腾讯学院配备Q—learning学习系统

互联网行业发展迅速,腾讯公司更是如此,企业每年新进人员以20%至30%的速度递增,并且大部分为应届毕业生;腾讯虽然每年都在员工培训方面投入巨大,但要满足公司的快速发展需求,还是必须搭建一个更理想的平台来提高员工的学习速度。针对互联网行业的发展特点和公司的实际需求,腾讯于2007年5月正式启动E-learning项目,并根据腾讯公司的特色,将E-Learning的名称进行了中西合璧的个性化改变,改称Q-Learning,可以理解为“求学”。

以企业文化和培训架构为依托

具有多年培训工作经验的腾讯学院常务副院长马永武认为,一个好的企业培训一定是建立和依托在好的企业文化之中,Q-Learning亦是如此。作为互联网行业中的佼佼者,腾讯公司一直非常重视企业文化的建设和人才的培养。对于腾讯来说,业务和资金都不是最重要的,业务可以拓展,可以更换,资金可以吸收,可以调整,而人才却是最不可轻易替代的,是企业最宝贵的财富。因此,腾讯视员工为企业的第一财富,重视员工的兴趣和专长,以良好的工作条件、完善的员工培训计划、职业生涯通道设计促进员工个人职业发展。在企业文化方面,腾讯人强调以做人之道引领做事之道,坚持“正直,尽责,合作,创新”的价值观,坚持“关心员工成长、强化执行能力、追求高效和谐、平衡激励约束”的管理理念,以健康简单的人际关系、严肃活泼的工作气氛、畅快透明的沟通方式,使员工保持与企业同步成长的快乐,不断地激发员工潜能,追求个人与公司共同成长。

别致的设计思路

在Q-Learning项目设计之初,腾讯希望通过这个平台,实现在现有培训投入基础上的“放大、穿透、继承、节省”效应,为员工提供3A式学习支持,营造学习型组织。

鉴于以上设计思路,腾讯将Q-Learning的功能定位分阶段地推进,并逐步提高。第一阶段的主要功能是培训运行电子化和在线学习,主要包含如下六个方面:

在线学习——将课程推送到学员的桌面上,实现3A式学习;

培训档案——为员工建立培训档案;

课程体系——将课程体系更好地展现给员工,便于员工自己安排学习计划;

PDI选课——方便员工了解公司开课计划,并根据自身情况选择合适的课程;

培训流程——将培训运营流程迁移到线上,解放培训管理员的人力,提升专业度;

资料中心——通过LMS,建设腾讯资料库,有效放大培训效果。

服务商:适合就是最好的

除了传统的培训和学习方式外,腾讯一直期待能拥有一套架构清晰且全面的LMS系统。马永武表示,“目前国内也有很多LMS的提供商,产品功能基本都差不多,腾讯需要选择一个更适合腾讯未来发展的LMS,经过前期大量的调研和比较,我们发现SumTotal的TotalLMS系统拥有我们需要的大部分工具,可帮助传递、追踪和分析企业现在以及将来的学习状况;ToolBook能够帮助腾讯创建对员工更具针对性的课程内容;另外,SumTotal使用的DotNet技术也和腾讯现在使用的技术吻合,使我们可以快速对系统进行客户化,并让以后的系统升级和服务都有保证。”

不过,SumTotall虽然是国际领先的学习管理系统,但是毕竟每个公司的情况不一样,腾讯作为一个互联网公司,对Q-Learning的界面和易用性(方便、好用)要求比较高。因此Q-Learning项目以SumTotal系统为基础,又进行了大量的二次开发,修改其操作步骤,增加很多人性化设计,并对系统的界面和展现方式进行大量优化。除此之外,还新开发了很多模块集成到平台里面,比如个人学习地图,公司学习地图,个人信息,常用报表等。

在推广过程中不断改进

腾讯Q-Learning于2007年12月正式上线,马永武介绍说,Q-Learning在腾讯的推广工作是从“软”和“硬”两个方面进行的。

“软”的方面是充分利用公司的海报、折页、论坛、邮件、OA等途径进行宣传,上线前夜将各种宣传途径全部用上,并利用圣诞节的机会推出,圣诞当天整个公司的各个角落都会看到Q-Learning的宣传内容,各种宣传手段波浪式地进行。除宣传外,还事先引进了员工需求度较高的课程。因此,系统推出当天最高同时在线人数达到1863人,也就是说整个公司有一半以上的人在系统里浏览。“硬”的方面是指公司每年要做两个个人发展计划(PDI),选课是PDI的一个重要环节,08年的PDI选课工作规定要通过系统进行,每个员工必须登陆到系统里面来选择课程。

