、主动性等各方面的新问题,确保公司战略的真正落实和落地。同时,他们还需要学习市场营销、财务管理等其他领域的知识,让自己的能力、认知、思维更全面、更适合时代的新发展和岗位的新需求。他们不仅具备深厚的技术背景,更能够敏锐地洞察到技术对于未来商业的巨大潜力,并全力推动技术的研发和商业应用,为企业创造了巨大的价值。 阅读详情

见字如面,我是军哥!

吴军博士曾在《智能时代》一书中说过,每一次产业变革期间,有2%的人进行迁移,也有98%的人被放逐。我联想到一个场景,最近两年各大论坛上讲数字化转型的大都是CMO、CPO、COO,而CTO和CIO只占30%左右。这一现象从某种程度反映了,随着数字化转型的深入,CTO和CIO在逐步被边缘化的趋势。难不成新时代下的CTO们,也成了被“放逐”的群体?


01

比业务更懂业务是伪命题

1、术业有专攻,专业人做专业事

古人云"术业有专攻",每个人每个岗位的“专长”都会有所不同,这是常识。比如技术人员擅长技术研发、系统维护等方面的工作;业务人员则更懂市场调研、产品规划、销售管理等业务性事宜。曾几何时,技术高管圈一度流行高呼“让技术人员比业务更懂业务”,无数事实证明,高管们想多了。社会形态、商业模式发展到新的阶段,技术人员确实需要懂业务,但他们不可能做到“比业务更懂业务”,更不可能去指导业务、引领业务。毕竟大家的时间分配、知识结构、思维习惯、工作实践、性格特点都有明显的不同。本质上来说,这种说法是对专业分工的否定,是对自身定位的模糊,注定只能成为带着浓浓鸡汤味的“励志”口号。

曾红极一时的某金融科技公司,在企业内部提出过“游到河对岸”的理念,鼓励公司技术支持人员不仅要做一流的技术人员,还要要成为二流的金融专家,和前端的业务人员一道,游到客户所在的“对岸”,一起做好服务和协同工作。抛开其他不谈万认为这种对技术人员的定位,显然更靠谱一些。技术人员必须要了解业务,但让他们努努力成为“二流”的业务专家,远比成为“比业务更懂业务”的“通才”更现实。不顾客观情况,对技术人员强行拔高、过于一厢情愿的高预期,不仅达不到目的,还会事与愿违,让大家无所适从。

2、离开了业务场景,技术本身毫无价值

电很早就有了,但它的出现并没有直接改变人们的生活。直到爱迪生发明了电灯,将电能转化为可见光,电才真正走进了千家万户,并改变了人类的生活方式。与此对应的另一个例子是胶卷时代的巨头柯达。它最早拥有数码技术,但为了维持传统胶卷的利润和市场优势,将这一新技术束之高阁,而没有推广应用。最终被竞争对手用新技术超车,逼至破产。这两件事都反映了一个既简单又深刻的道理:离开了应用场景,技术本身将毫无价值。

大家常常说技术创新,这不仅是指技术上的突破,还包括实现技术与应用场景的完美结合。技术人员只有把技术转化为能够解决实际问题的产品或服务,才能创造价值。相反,脱离业务场景的技术,就像空中楼阁,即使再先进也无法带来实际效益。这就要求技术人员不仅要关注技术实现和项目进度,还应主动探索需求背后的商业逻辑、应用场景,这样才能适应数字时代的要求,而不能让自己陷入“需求实现机”的循环中。


02

数字化转型,动了业务方的奶酪

1、数字化转型,是块大肥肉

今年4月份,沃尔玛公布的财报显示,其营收和收益均超预期。这家零售巨头的新财年一季度营收1615亿美元,同比增长6%;营业利润为68亿美元,同比增长9.6%。对此,沃尔玛方面表示,不断深入推进数字化转型是取得这一亮眼成绩的重要原因之一。事实上,自2016年以来,沃尔玛就开始以每年数十亿美元的手笔,投入到数字化转型战略中,用于技术升级、供应链优化以及客户体验的提升。此外,我国咨询机构e-works调研数据显示,当前国内约80%的企业已经制定了数字化转型规划,其中超过40%的企业,将数字化转型作为核心战略。并且多数企业在数字化转型方面持续投入,投资额在300万元至1000万元区间的企业比例,在持续上升中。

