百度前集团总裁陆奇的1992到2017

陆奇是一位在美国科技界取得显著成就的华人高管。他在雅虎从一名普通工程师成长至执行副总裁,后加入微软担任在线服务集团总裁,成功推出了Bing搜索。2017年至2018年期间,他担任百度集团总裁兼首席运营官。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

640?wx_fmt=png

陆奇,美国科技巨头中职位最高的华人高管。微软前CEO鲍尔默评价陆奇为“资深专业技术知识、出色的领导能力和广泛的商业知识于一身,是业界非常罕见的奇才”,这一评价是在陆奇最初任职微软时做出的。2016年9月陆奇从微软辞职,于2017年1月17日加盟百度,担任百度集团总裁兼首席运营官,主要负责百度的产品、技术、销售及市场运营,向百度集团CEO李彦宏直接汇报。2018年5月18日,陆奇不在百度担任集团总裁兼首席运营官,留任董事会成员。 

一定有一万篇文章回顾陆奇在百度的486天。那我们把播放进度条再往前拨,看看陆奇进入百度之前的经历。

 1992年,陆奇留学美国卡内基梅隆大学(CMU)计算机系。在陆奇去雅虎之前,1996年到1998年在IBM的Almaden研究实验室工作。 

1998年8月17日,陆奇加入雅虎。

1998-2008的十年,是陆奇从一个普通工程师一步步成长为雅虎执行副总裁的十年。在离职雅虎前,曾担任负责雅虎搜索和市场业务部门技术开发的工程副总裁(vice president of engineering),其中包括公司的搜索、电子商务和上市企业业务和产品。

640?wx_fmt=png

一位雅虎员工曾这样总结陆奇:“他是硅谷华人融入美国主流社会的典型代表,凭借技术实力进入科技公司,努力工作,最终成为技术骨干并率领多国技术军团。”

在雅虎的时候,外媒对陆奇的评价是:“备受好评的顶级雅虎技术人员。” 

640?wx_fmt=png

2008年,媒体称:“鲍尔默重用雅虎旧部陆奇提振微软在线业务任重道远。”但是,鲍尔默却高调的做出各类回应,包括对陆奇的公开赞誉。

在给员工群发的通知邮件中,“瞧,他来自雅虎。” “他是全世界运营搜索业务的最佳人选。” “我非常高兴地欢迎陆奇到微软,陆博士深厚的技术专长,领导能力和勤奋的态度在科技行业中众所周知,微软将在他的管理下受益。”

鲍尔默做出度搜索的长期承诺,微软愿意投入巨大的资源进行竞争,即使需要数年的时间来回报。陆奇曾在接受外媒采访时说,我们可以让搜索变得更具竞争力和更健康。而这个时候微软搜索业务背景是,因为没有意识到搜索的重要性,2003才开始建立自己的搜索技术。从那时起,这一努力为公司的互联网业务带来了一连串的赤字,三年亏损超过35亿美元。就美国市场的份额来看,微软8%,而谷歌则是64%。

640?wx_fmt=jpeg

陆奇可以说是临危受命,反正局势不怎么好看,他在微软的第一天是2009年1月5日,担任在线服务集团总裁。这一历史背景在2009年5月28日彭博商业周刊《陆奇是微软的搜索引擎救世主吗?》一文中有所叙述,并收录在维基百科属于陆奇的那个页面里。

640?wx_fmt=jpeg

在陆奇的微软时期,他曾率领一支3000至5000多人的技术团队,并直接向CEO斯蒂夫·鲍尔默汇报。在陆奇加盟微软仅仅6个月后,微软搜索Bing发布。后来,陆奇坐上了大陆华人在外资科技公司总部任职最高的职位,在美国拥有20多项专利。

陆奇的每一次离职,对技术企业来说都是一场打击。雅虎如此。微软也如此。

陆奇的离职微软拒绝发表评论。

640?wx_fmt=jpeg

如果把职业生涯比喻成一场长跑,陆奇在百度的四百多天勤奋的冲刺未能到达职业的终点。但是,希望他仍然能在祖国人工智能大潮的热土上落地生根、结出累累硕果。

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)是近二十年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)是近二十年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景。
评论
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