对阿里技术线Job model的理解

简介: 事先声明写的是自己的比较关注的或感受较深的点,并不全面,供参考。 技术广度&深度 理解掌握主流的架构设计,并且能设计复杂的架构、框架等有广度才能避免重复造轮子,才能做出有生命力的设计。如果你不了解趋势,更好的功能组件,设计的方案很可能就是容易过时,没有生命力的。

事先声明写的是自己的比较关注的或感受较深的点,并不全面,也不官方,供参考。

技术广度&深度

  1. 理解掌握主流的架构设计,并且能设计复杂的架构、框架等
    有广度才能避免重复造轮子,才能做出有生命力的设计。如果你不了解趋势,更好的功能组件,设计的方案很可能就是容易过时,没有生命力的。

业务理解

  1. 理解业务目标和价值,帮助业务落地
  2. 关注业务指标,发现问题,帮助业务推进

项目管理

  1. 有长链路,复杂或因资源紧张等困难的项目的管理经验

影响力

  1. 输出的东西(比如技术文章,总结分享)对别人有帮助
  2. 持续拿到好的业务结果,做正确的事,让人信服

以上主要是 P7 的能力要求,项目管理其实不是那么必要,影响力也不会被太考察,但是随着层级的升高影响力会越来越重要。需要业务思维,知道业务是怎么想的,以业务价值为依归

P8 以上会特别强调创新。什么是创新?为什么会公司会强调创新?
总有思维定式觉得要搞出别人没搞过、见过的东西才叫创新。瞎搞也能搞出别人没见过的东西,这个定义指导不了创新。俞军对创新的定义是

用任何新要素审视现有生产方式和生活方式,如果能应用并创造新的用户价值,那就是创新

创新=新价值 by 新要素

P6, P7 也可以也会有创新,在项目中引入新组件解决xx问题,提升了xx等。只是这些创新的价值可能不算大,P8 的创新 = 大的新价值。大的新价值往往需要引入新要素,因为对旧要素的修补、完善很难折腾出大的价值。

也回答了公司为什么对 P8 要强调创新,因为这等于是要求创造大的价值。所以还是以价值为依归的。

目录
相关文章
|
4月前
|
JSON API 网络架构
【Azure Batch】在中国区批处理服务(Mooncake Batch Account)上实验自动池(Auto Pool)的创建/删除
【Azure Batch】在中国区批处理服务(Mooncake Batch Account)上实验自动池(Auto Pool)的创建/删除
|
6月前
|
机器学习/深度学习 人工智能 NoSQL
人工智能平台PAI产品使用合集之save_summary_steps这个配置项我设置了值为50,为什么还是1000个step才记录一次summaries
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
7月前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI产品使用合集之user_id和item_idd在train/predict的时候发挥什么作用
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
7月前
|
机器学习/深度学习 人工智能 TensorFlow
人工智能平台PAI产品使用合集之在使用DSSM负采样时,不知道label_fields的配置方法如何解决
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
7月前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI产品使用合集之如何配置DSSM模型负采样item表的schema
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
机器学习/深度学习 算法 PyTorch
【菜菜的CV进阶之路-Pytorch基础-model.eval】同一个模型测试:shuffle=False和shuffle=True 结果差异很大
【菜菜的CV进阶之路-Pytorch基础-model.eval】同一个模型测试:shuffle=False和shuffle=True 结果差异很大
286 0
【菜菜的CV进阶之路-Pytorch基础-model.eval】同一个模型测试:shuffle=False和shuffle=True 结果差异很大
|
存储 SQL 监控
Sentry 监控 - Snuba 数据中台架构(Data Model 简介)
Sentry 监控 - Snuba 数据中台架构(Data Model 简介)
257 0
Sentry 监控 - Snuba 数据中台架构(Data Model 简介)
|
机器学习/深度学习 存储 人工智能
Paper:《Pre-Trained Models: Past, Present and Future大规模预训练模型的发展历史、最新现状和未来发展三个方向》翻译与解读
Paper:《Pre-Trained Models: Past, Present and Future大规模预训练模型的发展历史、最新现状和未来发展三个方向》翻译与解读
Paper:《Pre-Trained Models: Past, Present and Future大规模预训练模型的发展历史、最新现状和未来发展三个方向》翻译与解读
|
分布式计算 Hadoop Scala
五十、Spark组件部署(MINI版)
五十、Spark组件部署(MINI版)
五十、Spark组件部署(MINI版)
DataScience&ML:金融科技领域之迁徙率(Flow Rate)表的简介、案例应用之详细攻略
DataScience&ML:金融科技领域之迁徙率(Flow Rate)表的简介、案例应用之详细攻略