8、项目经理的 “基本功” 修炼手册

项目经理势能培养:四大可操作模块与实战路线图 项目管理中的‘势能’并非玄学领导力,而是基于组织现实的结构性影响力系统。它源于对信息流、人际关系、流程机制和专业认知的深度理解与主动构建,本质是降低协作不确定性、提升决策效率的核心能力。在跨部门协同日益频繁、资源争夺日趋激烈的工程实践中,具备信息势能可提前预判风险,掌握关系势能能激活非权力支持网络,善用流程势能可绕过形式主义瓶颈,夯实专业势能则赢得技术团队真实话语权。本文聚焦‘项目经理’与‘势能’两大热词,系统拆解从启动前30天播种、执行期动态灌溉到收尾期知识沉淀的全周期培养路径,提供可复用模板与避坑指南, 阅读详情

        在项目管理的领域里,项目经理就如同战场上的指挥官,肩负着带领团队达成目标的重任。而要成为一名出色的指挥官,扎实的 “基本功” 必不可少。从抽象层面来讲,项目经理的 “基本功” 涵盖了必须掌握的知识与技能。但如果从实际工作角度深入探究,简单的定义显然无法全面阐释其内涵。接下来,让我们结合具体案例,一同深入理解项目经理的 “基本功”。

一、从案例看 “基本功”

        小王是一家互联网企业的项目经理,一人兼顾多个项目对他来说是家常便饭。在这种情况下,项目资源紧张是必然的,因此合理分配资源就显得尤为关键。为了做好这一点,小王发起了 “需求前置会议” 的流程。为确保会议既有效又高效,他针对会议准备了两个重要文档,并提前发给参会人员。

(一)文档一:对会议目标进行 “翻译”

        开会时,参与人数越多、角色越繁杂,会议控场就越困难。为了能迅速且精准地抓住 “会议核心”,小王从业务角度出发,对会议目标进行 “翻译”,明确其重要性。他提出了三个关键问题:

  1. 会议是什么:这就好比我们要出门旅行,首先得知道自己要去的地方是哪里。例如,会议是为了讨论新产品的功能规划,那大家就得清楚这是一场聚焦产品功能的会议。
  2. 为什么要开这个会:就像旅行要明白为什么选择这个目的地,是为了休闲放松,还是商务考察等。在项目中,开这个会可能是因为新产品即将上线,需要明确各项功能细节,确保产品符合市场需求。
  3. 为什么现在开:如同旅行要选择合适的时间出发,现在开这个会可能是因为项目时间紧迫,产品功能必须尽快确定,否则会影响后续开发进度。

(二)文档二:对讨论的内容进行确定

        小王将项目现阶段急需解决的问题详细列出,并针对每个问题写下自己的初步想法。参会人员根据这份文档提出各自的想法,然后在会议上集中讨论。比如,在新产品开发项目中,可能面临技术难题,如如何实现某一特定功能的高效运行,小王会先列出自己对该技术问题的初步解决方案,参会的技术人员再基于此提出不同的见解和优化方案。

        这看似普通的工作环节,实则充分体现了项目经理的基本功。首先,小王清楚这个阶段紧急且重要的工作是什么,不会盲目行事。就像在众多待办事项中,能准确找出最关键的任务先处理。其次,开会的目的是解决问题,小王提前框定问题并提出初步解决方案,有效避免了毫无成效的 “走过场” 会议。通过这个案例,我们可以这样理解 “基本功”:它是贯穿于工作各个环节的底层工作逻辑,包括流程、工具方法、技巧以及个人经验等,能够帮助我们抓住工作重点,提高工作效率与成功率,还能引导我们做出正确且切实可行的决策。