不难看出,不管是世界巨头,还是我国的中小企业,在数字转型背后,都隐藏着巨大的资金投入甚至利益纠葛。尤其在技术部门和业务部门之间,各种博弈都在以多种形式进行着。首先是“权力”之争,数字化转型往往伴随着组织结构调整和流程再造,这个过程极有可能触及业务部门的既有权力和利益,因此他们会本能想把转型的主导权掌握在自己手里。其次是“利益”之争,数字化转型直接关系到业务部门的业绩和绩效考核,为了确保转型成果能够最大限度地提升自身的绩效,维护自身的经济利益,他们自然希望能够最大程度地掌控转型方向。

当然,里面还包括主导并分配转型投入,以及转型成果所带来的名声和形象的提升等诸多好处。因此,我们把数字化转型比喻成一块“大肥肉”一点也不为过。肉越肥,暗中涌动的博弈就会越加激烈,尤其是业务方,是不会轻易把这件名利双收的“美差”拱手让人的。

2、CTO很难推动数字化转型

《华为的数字化转型之道》一书中,曾统计企业数字化转型失败的原因,其中因员工抵制造成的失败占82%。这也从侧面反映一个事实:数字化转型要想顺利,必须是“一把手”工程,没有一把手压阵,单靠CTO或其他任何一个高管,都难以担此大任。

如同我在前面提到的,数字化转型并非简单的技术升级,而是一个涉及企业战略、组织结构、业务流程、文化观念等多方面的系统工程。当中会触碰到方方面面的利益。如果想搞定各方人马,手里必须握有以下几个“杀手锏”:

决策权: 数字化转型是一个高风险、高投入的项目,需要大量的资金和资源支持。没有真正的决策权,就难以有效地推动转型进程。

问责权:主导转型过程,必须拥有真正让大家敬畏的问责权,谁不按规定来,谁不服从转型要求,要有充分的应对和制衡手段,上至公司元老,下到普通百姓,不顾大局者,要有权力问责,有办法问责。

利益分配权:转型必然涉及整体利益的重新分配,要想摆平各个部门,协调好众人的利益,让大家信服或无条件遵从,而不是成为转型路上的阻力和障碍。这同样是一件极为重要且困难的事。

但以上几个关键权力,几乎无一例外都掌握在老板手中。老板不出手,单凭一个只有建议权,最多能吹吹风、敲敲边鼓的CTO是万万做不到的。CTO主抓,数字化转型只会胎死腹中或不了了之,几乎不会有其他的可能。


03

数字化转型越深入,CTO越被边缘化

1、从“大一统”到“分而治之”

在传统企业中,CTO通常负责整个IT部门的管理,技术团队以“大一统”的形式运作。但在数字化转型不断深入的背景下,这种模式将越来越多地被“分而治之”的形式所代替。

1)技术与业务融合的需求

随着转型的深入,IT团队会被越来越多地拆分到各个业务部门中。目的是为了让技术人员更接近业务前线,更好地理解业务需求,并快速响应市场变化。华为在数字化转型过程中,就曾将IT团队打散,与业务部门的人员组成联合的混编团队,构建BET(Business Enable Team)团队,在促进业务与IT的深度融合的同时,也大大提升了用户体验,提高了响应效率。

2)业务驱动的技术需求

伴随各业务部门对数字化转型需求的不断增加,CTO将面临越来越多的来自业务部门的压力。业务线的负责人希望通过引入新技术来进一步提升运营效率和客户体验,因此他们会逐步开始主动参与技术决策,让业务人员对技术的理解不断提高的同时,也让以CTO为代表的技术线人员在战略层面的影响力逐步降低。

2、IT部门重新调整定位

在数字化转型过程中,IT部门的角色定位也要经历一次蜕变,从“闭门造车”切换为“躬身入局”,要完成两个大的转变:

