开发 or 管理?Quora读后感

关于“开发人员 -> 产品经理/项目经理”的QA

今天看了Quora上的一篇QA,主题是如何实现开发人员到产品经理或项目经理的转型。

摘录精彩回复如下:

  1. 在技术管理或技术岗位上积累1-2年后,争取在公司内部或在另一个公司实现转型。
  2. 在业余时间参与一些项目,积累项目管理等能力的同时也证实自己拥有在新岗位所需的竞争力。
  3. 首先进入咨询或分析领域,培养与客户交流的能力以及对产品的敏感度。
  4. 读MBA(全职,周末班皆可)。

管理岗 VS 技术岗

在规划职业方向时,很多同学认为管理岗>技术岗,我想造成这种观念的原因有:

  1. 国内的“官本位”思想。
  2. 对自身技术能力缺乏信心。
  3. 对纯技术岗位发展前途的担忧。

上面的担忧我想很多技术人员都会有,经常思考自己的未来是件好事,但如何全面正确的规划未来则比较困难。

对“管理岗>技术岗”的反驳:

  1. 真正优秀的技术人员,永远是稀缺的。如腾讯副总裁吴军所说,他手下的1000多个工程师中,完成10000小时编程实践的,不超过20个。招聘一个总监容易,但招聘一个真正优秀的技术人员相对困难。
  2. 职位越高,责任越大,承担的压力越大。一些公司高层领导的待遇与公司业绩挂钩,如果公司业绩下滑或出现意外事故,高层首当其冲受到影响,例如降薪,降职,甚至开除。

管理 or 技术?

那么,管理还是技术呢?北邮的同学,很多人第一份工作是技术,对于是否考虑转向管理,我觉得可以问问自己:

  1. 有没有掌控全局的欲望。
  2. 有没有吃苦耐劳,礼贤下士,厚积薄发的品质。
  3. 有没有清晰表述,洞察人心的能力。

上面的描述貌似在暗示做管理的人要比做技术的优越?并非是这样,上进的人,无论从事什么工作,处在什么位置,都会试图不断的提升自己的境界,对这些同学,无论他们做什么,都将是非常优秀的。

转载于:https://www.cnblogs.com/hnftpris/archive/2012/04/11/2442358.html

YOLOv8作物病害检测实战源码 这是一套基于YOLOv8n的农田病虫害目标检测系统,对叶片照片做目标检测,识别健康叶片、褐斑病、白粉病、锈病四类,并给出对应防治建议。全流程纯CPU可跑,配套交付完整Python源码、9章实战教程(md/html/pdf三种格式)、100张自造样本及YOLO标签、训练曲线与混淆矩阵截图、Tkinter界面和答辩PPT。 系统围绕五项功能展开:同一套推理逻辑覆盖图像、视频、摄像头三种来源;图形界面选文件即检测,画面叠彩色框标注病名与置信度,右侧面板同步给出症状与防治措施;检测记录自动写入CSV,统计页一键生成四类病害占比饼图;训练结束自动产出损失与精度曲线;内置防治建议文案库,检测命中即回填面板。 选型用YOLOv8n nano档,参数量约320万、权重约6.2MB,CPU单帧几十毫秒,小样本训练5到8分钟完成。数据由data_gen.py程序化绘制100张叶片图,固定随机种子,重跑分布一致,不依赖公开数据集。依赖全部锁版本,教程第7章整理了19条真实报错及排查方法,第8章给出换模型档、换PlantVillage数据集的迁移路径。 适合做计算机视觉方向课程设计或毕业设计的学生,也适合智慧农业方向想了解检测模型如何落进业务面板的学习者。不需要GPU,不需要系统学过目标检测,教程第3章会按需补齐原理。 使用时先pip install -r requirements.txt装好依赖,download_data.py下载预训练权重,data_gen.py生成样本后train.py训练,完成后用main.py infer批量检测或main.py gui启动界面。 立即下载

相关推荐

数据挖掘实战:决策树 + 聚类 + 关联规则,零 Key 离线可跑(Python 源码)

数据挖掘实战包。用 Python 标准库实现 CART 风格决策树、K-Means 聚类与 Apriori 关联规则,在虚构「星河便利店」会员表和购物篮上跑通分类、分群与购物篮分析,并给出准确率、轮廓系数、支持度/置信度/提升度。零第三方依赖、零 API Key 即可离线跑通。含 4 个样例、离线冒烟、中文 README(含「使用方法」)。均为作者原创可运行源码。MIT。作者 blog.youkuaiyun.com/mtl1994

Week3: “Quora精选”读后感

Quora精选:为什么软件开发周期总是预估的2~3倍? 在本文中,作者通过讲述一段充满未知和意外的旅途,形象生动地告诉我们计划赶不上变化的道理。在此过程中,可能会出现人力资源浪费、时间计划不合理、产生各种突发问题和设想与现实出现偏差等情况,这会对完成时间有一定的影响。 软件开发工程包含需求分析、设计、编码、测试、实施、维护等不同的过程,还涉及到开发工具、开发人员、项目管理、风险等众多因素。软件开发周期预估就是根据软件的开发内容、开发工具、开发人员等因素对需求调研、程序设计、编码、测试等整个开发过程所花费的

weixin_49101821的博客 227

科技中介服务机构在技术供需对接中如何实现服务流程的自动化与标准化?.docx

科技中介服务机构在技术供需对接中如何实现服务流程的自动化与标准化?