二、项目经理必备的 “基本功” 及培养方法

        有些项目经理即便工作多年,在接手新的项目时依然会感到痛苦,究其主要原因,就是 “基本功” 不够扎实。从工作实际出发,“基本功” 是项目经理必须学习和不断练习的内容,它不仅仅局限于书本上的理论知识和方法技巧。这种 “基本功” 的训练,绝非一蹴而就,而是要经历一个漫长且充满挑战的过程。仅仅看几篇文章、听几节课,远远无法做到应用自如,必须经过反复练习、深刻反思、积极实践,才能真正将其吸收并运用到实际工作中。那么,项目经理的 “基本功” 究竟包含哪些方面呢?我们可以将其归纳为三个主要部分:目标、路径、资源管理,管人的能力,以及深度复盘和专业沉淀。今天,我们先来深入探讨第一个必修的 “基本功”—— 准确管理项目目标、路径与资源。

(一)管理目标的能力

        不少项目经理都存在这样一个通病,拿到项目后就急于动手,而不是先静下心来思考项目目标。无论你是经验丰富的资深项目经理,还是初出茅庐的新手,在接到项目的第一时间,都应该对整个项目目标进行全面思考。因为目标是项目管理工作的首要考量因素,并非所有的项目目标都是合理的。在项目需求不断变化的情况下,项目的成本、质量和时间这三个维度相互制约,只要其中一个维度发生调整,另外两个维度必然会受到影响。例如,一个建筑项目原本计划在三个月内完工,预算为 100 万元,质量要求达到行业标准。但如果中途客户要求增加一些特殊的设计元素,这就可能导致成本增加,同时为了保证质量,工期也可能需要延长。所以,对项目目标进行有效管理是项目经理必备的重要能力。

        那么,如何做好目标管理呢?简单来说,就是要让目标清晰明确。为了让大家更好地理解,我们来看这样一个例子:公司要求在 30 天内开发一个能够及时更新公司新上线产品信息的系统。在这个案例中,项目清晰的目标就是业务部门所需要的系统按时上线。要判断项目目标是否清晰,能否满足需求,我们可以通过以下三个问题来考量:

  1. 项目准确的上线时间:就像上述案例中明确的 30 天,这是一个具体的时间节点。如果时间不明确,团队成员就无法合理安排工作进度。比如,一个软件开发项目,只说尽快上线,但没有明确具体日期,开发人员可能会按照自己的节奏推进,导致项目进度失控。
  2. 产品需要什么样的功能:对于产品信息系统,可能需要具备产品信息录入、分类展示、实时更新等功能。明确功能需求,开发团队才能有针对性地进行开发。例如,一个电商平台的项目,如果没有明确商品搜索功能要支持模糊搜索、精准搜索以及按多种条件筛选等具体功能,开发出来的平台可能无法满足用户需求。
  3. 产品的验收流程是什么:这涉及到项目完成后如何判定是否达到要求。比如,产品信息系统验收时,可能需要业务部门进行实际操作测试,检查各项功能是否正常运行,数据更新是否及时准确等。如果验收流程不明确,项目完成后可能会出现双方对是否达到要求存在争议的情况。

        在明确了目标及上线时间后,接下来要对目标进行分解工作。这其实就是将项目目标逐层展开并向下细化。以 “系统上线” 这个目标为例,我们可以倒推出项目可分成几个阶段,比如需求分析阶段、设计阶段、开发阶段、测试阶段和上线部署阶段。每个阶段都要有明确的时间节点,例如需求分析阶段 5 天,设计阶段 5 天等。而且每个阶段的目标还可以进一步分解成多个工作包,每个工作包又能拆分成不同的活动任务目标。例如,在开发阶段,工作包可以包括前端开发、后端开发,前端开发又可以拆分成页面设计、交互功能实现等具体活动任务目标。

(二)规划路径的能力

        规划路径,简单来说就是计划如何达成目标。这就好比开车出行,到达目的地可能有多种路线可供选择,但每条路线所花费的时间、精力各不相同。在项目管理中,它就是规划达成项目目标的思路。然而,很多项目经理在面对风险和解决问题时缺乏清晰的思路,往往过度依赖以往做项目的经验。当遇到不同的项目和全新的问题时,就容易陷入束手无策的困境,这其实就是应对思路匮乏的表现。就像开车时只熟悉一条路线,一旦这条路出现拥堵或其他状况,就不知道该如何前行。

