首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    【2023新书】现代深度学习表格数据处理:常见建模问题的新方法

    来源:专知本文为书籍介绍,建议阅读5分钟这本书提供了一个强大的概念和理论工具包来解决具有挑战性的表格数据问题。 深度学习是现代人工智能领域最强大的工具之一。虽然主要应用于高度专业化的图像、文本和信号数据集,但本书对一个看似不太可能的领域——表格数据,合成并提出了新的深度学习方法。无论是在金融、商业、安全、医学还是无数其他领域,深度学习都可以帮助挖掘和建模表格数据中的复杂模式——这是一种非常普遍的结构化数据形式。 本书的第一部分提供了与整体建模和操作表格数据相关的机器学习原则、算法和实现技能的严格概述。第二

    01

    项目工作量估算的专家法

    我们在软件项目可研、招投标和工作量估算等管理实践的过程中,常常被一个问题所困扰:究竟我们怎么预估或者证明某个项目需要多少人和资源,工作量是如何计算出来的? 实践中,我们最多使用的是拍脑袋法,根据项目的deadline,结合以往的项目经验,给一个大致合理,或者说,看上去合理的工作量估算。这样做有两个问题: 1)估算量按照deadline倒推,不够准确。 2)由于项目类型,规模,性质,范围的不同,以往的项目经验往往不能匹配目前的项目,造成张冠李戴的错误。 那么,有没有更好的解决方案呢? 笔者在最近的工作实践中,接触到一种项目估算的专家法,可以提升估算的准确度,为项目决策提供科学的数据。 这个方法的核心思想就是:首先根据公司或者项目建设团队历史的经验,确定一系列的背景数据,如项目难度系数,团队开发效率,团队测试效率,团队文档效率等,再由3至5名有相似经验的专家对建设过程中的各个动作(如需求分析、设计、编码、测试、集成等)进行独立评估,给出工作量预估值,最后汇总所有专家的数据,根据一定的计算规则,算出最终的估算值,作为项目评估的依据。 具体的操作表格见下,表格比较清晰,具有自解释性,不再赘述: 链接:http://pan.baidu.com/s/1o8iITIi 密码:p9xv 虽然这个方法可以提升评估的准确度,但是要注意的是,这个方法仍然基于人的经验评估,所以出现一定的偏差仍然是难以避免的。由于软件项目基于大脑智力活动的特点,对于工作量的预先估计只能无限接近,难以完全到达。这也是大家普遍接受的一种认知。

    03
    领券