长时间工作才应该开除吧

IT绩效迷思
中午和任职 DBA 的朋友聊天,他说:"老板老是要我把工作时间填长一点,让整个部门的工作时间比较好看,所以本来做 1 个小时的事要写 3 个小时。但我回答说若这件事情需要 3 个小时才做得完,我就该被开除了。"
 
唉,审核考绩者不具备专业能力,就会如此。在 IT 职场里,重视的是技术专精程度,很难量化。若是程序开发或许还可以程序代码的量来衡量,但一样会有迷失,因为好的程序设计师可能一行就解决,但能力差写了一堆程序代码还加上许多bug。而 DBA 和网管人员的工作时间填满,更代表系统状况不断,这不代表该人员努力工作,而是能力不足。
 
好的 IT 人员在职场中,由其是系统管理人员,就个人认为所花的时间比例由多到少应该如下:
  • 充实自我(占绝大多数时间)
  • 规划正确的系统
  • 操作与设定系统
  • 处理突发状况
 
若知识与技术足够规划出好的系统,正确地设定与操作,则系统上线后,突发状况少。就算发生意外状况,系统人员也能立刻解决,并避免再次发生。所以他的工作时间应该被自我充实占满。反过来,无知导致错误的设计与实践,让系统错误百出,再以无知去因应,这下可填满工作时数了。他也不会有精力和热诚去充实知识。
 
因此 IT 人员的绩效占比应以技术、热诚、合作能力为高,以达成项目、解决问题的效率与质量评分。主管的责任是激励下属求知的热诚,找到好的项目让员工发挥。而不是数字的看门狗。仅会狂吠数字的量,而嗅不出背后的质。
  
无知主管看不懂系统设计的优劣,无法分辨解决问题能力的高下,所拟定的绩效制度仅是期待员工疲于奔命,消磨员工求知的热诚与精力才是系统的乱源。


Trackback: http://tb.blog.youkuaiyun.com/TrackBack.aspx?PostId=1692009


内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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