        例如,假设要前往上海浦东机场,我们可以选择乘坐 2 号线地铁、机场大巴或者磁悬浮这三种公共交通方式。如果一名项目经理只知道乘坐 2 号线这一种方式,那么当 2 号线出现故障或客流量过大导致严重晚点时,他就会不知所措。而作为一名优秀的项目经理,对信息的接受能力应该更强,要具备更多的探索精神,去发现不同的可能性,这样才能打开做事的思路,规划出合理的路径。

        再比如,在一个软件开发项目中,原本计划采用传统的瀑布式开发流程。但在项目进行过程中,发现客户需求变化频繁,瀑布式开发流程难以适应这种变化,可能导致项目进度受阻。这时,如果项目经理具备规划路径的能力,就会想到引入敏捷开发流程。敏捷开发流程强调快速迭代、客户反馈,能够更好地应对需求的变化。通过及时调整开发路径,项目可以继续顺利推进,避免因路径选择不当而造成的延误和损失。

(三)将资源价值最大化

        项目管理中的资源,是指为了达成项目目标,在规划的路径上所需投入的各种要素,包括时间、人力、专业技能以及金钱成本等等。而且每个人所拥有的资源各不相同,所以我们要找到资源的最佳利用方式,实现价值最大化,这就需要具备 “择优思维”。

        在实际项目中,每个项目经理面临的场景千差万别,即使在相同场景下,也不存在固定的标准答案。择优思维要求项目经理从项目整体出发,明确项目最重要的目标是什么,对项目进行综合评估后,再做出判断和决策。

        例如,在一个广告宣传项目中,时间紧迫,预算有限,但要求达到较高的宣传效果。此时,项目团队需要在有限的预算内,选择最合适的宣传渠道。如果选择电视广告,虽然覆盖面广,但费用高昂,可能超出预算;如果选择社交媒体推广,成本相对较低,但可能覆盖人群不够精准。项目经理需要综合考虑项目的目标是在有限预算内获得最大的宣传效果,经过分析评估后,发现可以结合社交媒体推广和一些针对性的线下活动。社交媒体推广可以利用其传播速度快、成本低的优势,扩大品牌知名度;线下活动则可以针对目标客户群体,进行精准营销。通过这种方式,实现了资源的最优配置,将资源价值最大化,既满足了预算限制,又达到了较好的宣传效果。

        又如,在一个建筑项目中,工期紧张,需要尽快完成主体结构建设。在人力方面,有经验丰富但成本较高的熟练工人,也有成本较低但经验相对不足的新手工人。项目经理需要考虑项目的质量要求和工期要求,经过评估,如果项目质量要求较高,且工期允许一定程度的灵活调整,可能会选择部分熟练工人搭配一些新手工人,让熟练工人起到指导和把关的作用,这样既能保证质量,又能在一定程度上控制成本。但如果工期非常紧张,质量要求又必须严格保证,可能就会优先选择经验丰富的熟练工人,虽然成本会增加,但能确保项目按时高质量完成。

        综上所述,准确管理项目目标、路径与资源,是项目经理不可或缺的 “基本功”。只有通过不断学习、实践和反思,才能在项目管理的道路上越走越稳,带领团队成功达成一个又一个项目目标。后续我们还将继续探讨管人的能力以及深度复盘和专业沉淀这两项重要的 “基本功”,帮助项目经理全面提升自身能力,在项目管理领域取得更大的成就。

Java高级工程师与项目经理的核心能力解析 Java高级工程师的核心能力不仅包括对JVM、多线程并发编程等底层原理的深入理解,还需要掌握架构设计的三重境界:从DDD领域建模到CAP理论的实际应用,再到技术前瞻性的把握。在实际工程中,通过JVM调优和微服务拆分等实践,可以显著提升系统性能。项目经理则需要具备项目全生命周期管理能力,如使用JIRA进行敏捷管理,以及团队协作与沟通艺术,例如在技术选型时制定评估矩阵。无论是技术深度还是管理能力,都是职场进阶的关键。本文结合电商大促和金融项目的实际案例,为你解析如何突破职业发展的隐形天花板。 阅读详情

相关推荐

这可能是知乎中,最好的项目管理书单!