1)从成本中心到利润中心

以前,IT部门主要负责基础设施维护和提供技术支持,通常被视为成本中心。但在数字化时代,IT部门开始承担起更大的责任,要逐步完成从成本中心到利润中心的转变。根据Gartner的数据分析,成功实施数字化转型的企业,其IT部门不仅能够降低企业运营成本,还能通过数据分析和智能决策提升收入,带来更大利润。

2)从泛泛了解到深入了解业务

IT部门要在转型的过程中意识到,技术不仅仅是工具,更是推动业务发展的核心要素;要重新审视如何通过技术赋能业务,帮助业务部门实现目标。这也要求他们不断深入了解业务流程、用户需求和市场变化,而不是像以前那样对业务停留在泛泛了解的层面,被动地响应需求。


04

大公司,不需要CTO

1、CTO的能力模型,很难匹配公司要求

CTO通常被视为技术领域的专家,负责制定公司的技术战略和资源配置。但随着企业数字化转型的深入,CTO所需的能力模型也在不断进化。新时代下的企业不仅要求CTO具备扎实的技术背景,还要具备商业洞察力和战略思维能力;不仅能理解复杂的技术架构,还要擅长将技术与商业目标相结合,赋能企业增长。

其中最有代表性的人物,就是阿里的王坚和美团的王慧文。他们完美地在技术与商业之间架起了桥梁,成功激活了团队的创新能力,并带领企业打造了新的增长曲线。但具备这种能力的复合型人才并不多见,更多传统CTO的能力结构,都在商业方面存在明显短板,也导致他们越来越难满足企业日益发展的需求,CTO位子的含金量和存在的必要性,都面临着严峻的挑战。

2、很多大公司,都没有CTO

去年,家居头部企业居然之家,解散了公司原有的 IT 部门,并连同 CTO 在内的100多位技术人员全部开掉的新闻,曾在技术圈引起很大反响,尤其是连CTO一起拔掉,让很多人有不同的看法。但我认为,把CTO一起fire掉并没什么大不了。

随着企业规模的扩大、技术与业务的融合,传统型的CTO越来越难以适应外部变化,这一职位也在很多企业面临虚化和边缘化的尴尬境地。一些大厂干脆不设CTO,比如,阿里、京东、小红书,都取消了这一职务,转而以 “技术委员会”来整合各业务线的技术需求。这种“去CTO化”的趋势,并非意味着企业不再重视技术,而是反映了它们对技术领导力模式的重新思考。当然,这也对企业的决策效率、创新能力和文化转型提出了新的要求。

麦肯锡公司有一个观点:数字化转型并不是靠碰运气取胜的游戏,它要求在不确定性中做出高瞻远瞩和大胆的决定,以此重塑公司,而不仅仅是改善现状。这个重塑的过程,不仅包括技术的创新、业务变革、内外生态的同步,还包括对CTO以及所有技术人员,从技能到认知,从定位到心态的全方位“重塑”。简单理解,只要与时俱进,适应变化,技术人就依然有价值;相反,如果因循守旧,不能自我迭代,我们每一个人都可能被干掉。希望大家都是前者,共勉!

以往热文推荐:

程序员打工和创业到底有什么不一样?!


硕士论文排版救星:用Mathtype一键搞定所有公式格式(附样式预设文件) 本文详细介绍了如何使用Mathtype的样式预设和批量格式化功能,快速统一硕士论文中的公式格式。通过创建标准样式预设文件和一键批量处理,解决公式字体、大小、间距不统一的问题,确保符合学术规范要求,大幅提升论文排版效率。 阅读详情

相关推荐

一文读懂Cache一致性原理

本文介绍了为什么需要维护cache一致性、一致性协议的本质和类别,以及如何设计一致性协议。

W1Z1Q的专栏 6853

数字化转型成功,CTO被干掉了

吴军博士曾在《智能时代》一书中说过,每一次产业变革期间,有2%的人进行迁移,也有98%的人被放逐。K哥联想到一个场景,最近两年各大论坛上讲数字化转型的大都是CMO、CPO、COO,而CTO和CIO只占30%左右。这一现象从某种程度反映了,随着数字化转型的深入,CTO和CIO在逐步被边缘化的趋势。难不成新时代下的CTO们,也成了被“放逐”的群体?01比业务更懂业务是伪命题1、术业有专攻,专业人做专业...

