独孤木专栏

博客介绍了独孤木的文章,可打包下载,作者喜欢《Delayed Project》《People Management》等。在《Delayed Project》中讲解应对项目延期的方法;《People Management》提到应对人员idle的策略,如判断员工是否为“沙包”,合理处理以避免浪费高手资源。

独孤木,一个台湾鸟人,文章很是厚黑、直白,很多在“大师签名系列”里面不会看到的东西。
文章在这里打包下载,其中我个人比较喜欢下面几篇,不知哪里可以找到更多:

《Delayed Project》、《People Management》

《Software Quality Assurance》、

《报价阶段预估项目时程与成本密技》

在<delayed project=""></delayed>里,独孤木讲解了面对延迟项目的种种做法。独孤木对这几种方式当然是统统不赞成的,但乃知兵者是凶器,圣人也有不得以而用之的时候。怎么合理的组合使用这些方法,有效的应付项目延期,却是我要从文章里学习的东西。

在<people management=""></people>里,独孤木讲到如何面对某些人员的idle:

"对于最没有生产力的员工来说,你最没有办法找事情
给他们做。因为什么事情他都做不好。
为了要让这些人不处于idle状态,你要找个有经验的人来带他。结果就跟找个人背个六十公斤的沙包去跑步一样。沙包是会跑了,这个背沙包的人就会铁定跑不快。而且沙包终究是个沙包,一放下来就不会动了。”

的确,PM应该通过一两件任务,判断手下是不是沙包,如果是的话,如果可能就fire掉,如果还需要他干点体力活的,就不要肉紧他的idle time,闲着也就闲着,不要把高手也搭进去。这又是一个知易行难的道理,毕竟我们从小就被教育要节约,不能浪费一分的资源。

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
本系统采用微信小程序作为前端交互界面,结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建,形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性与扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试与优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性与可维护性,遵循企业级开发标准,确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言,这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 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
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