看完推荐,文末有对应电子书领取方式哦~ 在四月份的时候,根据项目管理专业人士专访中推荐的书籍整理了一篇书籍推荐文,大家反馈很好,想着大家可以看一段时间,后面就没有再写此类的文章。 但最近我们的学习社群中又陆陆续续有群友开始要求推荐书了,估计是上一次推荐的都看完了,那我就再推荐一波(新朋友可以通过此链接查看上次推荐) 《项目管理必看书籍,全部打包送给你》。 书籍推荐肯定要推荐好书,所以我就去把知乎上所有关于项目管理的问题和文章都翻了一遍。 用了差不多一周的时间把高赞全部进行了数据统计,写了这篇回

weixin_52580555的博客 1003

七.项目管理基础知识

@(项目经理考试学习笔记) 七.项目管理基础知识 (考2到3分,了解基本概念) 1. 项目与项目管理基本概念和特点 1.1 项目 特点:临时性,独特性,渐进明细性 1.2 项目的目标 2. 项目管理的概念 2. 项目经理 2.1 项目经理知识体系 2.2 项目经理需要的经验 3. 项目干系人 4. 项目管理办公室(PMO) 5....

m0_37370820的博客 4592

【ros2】从零认识URDF:机器人模型描述的“说明书”

visual>子节点只负责机器人在RViz2中的可视化效果,不参与任何物理计算,就像给零件“穿衣服”。<origin>:定义零件的局部坐标系相对于连杆原点的位姿,参数xyz表示平移(单位:米),rpy表示旋转(单位:弧度,绕x→y→z轴旋转);<geometry>:定义零件的几何形状,支持四种基础形状+外部3D模型;<material>:定义零件的颜色,需要提前定义材质。常见几何形状示例-- 连杆名称:base_link(底座),全局唯一 --> < visual > <!

EnHengNa的博客 1614

高薪项目经理必备的8项软技能

“一年365天,我们不是在项目上,就是在去项目的路上”,这简直是项目经理的真实写照。但很多时候,专业知识在纷繁复杂的项目中显得很渺小,项目经理还需要许多软技能来辅助战斗。有些项目经理之所以成长快、薪资高,正是因为拥有一般经理所不具有、或较少具有的这些软技能。遇事沉着冷静项目风险总是存在的,可以说在项目中唯一不变的,就是永恒的变化。项目都是不同的,各种问题也总是存在的。核心成员突然离职?客户换领导对...

weixin_45727359的博客 329

基于python的电商评论文本分析

本文基于京东平台安井手抓饼2000余条评论数据,运用Python文本分析技术(包括分词、词频统计、LDA主题模型等)探究消费者评价特征。研究发现:1)产品评价聚焦口味("好吃")、性价比("一分钱")和便捷性("早餐");2)京东物流服务获得高度认可;3)销售旺季集中在11月至次年1月。分析揭示了速冻食品消费者的核心关注点,为商家优化产品与服务提供数据支持,同时展示了文本挖掘技术在电商评论分析中的实用价值。

weixin_50902344的博客 8347

三维重建之条纹投影结构光(一)

该系列为条纹投影结构光学习笔记,一共分为四篇。第一篇记录文献阅读的笔记,对重要知识点进行摘录介绍。 本篇以理论知识推导为主,主要从以下三个方面进行介绍,首先介绍条纹投影的三角测量原理;然后介绍相位主值的求解和相位展开;最后介绍相位和高度的模型,即相高模型。本篇博文不涉及具体的代码实现。 条纹投影结构光测量原理 ...

