招聘一个程序员,唯一对你有意义的是他能写出好程序的能力。
很少人像这样去招人,他们更喜欢去挑剔程序员的个人癖好和性格缺点。
我一说出这样的话,人们大量的评论就会批评道:你错了,错了,完全的错了。
好的程序员需要具备沟通交流的技能,他们要有跟他人一起合作的能力。团队里不止你一个人!
事实上,人们会说:最好折中一下对技术上的要求,这样可以找出更能适应企业文化的人。
你不如这样说更合适:找不到那种技术上又好、又能适应企业文化的人,我就等着,一直找到为止。
我们很少有敢这样奢侈的公司,也许Google可以这样,就是Google这样的公司也一直处于一个“对招聘程序员感到绝望”的状态中。如果你决定去等,我可以预见到每招到一个程序员你都要等待一个漫长的时期,同时业务会因为缺乏程序员而崩溃,火烧眉毛。
那么,那种更好呢?
让我们来考虑要那些中等或下等的程序员,他们和蔼可亲,而且努力工作。
他们的程序写的不好 –
他们的程序根本不是按照他们想的那样工作,即使他们做到了,那也是烂程序,很难去维护。他们在基本的功能上挣扎探索,更不解决不了复杂的问题。但是他们却
能跟上团队,项目进度每天点都在更新,可以看见他们每天都在座位上奋斗。一切都很好,你的经理会很高兴,因为整个团队看起来在平稳的向前推进。
当发布日期不得不往后推迟,产品Bug多的没法使用,人们会哀叹说软件本来就是很难做
,于是投入更多的和蔼可亲的平庸的程序员去修复问题。
事情的结果我想大家都知道。
对于程序员,没有太多的事情可以用和蔼来解决。一个友善的平庸的程序员可以成为业务分析师,技术性的销售员,或着其它的能够利用他的和蔼和他的一点点的技术知识来工作的职位。这样的工作他们会很满意,但这都是在茶话会工作上的,可不是去找出有效的办法做出好的软件。
另外一个选择是,找个程序员,他能做出好的程序,但也许不善于和他人相处,或者老是迟到,或其他。
他能开发出按照设计运转的软件,他能把复杂的问题抽象成一个简单的问题。软件好使,可维护,你随时可以按要求修改。
这个世界很真实,有太多的方式都会让我们把事情搞砸,但至少我们是有机会
的。人可以给人留下不错的印象。团队可以建设的不错。员工在长时间的为你工作,不错。大量的业务没有按照预定的设计工作,但还是成功了,不错。但是绝对不会有伟大的软件会在平庸的程序员手下实现。
.
证据就在代码里。
就这些。
翻译来源:外刊IT评论
:-)
分享到:
相关推荐
### 程序员平庸or伟大:代码中的证据 在当今社会,IT行业的迅速发展对程序员的需求日益增加。在招聘过程中,很多公司更加重视程序员的沟通与协作能力而非技术水平。这种现象引发了一些争议。本文作者认为,评判一个...
证据理论的代码实现,可完成证据之间的融合。用c编写,已经通过测试、
总的来说,D-S证据理论在MATLAB中的实现是一个强大的工具,它可以帮助我们在不确定性和矛盾信息的环境中进行有效的决策。通过熟练掌握这个理论及其MATLAB实现,可以在数据融合、决策分析等领域提升问题解决能力。
在学习和使用这些代码时,关键点在于理解DS证据理论的基本概念,如基本概率分配(BPA)、冲突度、联合概率分布和Dempster's rule。同时,掌握MATLAB编程基础,如函数定义、数组操作和图形绘制,也是非常必要的。通过...
该代码核心为证据距离公式里的D矩阵,通过编写 该代码可以计算各个子集的交集除以并集的情况 拓展性高 适合新手理解和公式理解 推广性高
matlab实现的DS证据理论代码-DS_fusion.m matlab实现的D-S证据理论代码简单实现,加了一些注释,适用于独立的单一命题。 附件m文件代码: function x=DS_fusion % 功能:融合x,y两行向量 % x,y的格式形如[m1 m2...
该matlab程序可支持多个BPA融合 可求得冲突系数K 也可适用于多子集命题 程序以计算过程的步骤来编写 可扩展性高
基于DS证据理论的信息融合代码,应用证据合成法则融合的数据,最终做出决策
在描述中提到的"实现DS证据理论的Matlab源码案例应用",意味着这个压缩包可能包含了用于演示DS证据理论应用的源代码。这些源代码可能包括以下几个方面: 1. **证据合成**:DS证据理论提供了一种合成不同来源证据的...
资源名:证据理论中用于求取Jousselme证据距离的matlab 代码 资源类型:matlab项目全套源码 源码说明: 全部项目源码都是经过测试校正后百分百成功运行的,如果您下载后不能运行可联系我进行指导或者更换。 适合人群...
该代码为广义证据理论融合代码 与经典D-S证据理论代码做出了区别 并对于特殊情况做了讨论 推广性高 核心代码移植性好
基于证据理论的多源数据融合仿真实验matlab代码 实现功能:识别框架内元素个数在3~5个之间,其余参数自己选择,计算相应的置信度函数、信任度函数、似真度函数;同时完成两证据融合和三证据融合。用Matlab实现
在IT领域,证据理论是一种处理不确定性和模糊信息的数学框架,尤其在决策分析、人工智能和模式识别中有着广泛的应用。本资源提供了两个MATLAB程序,用于实现证据理论的融合算法,这对于理解和应用这一理论非常有帮助...
在信息融合、决策分析和不确定性处理等领域,Dempster-Shafer(D-S)证据理论是一种重要的理论框架。它由Dempster于1968年提出,后经Shafer进一步发展,用于处理不确定性和不完整性信息。D-S证据理论的核心在于构建...
在C++项目中,我们可以创建类来封装DS证据理论的逻辑,便于在实际问题中应用。 例如,我们可以定义一个名为`DSEvidence`的类,包含成员变量(如BPA、FoD)和方法(如合成证据、计算概率等): ```cpp class ...
在`dempster_shafer_library_cpp-master`这个压缩包中,很可能是包含了DS证据理论的C++库和示例代码,用户可以通过查看和运行这些代码来理解和应用DS证据理论。这些代码可能包含了类定义,如`Evidence`或`...
这个名为"python ds evidence theoryds 证据理论 python 代码.rar"的压缩包很可能包含了用Python编写的代码示例,用于演示如何在实际项目中运用证据理论。 证据理论的核心概念是信念分配(Belief Function)和基本...
证据理论,又称模糊集合理论或Dempster-Shafer框架,是概率推理的一个扩展,由Dempster和Shafer分别在1968年和1976年提出。它提供了一种处理不确定性和不完整性信息的方法。在这个理论中,证据不是集中在单一的概率...