PMO工作反思

 个人觉得每年召开的PMO大会可以为PMO从业者提供很多行业知识,真心觉得不错,今年的PMO大会又要召开了,做个mini广告先,不喜欢的可以无视哈~
以“PMO从业人员:一个职业群体的浮现与未来”为主题的“第五届中国项目管理办公室(PMO)发展大会 暨2016年度中国10大优秀PMO总监评选颁奖盛典”拟定于2016年5月28-29日在北京召开届时,将有数百位PMO从业人员汇聚北京,一起交流学习PMO建设与运作方法,分享优秀企业PMO实践经验和创新,探讨PMO发展中的热点与难点,分析PMO的发展现状并畅想在下一个五年中PMO的憧憬。
      表彰鼓励先进,树立学习标杆,大会将继续举行中国10大优秀PMO总监评选活动,其颁奖盛典也将在大会上隆重举行。另外,作为2016第五届PMO大会重要内容的《2016中国项目管理办公室(PMO)发展成果论文集》也借此面向PMO从业人员征集稿件,PMO论文集将在大会上作首发仪式,期待踊跃赐稿。
      中国PMO大会是业内了解PMO前沿理论与资讯、分享PMO最佳实践经验、彰显PMO价值的高端会议交流平台,也是全国一年一度PMO专业人士年度盛会,关于更多详情可浏览大会唯一官网:http://www.cpmta.com/pmo2016
      我们期待您的到来!共同见证PMO年度盛会和PMO职业群体的成长。


[以下是正文]

最近一直在思考PMO工作,自己亲身经历过的、听过的、见过的大大小小的PMO不下数十个,其中包括项目级别的、部门级别的、公司级别的、集团级别的,可是却没有一个做的很成功的,存在时间也是又长又短,但是最长的也没有超过5年,让人不得不深思。

PMO顾名思义,项目管理办公室,管理项目的办公室,用来管理项目。下面一一分析PMO的实际与其本身定义的职责之间有多大差异。

首先是PMO在组织中的产生(组建)。

很多组织都是在走下坡路马上要到谷底的时候,才组织PMO,希望PMO能带领组织走出颓势并马上见到成效,但是组建的时候却又从外部招聘不熟悉公司事务的人担任领导者,并且组成之后也没有把组织面临的困境和问题坦然相告,在这种情形下,PMO几乎只有死路一条。原因很简单,组织的期望与PMO的职责本身不相符,PMO无法解决组织面临的问题。

基本上没有组织是稳扎稳打的在组织还没有走下坡路的时候就开始着手组织PMO的,这也是国内PMO短命的原因之一。

再看PMO的发展。

很多组织中,PMO本身是在火烧眉毛的时候才建成,成员又都是不熟悉组织情况的“生人”,还没来得及弄清楚周围环境呢,组织就已经活不下去了,PMO也就走到了尽头,也就没有什么发展不发展了。

在有的组织中,因为公司高层并没有很好的定义PMO的职责,只是有什么事就找PMOPMO就很可悲的成为了秘书机构,这算是发展之一吧。

还有一种,PMO的职责定义的还算不错,PMO人员也算专业,但是因为PMO发布的很多制度只有变成工作习惯之后才能看到效益而要绝大多数的人形成工作习惯,还需要时间和很多条件,所以,经常是还没来得及看到效益,组织就已经撑不下去了,大河没水小河干,PMO也只能随之消失了。

最后看PMO的消失。

在上面写发展的时候已经写到的消失,太多的PMO消失的负面影响是很多组织对PMO的职责理解有更多的偏差,对PMO更加不信任,不知道这对PMO从业人员来说是不是一件可悲的事。

期望。

作为PMO从业人员,我希望组织能在逐渐发展壮大,组织分工细化的时候就组建PMO,让PMO真正负责项目管理的工作,而不是用来救火最终引火烧身;我希望组织在建立PMO的时候能尽可能使用PMO专业人员和用组织内现有人员而不是全从外部招聘,认为外来的和尚会念经;我希望每个PMO都能有好的办法将好的制度尽快变成员工的工作习惯,尽快体现出价值,为组织带来效益。