beyond951的博客 3万+

豆瓣8分+的项目管理书单,送给你

下半年开始了, 小编前来送书了, 全部是豆瓣高分项目管理书籍哦 看看有没有你需要的? 01、项目经理案头手册 该书是项目管理领域专家学者詹姆斯·刘易斯(James P. Lewis)所作,豆瓣评分8.5分。自初版以来,已成为许多项目经理的“圣经” 。 全书围绕着刘易斯总结的16步项目管理法展开,为项目经理展示了如何成功管理不同大小、不同类型的项目,案例丰富全面,很好地实现了理论性和操作性的结合。 本书不仅适合初学者,还适合老鸟。初学者可以正其型,老鸟可以缕其绪。(@豆瓣入云龙) 02、项

逸尘谈PM 2049

AnyLogic 建立谢林模型

AnyLogic 建立谢林模型说明创建一个新模型创建代理人群体和离散空间双击 people 前的图标,编辑 Person设置 Agent 的形状(Person)在模型中启用离散时间,实现代理行为点击 Person,进行编辑点击运行按钮效果图 说明 我们将把 Schelling 的模型实现为一个基于离散空间/离散时间的代理模型。空间代表一个城市,每个单元格代表一个房子。 agent 是人,是两种颜色:黄色和红色。 最初,人是随机分布在城市中的。人比房子少,所以总是有一个人可能会移动。 这个模型中的 agent

qq_45642410的博客 2577

领导修炼手册

1、原有经验是否满足新需求、新项目不满足—扩展 2、本次偏重点是什么?之前是否有类似 3、时间控制+成本控制—->侧重点 4、项目方向+定位+合理安排人员 5、框架搭建+系统架构规划 6、上级确认 7、开发实施

小诚信驿站 812

疫情数据分析的“核武器”!JHU CSSE COVID-19数据集超深度解析与实战指南(附代码)

在面对这场没有硝烟的战争时,除了医护人员在前线与病毒搏斗,还有一群默默的英雄——数据科学家和分析师,他们利用手中的“数据武器”,昼夜不停地监测、分析、预测疫情走势,为政府决策、资源调配、公众科普提供了至关重要的支撑。同时,由于某些国家(如美国、加拿大、澳大利亚、中国等)的数据细化到省/州级别,为了得到国家层面的总数据,我们需要按国家和日期进行聚合。正是在这样的背景下,经过这些步骤,我们已经得到了一个包含了累计数据、每日新增数据和活跃病例数的完整数据集,可以开始进行深入的分析和可视化了!

wylee的博客 1165

基于射频技术的校园无人超市管理系统_360

本设计实现了一种基于射频技术的校园无人超市管理系统,系统集成了环境监测与商品管理两大核心模块。在环境监测部分,采用DHT11温湿度传感器与MQ2烟雾传感器对超市内部环境进行实时监测,结合温控与报警机制,实现自动通风与烟雾报警功能,并通过1.44寸SPI LCD显示屏进行本地信息显示。商品管理部分基于RC522-RFID读卡器完成商品识别,结合Qt上位机软件实现顾客自助选购与结算,同时支持管理员进行商品入库与会员卡管理等操作。系统采用STM32F103RCT6为主控核心,结合串口通信方式与Qt开发的上位机进行

376

软件开发项目案例_豆瓣8分+项目管理书籍

​下半年开始了,环环又来推荐书了,全部是豆瓣高分项目管理书籍哦看看有没有你需要的?01项目经理案头手册该书是项目管理领域专家学者詹姆斯·刘易斯(James P. Lewis)所作,豆瓣评分8.5分。自初版以来,已成为许多项目经理的“圣经” 。全书围绕着刘易斯总结的16步项目管理法展开,为项目经理展示了如何成功管理不同大小、不同类型的项目,案例丰富全面,很好地实现了理论性和操作性的结合。本书不仅适合...