QUORA精选:为什么软件开发周期是预估的2—3倍?读后感

文章中用了徒步旅行这个例子来描绘了软件开发。一开始我们在进行软件开发预估周期时总是太过于理想化,就像文章中徒步旅行的时候以为道路全是平坦的,自己也不会受伤或者因为自己的粗心大意而导致计划延期的情况出现等等问题没有被考虑到。而软件开发预估周期也是在这样一个差不多的环境中进行的,我们在进行周期预估之前并没有深层次地进行过这一款软件的开发,只是基于表面而给出了一个预估周期,所以这就导致了软件开发周期总是预估的2~3倍。

qq_73802975的博客 105

产业园区如何高效对接企业技术需求与高校科研成果?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人如何快速掌握本地科技资源分布与匹配情况?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

Quora精选:为什么软件开发周期总是预估的2~3倍?

(1)文章参考链接:为什么软件开发周期总是预估的2~3倍?(2)文章读后感:针对这个问题,Micheal Wolfe创业者并没有直接回答,而是通过举例自己幻想与朋友从旧金山出发,沿着西海岸徒步旅行,到洛杉矶的纽波特沙滩面基途中有可能发生的事情,以此类比软件开发的过程,使软件开发过程更加生动形象,从而让读者更加体会到为什么软件开发总是预估的2~3倍。(3)自我分析:通过对文章的解读,我有了自己的了解与观点,正整篇文章以我的理解可概括为一句话“理想很丰满,现实很骨感。通过对文章的解读,我总结了以下关于软件开发周

m0_51958164的博客 196

国央企创新负责人如何实现科技成果的精准识别与高效筛选?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

产业园区运营负责人如何利用平台实现企业创新需求的精准分析与服务推送?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

高校技术转移办公室人员如何系统化管理科技成果信息?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

科技中介服务机构如何构建标准化、模块化的智能服务工具?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

高校技术转移办公室人员在推动成果转化落地过程中,如何实现科技成果的高效推介与价值评估?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

fab-pm-optimizer-python-entry-py39-20261021-v1-1-0

fab-pm-optimizer-python-entry-py39-20261021-v1-1-0

科技中介服务机构如何通过数智工具提升技术需求挖掘的精准度?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

PSIM-三相维也纳VIENNA整流器电压电流双闭环+中点电位平衡SVPWM控制仿真

内容概要:本文档详细介绍了一种基于PSIM软件实现的三相维也纳(VIENNA)整流器仿真模型,重点实现了电压电流双闭环控制与中点电位平衡的SVPWM调制策略。该仿真系统通过精确的控制算法有效提升了整流器的功率因数,降低了输入电流谐波含量,并解决了三电平拓扑中常见的直流侧中点电位偏移问题,具有较高的工程实用价值,适用于高效率、高功率密度的电力电子系统设计与科研验证。文档还整合了丰富的配套资源,涵盖多种电力电子变换器拓扑结构、先进控制算法及典型应用场景,形成了系统化的技术资料体系,有助于深入理解现代整流技术的核心原理与发展动态。; 适合人群:面向从事电力电子、电气工程、新能源变换系统等领域的科研人员、高校研究生以及具备一定仿真基础的工程技术人员。; 使用场景及目标:①深入研究三相VIENNA整流器的工作机理与控制特性;②掌握电压外环、电流内环双闭环控制结构的设计方法;③理解并实现SVPWM调制技术与中点电位平衡控制策略的协同作用;④开展相关控制算法的仿真验证、性能优化与实验对比,为高性能整流装置的研发提供理论支撑和技术原型。; 阅读建议:建议结合文中列出的其他仿真案例(如PWM整流器、LLC谐振变换器、DAB变换器等)进行横向对比学习,充分利用所提供的PSIM、MATLAB/Simulink等多平台仿真资源,重点关注控制逻辑与主电路的耦合关系,通过参数调试与波形分析深化对系统动态响应和稳态性能的理解,强化“理论—建模—仿真—优化”的闭环研究能力。

产业园区运营负责人如何利用数智工具提升园区企业的技术对接效率?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

政府科技管理者如何在政策支持中更精准地识别和支持高价值科技项目?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

ICD10 openGauss版

ICD10 openGauss版

下一篇: 美企工作一年感想
devi1753
博客等级 码龄12年 1粉丝 0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  | 博主筛选后可见
 
 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