基于 NSFW Model 色情图片识别鉴黄 后面更新视频检测 项目背景: 随着互联网的快速发展,网络上的信息量呈现出爆炸式的增长。然而,互联网上的内容良莠不齐,其中不乏一些不良信息,如色情、暴力等。这些信息对青少年的健康成长和社会风气产生了不良影响。为了净化网络环境,保护青少年免受不良信息的侵害,我国政府加大了对网络内容的监管力度。在此背景下,本项目应运而生,旨在实现对网络图片和视频的自动识别与过滤,助力构建清朗的网络空间。 项目简介: 本项目基于 NSFW(Not Safe For Work)Model,利用深度学习技术对色情图片进行识别与鉴黄。NSFW Model 是一种基于卷积神经网络(CNN)的图像识别模型,通过学习大量的色情图片和非色情图片,能够准确地判断一张图片是否含有色情内容。本项目在 NSFW Model 的基础上,进一步优化了模型结构,提高了识别的准确率和效率。 项目功能: 色情图片识别:用户上传图片后,系统会自动调用 NSFW Model 对图片进行识别,判断图片是否含有色情内容。如果含有色情内容,系统会给出相应的提示,并阻止图片的传播。 视频检测:针对网络视频,本项目采用帧提取技术,将视频分解为一帧帧图片,然后使用 NSFW Model 对这些图片进行识别。如果检测到含有色情内容的图片,系统会给出相应的提示,并阻止视频的传播。 实时监控:本项目可应用于网络直播、短视频平台等场景,实时监控画面内容,一旦检测到含有色情内容的画面,立即进行屏蔽处理,确保网络环境的纯洁。
### 如何在本地部署 NSFW 模型或服务 要在本地环境中成功部署 NSFW(不适宜工作场合内容)检测模型或服务,以下是详细的说明: #### 准备环境 为了确保能够顺利运行模型和服务,需要安装必要的依赖项。这些工具和库包括但不限于以下几类: - **Python 环境**: 推荐使用 Python 3.7 或更高版本。 - **Transformers 库**: 提供加载预训练模型的功能[^1]。 - **PyTorch/TensorFlow**: 支持深度学习框架的计算需求。 - **Pillow (PIL)**: 处理图像文件并将其转换为适合输入模型的形式。 具体命令如下所示: ```bash pip install transformers torch Pillow ``` #### 加载模型与测试 通过 Hugging Face 的 `transformers` 工具包可以直接访问已有的 NSFW 图片分类模型。例如,可以采用名为 `"Falconsai/nsfw_image_detection"` 的公开模型来完成此任务[^1]。 下面是一个简单的代码片段展示如何加载该模型并对单张图片执行预测操作: ```python from PIL import Image from transformers import pipeline def classify_nsfw(image_path): # 打开指定路径下的图片文件 img = Image.open(image_path) # 初始化 image-classification 流水线对象,并指明使用的特定模型名称 classifier = pipeline("image-classification", model="Falconsai/nsfw_image_detection") # 对传入的图片调用流水线方法得到其类别标签及其置信度分数列表形式的结果 result = classifier(img) return result if __name__ == "__main__": test_img_path = "<your_test_image>" output_results = classify_nsfw(test_img_path) print(output_results) ``` 注意替换 `<your_test_image>` 成实际存在的图片绝对或者相对地址字符串值之前再尝试运行以上脚本。 #### 构建 RESTful API 服务 如果希望进一步扩展功能至 Web 应用程序层面,则可考虑利用 Flask/Django 这样的轻量级 web 开发框架构建起支持 HTTP 请求交互的服务端接口。这里给出基于 FastAPI 实现的一个简单例子作为示范用途: ```python import uvicorn from fastapi import FastAPI, File, UploadFile from PIL import Image from io import BytesIO from typing import List from pydantic import BaseModel app = FastAPI() class Prediction(BaseModel): label: str score: float @app.post("/predict/", response_model=List[Prediction]) async def predict(file: UploadFile = File(...)): try: contents = await file.read() pil_image = Image.open(BytesIO(contents)) clf_pipeline = pipeline('image-classification', model='Falconsai/nsfw_image_detection') predictions = clf_pipeline(pil_image) formatted_preds = [{"label": pred['label'], "score": round(pred['score'], 4)} for pred in predictions] return formatted_preds except Exception as e: raise ValueError(f"Error processing uploaded file {e}") if __name__ == '__main__': uvicorn.run(app, host='0.0.0.0', port=8000) ``` 启动服务器之后即可向 `/predict/` 路径发送 POST 请求附带上传待分析的目标图片获取返回结果了。 ---
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

打赏作者

PM之友

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
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