自Q-Learning实施以来,平台上已有102门网络课程,165个培训班,累计有3480人次在Q-Learning系统上进行了学习活动;参与率约为65%,其中点击课程的员工里,有超过50%的人自觉完成了网络课程。截止到目前,Q-Learning每天同时在线人数都会突破200人。

Q-Learning的推广受到了公司高层领导、中层主管和普通员工的积极支持,员工们的学习热情普遍很高。但马永武也很坦诚地表示,Q-Learning在推广过程中也发现了一些问题。

其一,是课程内容不够丰富,课程质量和适用性还有待提高。对此,腾讯在各个业务部门配备了兼职的系统培训管理员,负责在Q-Learning课程实施之前了解培训需求,实施过程中进行有效沟通和及时反馈。另外,为配合企业的发展战略,培训部门还会主动分析和研究业务部门的潜在培训需求,并依托Q-Learning为其提供培训支持和便利。

其二,Q-Learning实施过程中,遇到比较大的困难便是系统的易用性不足,虽然腾讯对原系统的UI、操作逻辑进行了大量的修改,但只是“治标”,尚不能满足公司的要求。“由于对系统底层的逻辑结构不太清楚,很多的开发任务无法完成,提高系统的易用性仍是我们长期而艰巨的任务,Q-Learning会在推广过程中不断改进。”

腾讯目前使用双通道(管理通道和专业通道)的职业发展路线,每个员工都会属于某一个发展通道,并且知道自己在该通道里面的级别(职级)。而每个发展通道的每个职级都有相对应的素质模型,每个素质模型又会对应相应的课程,通道、职级、素质模型和课程形成一个体系,每个员工都会在这个体系中找到自己的位置,也会清晰了解自己的发展方向,知道自己应该提升哪些能力,知道哪些课程可以帮助他提升这些能力,从而推动自己的职业发展。

员工可以借助Q-Learning平台规划“个人学习地图”,并参照“公司学习地图”,确定自身的发展方向和目标。“个人学习地图”是指将个人的通道、职级、素质模型、课程做好匹配关系,员工只要进入系统就清楚地知道自己该学习什么课程。

“公司学习地图”是个人学习地图的升级版,员工如果想了解整个公司的通道、职级、素质模型和课程的匹配关系,可以通过公司学习地图进行查询,这样员工如果想往某一个方向发展的话,就会清楚地知道该通道/职级所需要的能力,知道有哪些培训可以帮助其实现目标。在这一过程中,Q-Learning大大优化和改善了培训管理的流程。

