成长的土壤和方向

作者感谢当前公司的机会,并提出通过英语听力和口语、业务知识、管理监控、沟通能力和问题解决能力的提升来实现自我成长。同时,作者计划通过记录PMO录音、收集业务相关资料、整理项目进度和改善思维方式等措施来实现改进。

首先必须感谢现在的公司给了我一个机会,一个选择,希望公司能长久发展下去。

 

我可以在这些方面得到提高:

1、  英语听力、口语

2、  当众表达的机会

3、  业务知识

4、  管理监控(从大处入手)的能力

5、  沟通能力、理解能力

6、  分析问题,解决问题的能力

 

可以改进的地方:

1、  随身携带PMO的录音,以能听懂G的英语为目标

2、  列举跟业务知识相关的资料,以熟悉业务为目标

3、  整理项目的进程,了解每一步的进展和分析的过程

4、  注重解决问题时的思维方式,不要钻细节,要从大处着手,统筹规划

5、  尽量给自己创造主持会议,当众发言的机会

数据集介绍:垃圾分类检测数据集 一、基础信息 数据集名称:垃圾分类检测数据集 图片数量: 训练集:2,817张图片 验证集:621张图片 测试集:317张图片 总计:3,755张图片 分类类别: - 金属:常见的金属垃圾材料。 - 纸板:纸板类垃圾,如包装盒等。 - 塑料:塑料类垃圾,如瓶子、容器等。 标注格式: YOLO格式,包含边界框类别标签,适用于目标检测任务。 数据格式:图片来源于实际场景,格式为常见图像格式(如JPEG/PNG)。 二、适用场景 智能垃圾回收系统开发: 数据集支持目标检测任务,帮助构建能够自动识别分类垃圾材料的AI模型,用于自动化废物分类回收系统。 环境监测与废物管理: 集成至监控系统或机器人中,实时检测垃圾并分类,提升废物处理效率环保水平。 学术研究与教育: 支持计算机视觉与环保领域的交叉研究,用于教学、实验论文发表。 三、数据集优势 类别覆盖全面: 包含三种常见垃圾材料类别,覆盖日常生活中主要的可回收物类型,具有实际应用价值。 标注精准可靠: 采用YOLO标注格式,边界框定位精确,类别标签准确,便于模型直接训练使用。 数据量适中合理: 训练集、验证集测试集分布均衡,提供足够样本用于模型学习评估。 任务适配性强: 标注兼容主流深度学习框架(如YOLO等),可直接用于目标检测任务,支持垃圾检测相关应用。
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