要么编程要么成为一段程序

要么编程要么成为一段程序


周四晚上我在纽约大学演讲的时候,有位年轻人问了我一个问题“不懂技术如何创业?”我当时的回答是他应该试着去学去懂。第二天早上我遇到了一群商学院学生,其中又有一位女学生问我同样的问题,而我则也给了她同样的答案。

事实上,在这里我不是想说每个人都应该成为一名软件工程师,但是我觉得他要想在这个行业混的话他必须要懂什么是软件工程。你比如说,我讲法语不流利。但是我到法国去至少还是可以讲上一些的,即便是最后法国人可能听不懂逼不得已和我讲起英语来。

Dennis Crowley自称是一个很烂的程序员,但是至少他可以和Naveen合作写出Foursquare的第一个版本。等到他们团队再新增了一个成员Harry后,Dennis前期的代码全部都被Harry重新改写了。事实上,Dennis就是我所指的“懂软件工程”。你要想创业的话,至少需要懂一些软件程序上的东西,这样你才能讲清楚你的项目,并大致做一些前期工作,同时也能让别人对你的项目感兴趣。如果你能做到这样的话,那么你成功的机会更大。

另外一个要“懂”的重大原因是只有你懂了,你才能更好的与技术人一起合作。你能够看懂他们写的一些代码,并且在他们太忙的时候还可以帮上一些忙,那么你会更加容易融入整个团队。

我已经25年没有真正写过代码了。但是我之前曾为法律公司,轮船公司等写过应用。我称不上一个好的程序员,但是我毕竟非常懂一些基本概念,并且能够做出来一些东西。因此我觉得每个想创业的人也可以达到我的程度。

在这里,我想引用一段著名的媒体技术学者 Douglas Rushkof的话作为结束语:

人类学语言时,学的不仅是听还有说;学字时,学的不仅是读还有写;而现在随着我们向一个越来越数字化的世界迈进,我们也不仅应该学会如何使用程序,还要学会如何开发程序。在未来,面对着一个高度程序化的世界,如果你不能开发软件,那么你将变成软件。就是这么简单:要么编程,要么被编程。


内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本土化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
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