THE END
1.人工智能面试常识10腾讯云开发者社区有监督学习(supervised learning)和无监督学习(unsupervised learning)。 以机器学习中的分类(classification)来说,输入的训练数据有特征(feature),有标签(label)。在分类过程中,如果所有训练数据都有标签,则为有监督学习(supervised learning)。 如果数据没有标签,显然就是无监督学习(unsupervised learning)了,也即聚类(https://cloud.tencent.com/developer/article/2476997
2.集智书童知行合一星球概况 集智书童主要是为大家提供全栈式AI知识体系,包括论文,部署,各种分享等,内容也会实时更新,期待你我相遇,并肩进步。 精选主题预览 ChaucerG 2024/5/24 14:14 【YOLOv10正式开源,中文解读放出,端到端YOLO也飞来了!!!】清华正式提出YOLOv1 YOLOv10.pdf 2 0 查看详情https://wx.zsxq.com/group/51122251524154?group_id=51122251524154&inviter_id=815584158188152&inviter_sid=64oe0mw9k4&secret=xzcq4uxq7jpbzlva3r86obbqx936f1h1&keyword=0actdc6Ij&type=group
3.汇思科技elearning和腾讯乐享哪个好有什么区别优缺点汇思科技e-learning和腾讯乐享对比页面从功能、价格、点评为您详细介绍了汇思科技e-learning和腾讯乐享哪个好,好用,区别,对比,优缺点,便于您更好的了解产品。https://m.36dianping.com/vs/hj8i.html
4.乐享elearning解决方案流程管理数字化,趣味培训更系统 趣味性闯关设计,进度追踪让效果看得见,实现系统化培训闭环 知识管理社区化,打造学习型企业 建立组织知识库,连接知识与人,沉淀经验,让知识赋能业务 个性化运营指导,客服贴心服务 萃取腾讯十二年运营经验,不仅提供产品,更提供有针对性的运营指南 https://www.huawan.com/solution/elearning
5.LabandGuangyingLab,auniformdeeplearninginferenceTNN: developed by Tencent Youtu Lab and Guangying Lab, a uniform deep learning inference framework for mobile、desktop and server. TNN is distinguished by several outstanding features, including its cross-platform capability, high performance, model compression and code pruning. Based on ncnn and Rahttps://github.com/Tencent/TNN/
6.中职教育资源网?中职教育资源网站有哪些https://learning.sohu.com/ 腾讯教育 网址: https://new.qq.com/ch/edu/ 教案资源类 教研网 网址:http://www.zgjiaoyan.com/ 学科网 网址:http://www.zxxk.com/ 菁优网 网址:http://www.jyeoo.com/ 高考资源网 网址: https://www.ks5u.com/index.shtml https://m.zhijiao.cn/news/detail/75366
7.图像增强技术Deblurring by Realistic Blurring——腾讯 learning-to-Blur GAN (BGAN) learning-to-DeBlur GAN (DBGAN) noise map的获取方式:用4维的正态分布的噪声重复128*128次模拟 To obtain the noise map, we sample a noisevectorof length 4 from a normal distribution and duplicate it 128 × 128 times in thehttps://blog.csdn.net/weixin_41819299/article/details/117292596
8.腾讯优图:带噪学习和协作学习,不完美嘲下的神经网络优化策略腾讯优图不断迭代数据和模型缺陷情况下神经网络的有效训练方法,通过noisy label learning和collaborative learning技术,实现用比较浅的网络解决noisy dataset问题。相关技术已经在腾讯的众多业务场景上(行人重识别,内容审核等)落地。本文整理自腾讯优图和机器之心联合主办的「CVPR2020线上分享」,分享嘉宾为腾讯优图实验室高https://www.doit.com.cn/p/366427.html
9.腾讯高瓴等投资,猿辅导获10亿美元新融资;简单充获蚂蚁金服战投近日,在线教育平台猿辅导宣布完成 10 亿美元新一轮融资,由高瓴资本领投,腾讯、博裕资本和 IDG 资本跟投,猿辅导投后估值为 78 亿美元。 猿辅导是一个课程在线辅导平台,课程包括系统班、专题课和 1 对 1 直播课程等,涵盖小学英语、奥数和初中高中全学科,设有大数据分析系统,可结合海量学生数据了解学生的学习情况,分https://www.thepaper.cn/newsDetail_forward_6789099
10.一文看尽2020上半年阿里腾讯百度入选AI顶会论文(附地址)ICLR 2020 上出现了多达 34 篇满分论文(8 分),以下是来自华为、字节跳动、腾讯等企业的满分论文。 华为 Causal Discovery With Reinforcement Learning 推荐:在此论文中,华为诺亚方舟实验室因果研究团队将强化学习应用到打分法的因果发现算法中,通过基于自注意力机制的 encoder-decoder 神经网络模型探索数据之间的关系,https://www.jiqizhixin.com/articles/2020-06-03-13
11.战略合作万科双语学校与腾讯青少年科技中心正式签署科技创新Ling Yun: Tencent Mini Goose Learning Platform will build a "VBS Learning Zone" 腾讯青少年科技中心总监凌云表示,腾讯为万科双语学校的同学们在“腾讯Mini鹅学习平台”构建了“万双学习专区”,在这里万双的同学们可以学习到最前沿的科技课程,让技术成为他们实践创想的最有力工具。在校外,通过腾讯Mini鹅创想营的http://vbs.vanke.com/news/xyxw/1039.html
12.tencentAngel是一个基于参数服务器(Parameter Server)理念开发的高性能分布式机器学习和图计算平台,它基于腾讯内部的海量数据进行了反复的调优,并具有广泛的适用性和稳定性,模型维度越高,优势越明显。Angel由腾讯和北京大学联合开发,兼顾了工业界的高可用性和学术界的创新性。 https://gitee.com/mirrors/tencent-angel
13.PLE,RecSys2020BestPaper,腾讯多任务学习Progressive Layered Extraction (PLE): A Novel Multi-Task Learning (MTL) Model for Personalized Recommendations 1. Motivation 论文作者发现:在很多多任务学习模型中,存在一个seesaw现象,即一个任务效果的提升,往往伴随着其它一些任务效果的下降。 因此,多任务学习中需要同时优化两个方向:(1)表示学习,包括特征的emhttps://www.jianshu.com/p/809debd39640