技术领导力 876

从零构建Elasticsearch MCP代理:自然语言查询背后的技术揭秘

本文深入解析如何从零构建Elasticsearch MCP代理,实现自然语言查询的技术架构与实战应用。通过MCP协议与Elasticsearch的结合,系统能够将自然语言转换为精确的DSL查询,提升非技术用户的数据查询效率。文章详细介绍了核心架构、DSL生成引擎、端到端系统搭建及生产环境最佳实践,为开发者提供全面的技术指南。

lll78的博客 878

数字化转型先锋:信息化部门从幕后迈向台前

在数字经济快速发展的背景下,企业的数字化转型已成为必然趋势。信息化部门在这一变革中逐渐走向前台,发挥着关键作用。本文将深入探讨信息化部门在数字化转型中的职能定位、管理职责、能力价值提升策略、三年战略规划及未来重点工作,展现其在企业发展中的重要地位与巨大潜力。

领码SPARK - 以无代码之星火,燎原数字之未来! 1849

保姆级教程:用SAP PS管理电梯/大型设备项目(ETO/ATO模式)从成本收集到开票结算

本文详细解析了SAP PS模块在ETO/ATO项目中的全流程成本管理实践,特别针对电梯/大型设备制造行业。从成本收集到开票结算,通过WBS元素、网络活动等核心架构设计,结合F-02、CJ20N等事务代码,实现设计、生产、物流及现场服务各阶段的精准成本控制,助力企业提升项目利润率与财务效率。

weixin_30444105的博客 458

Unity开发HoloLens应用:从打包到部署的完整指南

本文为Unity开发者提供了将应用部署到HoloLens设备的完整实战指南。详细讲解了从环境准备、Unity项目配置、生成Visual Studio工程,到最终构建APPX安装包并通过设备门户或Visual Studio进行部署的全流程,帮助开发者高效完成混合现实应用的打包与安装。

red88的博客 1019

数字化:IT部门主导还是业务部门主导?

数字化:IT部门主导还是业务部门主导

火山的博客 1342

使用Bigemap下载地图流程

Bigemap地图下载简单流程,临时安排任务简单学习没有深入了解。

TKY666的博客 4851

30+的华为,也在乘风破浪

乾明发自 凹非寺量子位 编辑 | 公众号 QbitAI2020年之初,新冠疫情突发而至,员工需要居家隔离远程办公,部分企业乱了阵脚,难以运转。但有超过19.4万名员工的华为却很稳:工...

量子位 595

Windows下Nginx发布DEM地形瓦片数据全流程(含Cesium调用避坑指南)

本文详细介绍了在Windows环境下使用Nginx发布DEM地形瓦片数据的完整流程,并提供了Cesium前端调用的详细配置与避坑指南。重点讲解了Nginx的核心配置、跨域问题解决以及CesiumTerrainProvider的关键参数设置,帮助开发者快速搭建本地地形服务,实现高效的三维地形可视化。

weixin_29212867的博客 435

使用HART Server PC软件进行HART设备的组态、调试和分析的完整指南

HART协议是一种用于工业自动化中的双向通信协议,能够在4-20mA模拟信号的基础上叠加数字信号,从而实现设备的远程监控和管理。HART协议兼具模拟和数字通信的优点,被广泛应用于过程控制系统中。设备组态:通过软件可以对HART设备进行组态,配置设备参数。设备调试:支持设备的在线调试和故障诊断,方便快速解决问题。数据分析:提供设备运行数据的实时监控和历史数据分析功能。报表生成:支持生成各类报表,便于数据记录和管理。

qq_38334677的博客 2474

CTO说:怎么成为并做好CTO

CTO 可能是大多数开发者心中的梦想,但这些问题:到底什么样的人适合做 CTO ?CTO 要做哪些事情?CTO 持有公司多少股权合适?恐怕多数开发者都搞不清楚……包括我自己,也是五迷三道!直到我看了下面这本书:这本《CTO说》,汇聚了 30 余位 CTO 导师(360副总裁、知乎CTO、京东商城总架构师等等)的经验,可以让我们习得 CTO 成长的道与术。全书共分六篇:CTO的大格局创业平台CTO的

