1)通用技能

  • ① 认知能力

  • ② 逻辑能力

    • i 数据思维

      老板问你:“小 A,前几天交代的事情进展如何?”你该怎样回答?

      大多数人的回答:老大,我今这几天都在忙这个事,你放心吧,差不多了。更优的回答:老大,我这 3 天都在忙这个事,已经完成 80% 左右了, 你放心吧,今天下班前差不多就可以完成。

    • ii 数据可视化

      数据可视化主要是借助于图形化手段,将数据转化为更容易理解的图表信息,从而达到有效表达和沟通的目的。

      • 常见误区:数据都很宝贵,所有的数据都要可视化,图表越炫酷越好

      • 纠正:根据使用场景,只需要对核心数据进行可视化,图表化的核心是能够精准、高效、简洁的传递数据信息

      图形可视化就是好看么? 不仅仅是好看,而是要将数据通过整理,强化等手段, 能够精准、高效、简洁的传递数据信息。

  • ③ 表达能力

    • i 对内对外演讲

      一场演讲包括:

      • 开场:吸引听众的注意力,抛出核心观点、阐明演讲价值

      • 主体:佐证核心观点,重申核心观点

      • 结尾:善用技巧,让内容号召具体行动

      可以用 SMART+V 方法检验演讲目标是否明确,是否为他人创造价值

    • ii 工作邮件

      高效邮件的构成:

      用 5W1H 原则检验自己的邮件是否信息完整、重点突出

  • ④ 规划能力

    • i 时间管理

      时间管理并不是要把所有事情做完,而是更有效的运用时间。时间管理的目的除了要决定该做些什么事情之外,另一个很重要的目的也是决定什么事情不应该做;时间管理不是完全的掌控,而是降低变动性。

      • ALPEN方法

        • A - Define activities,把活动、任务、沟通、会议等事项变成列表

        • L - estimating Lengths of time,评估用时

        • P - Planning buffer time,评估弹性时间

        • E - Establishing prioritized decisions,评估优先级

        • N - Noting down level of success,计划是否成功

      • SMART方法

      • 番茄工作法

    • ii 高效会议

      • 怎样推掉会议

        • 这个会议是团队优先级范围之内的吗?

        • 在我的工作优先级范围内吗?

        • 会议是最好的解决方案吗?

        • 我怎样让会议只占用较短时间,例如只参加某一部分

      • 何做好会议主持人,好的主持人 = 充足准备 + 有效引导 + 细心总结

        • 充足准备:

          • 问对的问题

          • 设计流程

          • 日程计划

          • 确认相关人员

          • 和相关人进行沟通

          • 预定会议室

          • 通知开会时间

          • 主持人练习

          • 购买适当的物资

        • 有效引导

          • 创造一个包容的环境 • 明确规则和指令

          • 小组管理

          • 同理心

          • 语言技巧

          • 冲突管理

          • 共识建立

          • 时间管理

          • 评估会议空间内的气氛

          • 灵活

          • 保持中立

          • 记录产出物

        • 细心总结

          • 整理会议产出

          • 发邮件给参会者以及没能参会的相关人

          • 收集会议反馈

          • 必要时,给予参会者一些行动支持

    • iii 工作简报

      • 写工作简报时要注意:直接切入主题,不要过多铺垫;更多的陈述事实数据;提出想法就一定要提出可执行方案;再⻓的内容都要保证能在极短时间讲出核心概要。
  • ⑤ 沟通能力

    • 向上沟通

    • 向下沟通

    • 提问技巧

  • ⑥ 组织能力

    • 进度管理

    • 项目风险控制

  • ⑦ 协作能力

    • 远程协作

    • 团对多线程协作

2)CV Engineer

  • ① 数学要学好。大学里开过的高数、线性代数、概率统计等课都十分的重要,理解数学知识体系,打下牢固的数学基础。

  • ② 还需要一定的编程能力。在计算机视觉中,Python和C++是比较合适的选择。

  • ③ 图像处理知识

  • ④ 深度学习

    • 深度学习中有MLP模型,其中包含的内容有机器学习分类,神经网络简介,感知机模型、多层神经网络,TensorFlow入门等,最终的学习目标是能够理解多层感知机的运行过程并且能够搭建多层感知机模型。

    • 然后就是CNN卷积神经网络,它是深度学习的代表算法之一。在这一部分的学习中需要掌握如何使用CNN网络处理空间问题,如图片、视频等数据,理解卷积、池化,以及反卷积、反池化的过程和原理,并且能够搭建相关的卷积网络模型。

    • 网络设计也在学习的范围内,掌握网络设计技巧,学会如何设计出性能更好更好,速度更快的卷积神经网络。还有模型评估,掌握测试网络性能的标准。

  • ⑤ 3D Vision

results matching ""

    No results matching ""