原创 項目思考1—不同客戶項目之間的區別

    入行項目管理一年多,對於項目管理也慢慢有了自己的理解,有些自己的體悟。今天簡單分享下項目與項目之間的區別吧。目前接觸過的有兩類客戶,一類客戶是教育體系:主要是學校、學院、圖書館這類機構,一類客戶是生產企業,兩類客戶在進行項目運作的

原创 關於軟件項目的一些思考

小A就職於一家小公司,正在喫力的完成從資源型公司到技術型公司的轉型。 從某種程度上來講,公司的研發團隊是湊出來的,但是湊出來的研發團隊做這麼一個不大不小的項目,多少有些不把握。 鑑於是屬於公司的自研項目,既是甲方又是乙方,項目中商務層面的

原创 PRINCE2學習筆記,泛讀3

PRINCE是Project In Controlled Environment(受控環境下的項目管理)的簡稱。 PRINCE2描述瞭如何以一種邏輯性的、有組織的方法,按照明確的步驟對項目進行管理。它不是一種工具也不是一種技巧,而是結構化

原创 PRINCE2學習筆記-泛讀2

PRINCE是Project IN Controlled Environment(受控環境下的項目管理)的簡稱。 PRINCE2描述瞭如何以一種邏輯性的、有組織的方法,按照明確的步驟對項目進行管理。它不是一種工具也不是一種技巧,而是結構化

原创 PRINCE2學習筆記-泛讀1

PRINCE是Project IN Controlled Environment(受控環境下的項目管理)的簡稱。 PRINCE2描述瞭如何以一種邏輯性的、有組織的方法,按照明確的步驟對項目進行管理。它不是一種工具也不是一種技巧,而是結構化

原创 敏捷項目管理專題彙報

什麼是敏捷項目管理?爲什麼要做敏捷項目管理?本篇彙報的過程中,主要講那種敏捷羨慕管理的方法?敏捷項目管理的總結以及建議以及相關參考書籍。

原创 硅谷鋼鐵俠馬斯克:如何用常人60倍的閱讀量,換來萬倍的財富?

從去年開始,就一直對馬斯克非常行着迷,一口氣閱讀了幾本馬斯克的傳記,下面這篇文章,是我看到的最能引發個人共鳴的一篇,分享給大家。---------分割線----------在全世界科技愛好者和創業者心目中,埃隆·馬斯克基本上就是個神一樣的

原创 學習人工智能,你少不了的Python書單

《Python編程快速上手——讓繁瑣工作自動化》《“笨辦法”學Python(第3版)》《Python編程初學者指南》《數據結構(Python語言描述)》《像計算機科學家一樣思考Python》《Python高級編程(第2版)》《Python

原创 關於邏輯迴歸(logistic regression LR)模型的學習思考

一、基本概念 1.1 什麼是邏輯迴歸 邏輯迴歸(LR)名義上帶有“迴歸”字樣,第一眼看去有可能會被以爲是預測方法,其實質卻是一種常用的分類模型,主要被用於二分類問題,它將特徵空間映射成一種可能性,在LR中,y是一個定性變量{0,1},LR

原创 2018年的計劃+未來的五年規劃

2018年個人計劃 1. 習慣養成 * [ ] 英語達人:每天背單詞40;閱讀英文1篇;口語朗讀半小時. * [ ] 鍛鍊身體:GSG10分鐘;平板支撐7分鐘;俯臥撐3*15個;啞鈴2*2*10個. * [ ] 養成費曼技巧. * [ ]

原创 周志華西瓜書-AI英語單詞,第三章

線性模型,linear model非線性模型,nonlinear model可解釋性,comprehensibility線性迴歸,linear regression序,order歐氏距離,euclidean distance最小二乘法,l

原创 價值1000塊!關於敏捷項目管理的豆瓣高分推薦書單

小蠻最近參加ACP敏捷管理的實訓班,認識了很多新的朋友,收穫了一大批高分敏捷管理的書單,推薦分享給大家,希望大家能用得上,廢話不多說,上乾貨! 1.敏捷軟件開發原則、模式與實踐.((美)Robert.C.Martin),豆瓣評分9

原创 《看板實戰 kanban in action》讀後感

1.緣起我對看板方法的啓蒙源自找工作,很多時候,在項目經理崗位的JD中,總會看到“熟悉kanban管理”類似的字眼,當時對它的印象並不深刻。隨着後續對敏捷管理探索的深入,逐漸接觸到SCRUM、kanban(看板)、XP等一系列方法,才初步

原创 機器學習怎麼入門——自學篇

時也勢也,最近因爲機緣巧合,下定主意要從項目管理領域跳轉到機器學習領域(人工智能/深度學習),爲了更快更高效的進入學習狀態,我對這一塊的培訓市場和自學方法也做了一些調研。上一篇(機器學習培訓班這麼多,你該如何選擇?)已經就培訓市場情況,做

原创 周志華西瓜書-AI英語單詞,第二章

錯誤率,error rate精度,accuracy誤差,error訓練誤差,training error泛化誤差,generalization error過擬合,overfitting欠擬合,underfitting模型選擇,model