程序视界 7773

ORB-SLAM2算法部署验证、原理代码和各种改进方法汇总

本文主要汇总个人学习使用ORB-SLAM2算法中参考的相关博客和代码汇总,以及在ORB-SLAM2算法基础上各个改进方法的汇总。

重点记录机器人和自动驾驶相关领域的技术,尤其是计算机视觉,视觉SLAM等,不仅有前言文献或必备算法的学习,也会有实际应用的点滴经验 745

CTO被干掉了?CTO的角色迷思与自我重塑

这种过高的期待,不仅难以实现,反而可能导致技术人员在业务领域的迷失,以及业务人员对技术决策的干预,最终影响企业的整体效能。在这个过程中,一些传统的CTO可能因无法适应新的要求而被淘汰,而另一些则能够抓住机遇,实现自我迭代与重塑,成为企业数字化转型的领航者。技术的价值,从来都不是孤立存在的。业务部门与CTO领导的技术部门之间,为了争夺转型的主导权与利益分配,以及转型成果所带来的名声和形象的提升等诸多好处,展开了激烈的较量。因此,我们看到,越来越多的CTO在数字化转型的浪潮中逐渐边缘化,甚至被企业所淘汰。

数字化藏经阁 1040

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")

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

环球易购CTO乔新亮:企业数字化转型的正确认知和路径

9月6日至7日,由ITShare、CTOA首席技术官领袖联盟主办的第三届CTDC首席技术官领袖峰会在乌镇成功举办,自己受邀出席活动并作《企业数字化转型的正确认知和路径》的主题分享, 文...

weixin_45727359的博客 1497

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

很多传统CTO,都被干掉了

上周,K哥受邀参加一个CTO/CIO的聚会,类似的场合K哥参加过很多,但这次的氛围跟过去都不太一样。以前这些高管们聚在一起,大都是讨论技术趋势、最佳实践之类的,而这次大家聊的却是禅修、身心灵、哲学一类的话题。虽然满满的“松弛感”,但总让人觉得哪里不对。了解后才知道,这次来的CTO、CIO有4成已经离职,或赋闲在家,或谋划创业。传统CTO们经历职场高光后,在今天的大变革时期大面积失业,其背后的深层原...

技术领导力 1237

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

数字化转型对CTO/CIO提出的11个要求

CTO/CIO是企业技术方面的最高负责人,大部分CTO/CIO有技术背景,更擅长运用技术手段满足客户需求。许多企业认为,一个优秀的CTO/CIO要么是出色的产品大师,要么是醉心于研发的技术大咖。但是,数字化转型会逐步颠覆传统CTO/CIO的定义,因为他们不仅要关注技术、基础设施建设和IT运维,更要懂得让技术高度配合业务,推动企业数字化转型。 自我提升 在数字化转型过程中担任技术要职的CTO/CIO可以参考以下5个建议来提升自己。 1.系统化地学习数字化转型 以前,IT出身的CTO/CIO更多是负责研发管控型

weixin_56128392的博客 413

CIO/CTO在数字化转型中应具备的6个能力

CTO/CIO 在数字化转型过程中要做到以下几点: CIO/CTO在数字化转型中应具备的6个能力 01 开阔技术视野 CTO/CIO 要对已经被证明有效的发展方法、测试程序以及平台架构有所了解,并找到对企业完成数字化转型有所帮助的相关信息,更快地推动企业的数字化转型。 CTO/CIO 要不断开阔自身技术视野,对各种技术的发展趋势和应用场景都有所了解,这样才能应对不同层面的问题,才能知道在不同场景下应用哪些技术。此外,很多问题要想得到解决,也离不开 CTO/CIO 开阔的技术视野以及解决问题的经验。 02 提

weixin_56128392的博客 572

为什么大公司,都干掉CTO ?

