原文:
http://agiletourchina.agilewizard.org/2010/10/28/jean-hangzhou-wangxiaoyang/
Jean在Agile Chine 2010 Hangzhou站做的关于learning model 的演讲 – By 王晓阳@博克软件
上周六在杭州博克软件举行了2010中国敏捷开发旅行的活动, 本人有幸能够参加那次会议,听取了一些敏捷专家级的一些讲座,并且同众多的敏捷开发爱好者共同探讨交流一些项目开发问题和开发经验,觉得收益匪浅,所以上来同大家分享下。
Jean
Tabaka是美国著名的Agile教练和Agile活动积极推动的先驱者,旗帜。她目前就职于美国的rally公司,拥有着超过25年的软件开发领域的
经验,她自己也出了一本书叫collaboration explained,书中有她对Agile的了解和看法。
在她的演讲中,总共大致可以分为三个topic:
1. 她的公司Rally是如何对不同的learning model进行探讨与实践的
2. ORID的介绍和应用
3. TrueNorth的介绍和应用
Topic 1. 她提到了她的公司Rally是如果对不同的learning model进行探索,学习和实践的,Rally各个部门都会从一些书中学习到一些新的知识,模型,然后会去尝试如何将这些模型改进并引入到自己的工作中,从而提高工作的效率。
公司各个部门每天早晨都会有一个daily standup meeting,
所有人围成一圈,每个人都汇报一下前一天自己都做了什么,碰到什么问题或者困难
,然后再说一下今天接下来要做什么事情
。这样可以有助于团队的每个成员可以
及时的了解到其他成员的一些信息动态,有助于大家都在同一个page上
,如果有谁碰到困难,大家也可以参与讨论,提供帮助或者方法。整个会议也就需要10
几分钟,不会占用太多时间。
各个部门每3或者4个星期会开一个Retrospective meeting.
在会上主要回顾一下前一段时间的工作哪些方面做的比较好,值的继续保持和发扬;哪些方面做的不好,需要改进和提高,那接下来的工作就需要实时的调整和改
善。会后还可以通过email的形式来感谢那些提出这些意见和见解的人。
Topic 2. 所谓的ORID所代表的意思是:Objective questions, Reflective questions, Interpretive questions and Decisional questions.
O目标性问题:
这是关于”什么事”的问题,一般代表着客观存在的事实性
R反射性问题:
这些是关于你对这些事有何反应的问题,我们的反思是怎么样的
I解释性问题:
一旦有了事实和反应,然后就会分析这种情景对我们意味着什么
D决定性问题:
洞察了上述问题后,我们应该如何解决问题,也就是我们应该做什么
ORID是一种帮助我们直面纠纷并解决问题的方法,这个方法可以引导我们掌握充分的信息并做出决策,它在某种程度上可以避免人们草率的得出结论。
Jean
Tabaka举了一个她自身的例子来进一步解释ORID的方法:O:她读了很多书,到过很多地方做各种各样的演讲,帮助很多人了解敏捷,认识敏捷。她还有
一个沙发。 R:她很喜欢读书,把新的知识和观点传输介绍给别人很高兴。因为她有个沙发,所以大家喜欢坐在那里根她聊天。 I:她确实喜欢帮助别人传输知
识,很多人也从她的帮助中得到了建议和解决办法。 D:她决定要继续她的工作,从不同的人听取不同的意见以得到前进的方向。 她决定要留住那个沙发。
以上只是一个简单的例子,其实ORID方法既可以应用到我们的工作中,也可以应用到平时的日常生活中。Jean就让我们做了两个练习,一个是回顾一
个组织的上个季度的工作情况,另一个是关于讨论一场电影。两个话题也分别从以上4个点充分的进行分析。 O:上个季度企业中发生了哪些事,取得了哪些成
就?R:对你而言,什么使该机构的季度工作达到高点?你和这些高点有什么联系?哪些是低点?I:上个季度中你都学到了哪些东西?D:我们从以上内容学到了
什么以及今后的发展方向是什么? 电影的讨论话题在这里省略。
就Jean自己介绍说一开始,大家对这种涉及公司的决策过程感觉可能不适应,但是他们的管理层深信ORID的方法并且坚持了下来,现在ORID方法
已经成为了公司企业文化的一部分。ORID本身就是一种关于如何经营企业的方法,所以在这个层面上,完全可以采用这种方法来指导决策。
Topic 3. True North就个人理解而言实际上是一种教你如何正确做事的方法
。一个公司的Truth North取决于公司未来几年甚至是10几年20几年的目标和愿景是什么,这个方法可以帮助和指导一个公司未来几年的发展方向。
True North包含了两个方面的含义:
1) 3个主要指标
a) 我们依然相信这是我们的True North嘛?
b) 如果什么东西变化会导致我们改变我们的True North嘛?
c)当我们计划并执行时,我们检查我们的度量以发现我们或许将如何调整来满足我们的指标,然后宣告我们胜利的达到我们的True North.
