个人职业生涯成长公式

个人职业生涯成长公式


微软有些部门以成长公式的形式从为什么(Why)、做什么(What)、怎样做(How)和在哪里(Where)角度为员工计划自己的成长提出了方向。比如某部门提出以下公式:

公式


当然了,微软和其他公司企业文化、制度、对员工要求、为员工提供的职业生涯发展条件各有不同,所以微软的公式并非对每个人都适用。不过该模式有5个要点是值得我们注意的:
(1)我们每个人都应该思考和认识到为什么要努力成长?比如因为我们都希望自己不断充实提高,能胜任微软的本职工作,也希望能高质量完成任务,成为优秀员工,为用户和社会做贡献等。
(2)至于要做什么才能算是在成长呢?首先就要考虑本职工作,也就是分给自己要完成的所有任务。在微软这样的特别强调和积极实行创新和发明新技术、新过程的公司,每个员工当然也要跟上新要求、新形势,因此也要积极学习和积极参与新技术和新过程的创新和制定。此外也应该承担额外责任,帮助其他团队成员和团队建设;还应该计划将来的职业发展目标,并把个人目标计划和团队、公司总体目标结合起来。
(3)做什么明确了,还要注意怎样做。微软要求员工参照公司的胜任能力要求和团队对各员工的特定要求。
(4)至于员工职业生涯成长的目标和计划要在哪里留记录和追踪,微软是用职业发展指南针网站,也是微软员工年度考核网站的一部分。
(5)自己的直接上司应该对帮助员工职业生涯成长负很大责任。虽然员工自己要对个人的成长计划目标明确和积极努力,但还需要自己的直接上司(manager)的指导、支持和帮助。

更多内容请参阅微软华人专家倾心撰著的《微软360度——成功与成长》

封面


本书购买地址:http://www.dearbook.com/book/250419
http://www.china-pub.com/301664

【书 名】:微软360度——成功与成长

【作 者】:张奭 方敏 欧琼 等著

【ISBN】: 978-7-121-07432-5 

【出版社】: 电子工业出版社

【出版日期】:2008年11月

【宣传语】

·职场成功必备的心灵鸡汤

·微软公司全球副总裁张亚勤、沈向洋亲自作序、鼎力推荐

【内 容 简 介】

本书是由微软总部华人协会组织编写的第二本书,是《微软360度——企业和文化》一书的姐妹篇,本书将着重向你呈现微软总部的华人专家是如何一步一步地走向成功的及在微软总部成功的心路历程,以及如何应对挑战,揭示了微软成功的最重要秘密之一——人才至上,读者读后收获更多的是这些成功人士的成功经验,从而为自己的成功做出更好的规划。

就让我们一起通过此书来看看微软公司人才至上管理的方方面面,聆听微软的心声,感觉微软的脉动吧。

资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
内容概要:本文详细介绍了哈希表及其相关概念和技术细节,包括哈希表的引入、哈希函数的设计、冲突处理机制、字符串哈希的基础、哈希错误率分析以及哈希的改进与应用。哈希表作为一种高效的数据结构,通过键值对存储数据,能够快速定位和检索。文中讨论了整数键值和字符串键值的哈希方法,特别是字符串哈希中的多项式哈希及其优化方法,如双哈希和子串哈希的快速计算。此外,还探讨了常见的冲突处理方法——拉链法和闭散列法,并提供了C++实现示例。最后,文章列举了哈希在字符串匹配、最长回文子串、最长公共子字符串等问题中的具体应用。 适合人群:计算机科学专业的学生、算法竞赛选手以及有一定编程基础并对数据结构和算法感兴趣的开发者。 使用场景及目标:①理解哈希表的工作原理及其在各种编程任务中的应用;②掌握哈希函数的设计原则,包括如何选择合适的模数和基数;③学会处理哈希冲突的方法,如拉链法和闭散列法;④了解并能运用字符串哈希解决实际问题,如字符串匹配、回文检测等。 阅读建议:由于哈希涉及较多数学知识和编程技巧,建议读者先熟悉基本的数据结构和算法理论,再结合代码实例进行深入理解。同时,在实践中不断尝试不同的哈希策略,对比性能差异,从而更好地掌握哈希技术。
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