作者|Mr.K编辑| Emma来源| 技术领导力(ID:jishulingdaoli)科技圈里有句话叫:“铁打的营盘,流水的CTO” 虽然是一句调侃,却揭示了许多大公司里面,技术1号位频繁流动的现象。拿京东来说,在先后经历了李大学、王亚卿、张晨等多位CTO及准CTO之后,京东CTO的岗位就一直空缺着,取而代之的是“京东技术委员会”这样的横向组织。无独有偶,小红书在经历了多位CTO轮换之后,...

技术领导力 453

数字化转型的失败原因及成功之道

2020年国务院国资委正式印发《关于加快推进国有企业数字化转型工作的通知》,系统明确国有企业数字化转型的基础、方向、重点和举措,开启了企业数字化转型的新篇章。数字化转型对企业来说变得至关重要,经过数字化成功转型的企业,能够连接和吸引更多的客户,加速创新,并在所在行业获得更大的利润份额。然而,即使数字技术应用已成为企业关注的核心竞争力,但企业数字化转型的失败率仍高达到80%以上,转型之路困难重重。本文将从数字化变革的失败原因、如何低成本实现数字化转型、构建数字化转型领导组织及人才梯队、为什么数据中台是数字化转

weixin_56128392的博客 2012

数字化转型对CTO/CIO提出的十一个要求

要想项目能按时交付、产品能按时上线,最重要的还是团队成员的支持与配合,这就要求CTO/CIO要注重梯队力量的培养,组建一支不仅具有极强战斗力,还具有强烈归属感的团队。(1)协调内部工作CTO/CIO在协调内部工作时,首先要与CEO进行良好的沟通与配合,对CEO的工作给予支持,尤其是在技术层面上对于CEO提出的想法给予技术性的支持,并帮助CEO调整、推演、完善想法直至落地。技术出身的CTO/CIO是企业的技术门面,是企业技术水平的代言人,擅长与机器打交道的他们,可能并不擅长与人进行沟通和交流。

weixin_56128392的博客 409

数字化转型方法论之三:数字化转型组织架构及角色定位

每一轮工业革命的到来都会颠覆传统落后的生产力组织方式,从而对企业的组织机构、管理方式和业务模式提出新的要求。 数字化转型方法论之三:数字化转型组织架构及角色定位 图片来自摄图网 较之前三次工业革命,以数字化、网络化和智能化为特征的第四次工业革命,不仅技术形态更为复杂,应用实践难度也更高,是一个长期不断演进的过程,企业必须为组织架构、管理模式、工作模式等多维度优化调整做出长期计划和准备,制定一个自上而下的数字化战略,建立以项目制、技能性、场景化为核心的组织模式,从而激发数字化转型团队的创造力,提升业务敏捷性。

weixin_56128392的博客 2945

环球易购CTO:企业数字化转型的正确认知和路径

关注公众号,回复「数字化」,即可下载 PPT9月6日至7日,由ITShare、CTOA首席技术官领袖联盟主办的第三届CTDC首席技术官领袖峰会在乌镇成功举办,自己受邀出席活动并作《企业数...

weixin_46186962的博客 653

怎样从0到1成功数字化转型?赚不到钱的数字化都是耍流氓

来源:凯利说IT(公众号ID: kellyevo) 作者介绍:陈凯利,VIKA.CN创始人、数字化转型专家、IT思维栏目《凯利说IT》主理人,曾从0到1帮助初创企业打造数字化体系、实现数字化转型,带来2000万会员和数亿融资,前独角兽CTO兼CIO、前国内NO.1软件公司架构师,任多家知名企业的数字化战略顾问,通过培训、咨询、投资等方式,帮助传统企业顺利完成数字化转型。 怎样才算成功数字化转型? 谈起这个话题,可能得上演一出21世纪版的哈姆雷特舞台剧——1000个人心中,就有...

yuppie8989的博客 609

数字化转型核心:实现业务与技术深度融合的运维数字化管理之道

数字化转型核心:实现业务与技术深度融合的运维数字化管理之道

商务合作欢迎私信我 1万+

数字化转型的四个阶段

数字化转型的四个阶段

ith321的博客 902
上一篇: 80%的AI公司,就要凉凉了!
下一篇: 开发了世界上最流行的软件,竟然被人追杀,开源太可怕了...
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