2)True North同时要满足3条母亲策略。公司团队需要共同决定工作中的3个主要领域以到达公司的True
North。这些策略从团队中的特殊领域指导特定的行为开始,这些策略必须围绕已有的产品,新产品,新服务,新客户,新市场,放大那些正向的观点,避免或
消除那些负面的想法。
True North 相比ORID稍微难了一些,把握尺度也困难些,里面是有风险存在的,但是如果团队都认准了一个方向,一个愿景,并且大家都积极的向目标前进,实时的以True North作为辅导方法,相信会达到团队的目标和愿景。
最后True North也有一个练习,是关于指导一个公司未来6个月的发展方向,在这里就不在详细阐述。
分享到:
相关推荐
标题中提到的“An Attention-Based Deep Learning Model for Multiple Pedestrian Attributes Recognition”涉及两个核心概念:注意力机制(Attention-Based)和深度学习模型(Deep Learning Model),以及它们在多...
赠送jar包:deeplearning4j-modelimport-1.0.0-M1.1.jar; 赠送原API文档:deeplearning4j-modelimport-1.0.0-M1.1-javadoc.jar; 赠送源代码:deeplearning4j-modelimport-1.0.0-M1.1-sources.jar; 赠送Maven依赖...
This Book discusses machine learning for model order reduction, which can be used in modern VLSI design to predict the behavior of an electronic circuit, via mathematical models that predict behavior....
powerful deep learning architectures: long short-term memory and recurrent highway network. Our prediction system is endto- end trainable from raw input data to prediction outcomes without any manual ...
Machine Learning for Model Order Reduction 英文epub 本资源转载自网络,如有侵权,请联系上传者或csdn删除 查看此书详细信息请在美国亚马逊官网搜索此书
深度学习领域论文A Deep Learning Model with Adaptive Learning Rate for Fault Diag
深度Q-Learning与model-based方法结合来解决连续动作问题 Model-free reinforcement learning has been successfully applied to a range of challenging problems, and has recently been extended to handle ...
Deploy Your First Deep Learning Model On Kubernetes With P
Approaches to Probabilistic Model Learning for Mobile Manipulation Robots,本书是概率模型应用于机器人方面不可多得的资料,作者Jürgen Sturm ,Springer-Verlag Berlin Heidelberg (2013)
Bishop在其文章《Model-based machine learning》中详细探讨的。 在机器学习领域,研究者们已经开发出了许多不同的算法来解决广泛的问题。然而,对于一个新的应用,研究人员常常尝试将问题映射到现有的算法之一,...
### 模型不可知元学习(Model-Agnostic Meta-Learning, MAML)用于深度网络的快速适应 #### 概述 《Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks》这篇文章提出了一种名为Model-Agnostic ...
Weakly Supervised Learning of Part Selection Model with Spatial Constraints for Fine-grained Image Classification_AAAI2017.pdf
With the arrival of the big data era, data requirements are ...its widespread use in the trends of ‘standardization, commercialization’ of machine learning and artificial intelligence technology
Learning Best Practices for Model Evaluation and Hyperparameter Tuning Combining Different Models for Ensemble Learning Applying Machine Learning to Sentiment Analysis Embedding a Machine Learning ...
Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data. It is inspired by the human brain's apparent deep (layered, hierarchical) architecture. A...
赠送jar包:deeplearning4j-modelimport-1.0.0-M1.1.jar; 赠送原API文档:deeplearning4j-modelimport-1.0.0-M1.1-javadoc.jar; 赠送源代码:deeplearning4j-modelimport-1.0.0-M1.1-sources.jar; 赠送Maven依赖...
标题中提到的“元学习论文Optimization as a model for few-shot learning的简单理解及详细注释”表明本文内容是对一篇名为“Optimization as a model for few-shot learning”的论文进行了解读和注释。这篇论文于...