都马上2020年了,还学什么PMP?

作者反思了个人成长路径,意识到线性成长的局限性,通过学习PMP项目管理认证,旨在提升思维高度和大局观,实现职业生涯的跃迁。

2019年12月7号(周六)在北京语言大学放下笔的那一刻,并没有之前想象中的那么高兴和激动,这种感觉有点跟当年参加高考结束的心情,仅仅是松了一口气,仅此而已。

从今年中上旬开始,可能是鉴于生活压力,心里始终有个想要获得跃迁的小念头,但又不知道能做些什么。虽然如此但也给自己安排了如下三件事情:

  1. 好好工作:增强主观能动性和锻炼协调能力
  2. 系统学习:为未来厚积薄发做知识储备
  3. 培养兴趣:英语,钢琴,坚持看书(没有方向)

其实除了这三件事情,还有一件不用动手的事情,就是不断自己跟自己开头脑风暴会议,借此也确实输出了好几个点子,大部分都已经被自己和朋友否决了,剩下的两个就是明年的flag,暂且按下不表。

咋一看,貌似很好,只要能如此坚持下去,将来肯定能有(zi)所(wo)作(an)为(wei)。但某天回想起古典老师的《跃迁》以后,发现了我自己的计划中有一个特别大的漏洞,那就是所有的成长都是线性的。没有一个可以实现跃迁的点。下面逐个剖析一下:

  1. 好好工作:由于职业原因,我工作时间关注的基本都是某个技术点或者某个需求,难以接触到这个需求背后的业务场景及更深层的商业考虑,因此自己的思维就会不断的被固化。
  2. 系统学习:这里我更多指的是IT技术,程序员基本都梦想过在这个世界上留下些让人津津乐道的代码。但随着时间的推移感觉我自己基本已无可能,只能是不断的夯实自己的基础,服务于工作。
  3. 培养兴趣:钢琴和英语,虽然在学习但进度也是十分缓慢,而且没有什么计划。至于看书,最近两年看的书是不少,但没有明确的方向,所以没有成啥体系(但确实学习了很多很多,感谢曾经的某震同学)。

分析过后,从长远来看貌似前景还不错,但在当前激烈的竞争下,你不能实现跃迁,就已然代表着落后。所以我阶段性的放弃了培养兴趣,重新分析跃迁的可能性,最后得出的结果是:从思维下手。由于职业原因,我在分析工作或生活中的问题时往往想要找到问题的本质,然后解决他。但有时发现自己在死扣的问题貌似优先级不高,或者没有解决的必要。比如:公司想要开一个项目,我会下意识的回去思考使用什么技术栈,甚至为选择技术栈发愁。而此时如果我更多的想想公司为啥要开这个项目,这个项目在瓜分哪个市场的蛋糕,现在是红海还是蓝海。或许能够培养我更多的产品思维,另外思考过大局以后,回到实际工作中会发现,原来纠结的问题不再是问题,会有种降维打击的惊喜感。

我想要跃迁,这就是我学习PMP的理由。当然PMP并没有教如何实现跃迁。但我知道现在的我迫切需要一种思维上的拔高以及大局观的培养,我在PMP里可以得到这些,而且现在我确实也得到了境界上的些许提到(虽然考试没有把握一定过),但我相信这是我跃迁的起点。

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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