2018年自我总结

由于18年逐渐走上了管理层面(虽然只是个小经理),感觉和平时写写代码有一些本质上的区别 ps:在此我要感谢我的领导(技术大咖,研发团队的支柱人物),给我时间成长,做最终的把控。

1:以前是别人安排事情,不需要考虑太多,只需要把自己的这块需求理解清楚然后开发即可

接触的代码和数据库方面比较多,可以经常充实自己的代码能力

2:现在是需要自己考虑整体,常常会涉及到与别人(研发人员)沟通;

这期间涉及到一些坑,

第一:由于研发团队有十几人左右,分不同的岗位。刚开始的时候 ,接触每个人员,跟进每个人员的进度。

坏处:点对点的连接。由于人员较多,精力不够,造成了自己最忙但效率提高不了,对他人也造成了一定的紧张感和不知所措感。

改进:点对面的连接。每个岗位都会有个小的负责人(这是原先就有的,当时只是自己没有利用到),由原先针对于每个人员的跟进改为对小组长的跟进。合理利用身边有能力的人。使有能力的人接手一些工作,做到监督的作用

第二:需求不明确。有时候 需求直接就说出来进行研发或者微信艾特说明研发,这种方式容易造成1)需求不明确2)需求的丢失或者增加;

坏处:造成多次研发修改和工时的延迟

改进:使用需求确认书。需求及工时 需要签字确认。这种方式可以使研发或者测试人员认真理解需求,毕竟需要签字确认。对于一些情况,也可以根据需求确认及时找到问题所在及时并及时改进

注意:需求确认并不是为了秋后算账,而是为了在确认需求这块使负责人和研发人员确定需求点。比较人与人最难的是沟通。

第三:由于我们没有专业的测试人员,所以在测试方面可能会有些不足

改进:1)开发人员自测 2)测试组测试:需要先出测试流程图,尽可能多的覆盖所有分支

第四:进度问题

由于时间是死的,在有效的时间内,一定要留出一部分时间作为备用时间。不能把时间安排的满

1)松紧有度的工作 2)关于进度的反馈工作及进度的时段监督

自己改善:

1)代码和数据库方面不是很突出,需要逐渐加深基础知识的理解(这方面以后尽可能的完善自我的不足)

2)管理的把控

3)会议的组织(本人超级不擅长开会,自己开会或者别人开会都紧张肿么办)

内容概要:该PPT详细介绍了企业架构设计的方法论,涵盖业务架构、数据架构、应用架构和技术架构四大核心模块。首先分析了企业架构现状,包括业务、数据、应用和技术四大架构的内容和关系,明确了企业架构设计的重要性。接着,阐述了新版企业架构总体框架(CSG-EAF 2.0)的形成过程,强调其融合了传统架构设计(TOGAF)和领域驱动设计(DDD)的优势,以适应数字化转型需求。业务架构部分通过梳理企业级和专业级价值流,细化业务能力、流程和对象,确保业务战略的有效落地。数据架构部分则遵循五大原则,确保数据的准确、一致和高效使用。应用架构方面,提出了分层解耦和服务化的设计原则,以提高灵活性和响应速度。最后,技术架构部分围绕技术框架、组件、平台和部署节点进行了详细设计,确保技术架构的稳定性和扩展性。 适合人群:适用于具有一定企业架构设计经验的IT架构师、项目经理和业务分析师,特别是那些希望深入了解如何将企业架构设计与数字化转型相结合的专业人士。 使用场景及目标:①帮助企业和组织梳理业务流程,优化业务能力,实现战略目标;②指导数据管理和应用开发,确保数据的一致性和应用的高效性;③为技术选型和系统部署提供科学依据,确保技术架构的稳定性和扩展性。 阅读建议:此资源内容详尽,涵盖企业架构设计的各个方面。建议读者在学习过程中,结合实际案例进行理解和实践,重点关注各架构模块之间的关联和协同,以便更好地应用于实际工作中。
资 源 简 介 独立分量分析(Independent Component Analysis,简称ICA)是近二十来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系, 详 情 说 明 独立分量分析(Independent Component Analysis,简称ICA)是近二十来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系,在此基础上重点分析了一种快速ICA实现算法一FastICA。物质的非线性荧光谱信号可以看成是由多个相互独立的源信号组合成的混合信号,而这些独立的源信号可以看成是光谱的特征信号。为了更好的了解光谱信号的特征,本文利用独立分量分析的思想和方法,提出了利用FastICA算法提取光谱信号的特征的方案,并进行了详细的仿真实验。 此外,我们还进行了进一步的研究,探索了其他可能的ICA应用领域,如音乐信号处理、图像处理以及金融数据分析等。通过在这些领域中的实验和应用,我们发现ICA在提取信号特征、降噪和信号分离等方面具有广泛的潜力和应用前景。
评论 1
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