weixin_39545269的博客 436

EMI辐射发射超标案例

EMI辐射发射超标案例

让你爱上电路设计 8503

新书推荐:项目管理修炼之道

新书推荐:项目管理修炼之道【作  者】(美)Johanna Rothman [同作者作品] [作译者介绍]  【译  者】 郑柯[同译者作品]  【出 版 社】 人民邮电出版社     【书 号】 9787115213617  【上架时间】 2009-9-27  【出版日期】 2009 年10月 【开 本】 16开  样章免费试读:http://www.china-pub.com/196066编辑...

weixin_33924220的博客 127

基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的水果识别系统(Python+PySide6界面+训练代码)

本文详细介绍了基于YOLO系列目标检测算法(包括YOLOv5、YOLOv6、YOLOv7和YOLOv8)的水果识别系统的设计与实现。系统采用Python语言开发,结合PySide6构建用户界面,实现了从数据准备、模型训练到部署应用的全流程。本文将提供完整的代码实现、详细的训练过程分析以及性能对比实验,并给出推荐的数据集资源。该系统可以准确识别多种水果类型,为智能农业、自动售货、食品加工等领域提供技术支持。

YOLO 565

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

阿里T8强烈推荐这份架构进阶手册,BAT知识点扫描清单!

前言 如今架构已经被广泛应用到企业管理和IT等领域,并演变成了各个领域的核心技术之一。架构的设计目标是解决软件的复杂性,一个好的架构无论是从研发过程、软件自身还是经济角度带来的利益都是巨大的。现在IT领域架构师无疑是个很吃香的职业。架构师一般分为软件架构师、平台架构师、硬件架构师、网络架构师、人工智能架构师以及特定领域技术等方面的架构师。 想要成为架构师所需要积累的知识肯定不是一星半点的,我们能做的就是站在巨人的肩膀上不断学习提升自己,目前市面上关于架构的文档有太多,但真的能把架构系统的梳理清楚的文档实

Java6888的博客 447

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

项目经理必读书单:10本项目管理经典,PMP备考与实战进阶指南

这本书将Scrum作为基本框架,对精益和极限编程等方法加以整合,重点阐述了敏捷产品开发方法,包括制定产品愿景、创建产品路线图、管理范围、采购、时间、成本、质量、风险,预测进度,快速开发及发布产品,创造敏捷环境,以及领导敏捷转型过程中的实践应用。书中内容涉及软件项目管理的整个流程:项目启动、项目章程、项目计划、项目日程安排、项目估算、明确的角色和职责、明确的开发流程、恰到好处的度量标准、发布条件、参与beta测试的客户等,所有成功项目管理的必备元素一应俱全。豆瓣评分8.4分,是项目管理中的经典著作。

PMP2026的博客 446

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

今天就看看能掏空阿里P8身体的这份Java面试系列手册,这么管用?

最近收到了很多面试受挫的小伙伴诉苦,其中内容无非就是说Java面试越来越难了,尤其是“技术面”考察得越来越细,越来越底层。 小编想说的就是一句古话:“世上无难事只怕有心人” 其实作为一名合格的程序员,面试是你在不断成长过程中必不可少的一个环节,其中技术面尤为重要,像一些一线的互联网大厂都是有职级之分的呢,像阿里的P级,腾讯的T级,华为的多少等级,都是通过技术面来考察的。 而且面试中所问的和你在面试之前给自己准备复习的“面试手册资料”不一样,如果你也有这样的问题,那说明你的技术应该继续修炼了! 为了帮大家解

Netty711的博客 163

AI产品经理修炼手册:爆肝学习路线,一文掌握全面成长指南!AI产品经理=大模型产品经理

AIGC最近的面试机会依然非常多,陆陆续续收到很多学生的报喜,薪资10K–>19K;13K–>20K;20K–>32K;总包从45W–>60W,57W–>110W等等,所以转行要趁早呀❤️在这里分享一套2个月上岸AIGC产品经理的思路,普通人可以直接抄!转行AIGC必看的网站/公主号:新智元:AI深度文章;机器之心:行业资讯、ai干货、新产品;量子位:公关PR稿;行业新闻更新速度快;IT桔子:AI领域的投&融–资;ChatGPT Plugin导航网站:各种插件集合,强推。

m0_63171455的博客 1228

阿里新产架构进阶手册,Github已星标71.6k

前言 如今架构已经被广泛应用到企业管理和IT等领域,并演变成了各个领域的核心技术之一。架构的设计目标是解决软件的复杂性,一个好的架构无论是从研发过程、软件自身还是经济角度带来的利益都是巨大的。现在IT领域架构师无疑是个很吃香的职业。架构师一般分为软件架构师、平台架构师、硬件架构师、网络架构师、人工智能架构师以及特定领域技术等方面的架构师。 想要成为架构师所需要积累的知识肯定不是一星半点的,我们能做的就是站在巨人的肩膀上不断学习提升自己,目前市面上关于架构的文档有太多,但真的能把架构系统的梳理清楚的文档实

一吻成痴 416

连妻子看了都说好的阿里新产架构进阶手册,在Github已标星71.6K,你还在犹豫吗?

前言 如今架构已经被广泛应用到企业管理和IT等领域,并演变成了各个领域的核心技术之一。架构的设计目标是解决软件的复杂性,一个好的架构无论是从研发过程、软件自身还是经济角度带来的利益都是巨大的。现在IT领域架构师无疑是个很吃香的职业。架构师一般分为软件架构师、平台架构师、硬件架构师、网络架构师、人工智能架构师以及特定领域技术等方面的架构师。 想要成为架构师所需要积累的知识肯定不是一星半点的,我们能做的就是站在巨人的肩膀上不断学习提升自己,目前市面上关于架构的文档有太多,但真的能把架构系统的梳理清楚的文档实

如果频繁就私信一下呢 163

优质高效!阿里新产架构进阶手册,Github已星标71.6k

前言 如今架构已经被广泛应用到企业管理和IT等领域,并演变成了各个领域的核心技术之一。架构的设计目标是解决软件的复杂性,一个好的架构无论是从研发过程、软件自身还是经济角度带来的利益都是巨大的。现在IT领域架构师无疑是个很吃香的职业。架构师一般分为软件架构师、平台架构师、硬件架构师、网络架构师、人工智能架构师以及特定领域技术等方面的架构师。 想要成为架构师所需要积累的知识肯定不是一星半点的,我们能做的就是站在巨人的肩膀上不断学习提升自己,目前市面上关于架构的文档有太多,但真的能把架构系统的梳理清楚的文档实

Java圈全能架构师的博客 2603

知乎上最好的项目管理书单!推荐收藏

为了保证书籍的质量,每一本推荐的书籍都经过了三次筛选。 第一次:所有推荐书籍的答主,应该是书籍非常认可,才会推荐出来。 第二次:广大知友用点赞点出了高赞推荐。 第三次:排序挑选后我又加了一个条件,那就是豆瓣评分必须是8分以上。 最后我把前十名书籍的特点罗列出来,再次供大家参考。 人月神话 本书的内容主要来自于布鲁克斯在 IBM 公司 System 360 家族和 OS 360 中的项目管理经验总结,主要讲解了自身对于软件开发过程的几个重要关键点的见解,内容精炼且给

逸尘谈PM 1509

推荐给大家一份我整理的 Java 书单

程序员的成长之路互联网/程序员/成长/职场关注阅读本文大概需要 2.8 分钟。618来啦 618来啦广大程序员们先买点什么好呢当然是先把好书新书囤起来啦,膜拜经典,紧跟...

良月柒 2516
上一篇: 7、从会议看项目经理能力:项目成功的关键洞察
下一篇: 9、项目经理必知:SOP—— 通向卓越管理的密钥
软启
博客等级 码龄2年 335粉丝 46原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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

打赏作者

软启

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
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