至尊彩票娱乐_平台推荐官方版v2.9.1(2023已更新)

来源：至尊彩票软件2024-05-11 17:48

至尊彩票娱乐

新岁维祺，百事公司大中华区获得2023杰出雇主认证******

　　1月17日，杰出雇主调研机构(Top Employer Institute)揭晓“2023杰出雇主”认证榜单，百事公司大中华区凭借卓越的人力资源策略和实践，再次荣登“2023年中国杰出雇主”榜，这是大中华区第十二次获得殊荣。同时，百事公司在亚太区和全球范围也被评为“杰出雇主”，百事公司已经连续三年荣获“杰出雇主”三重认证。

百事公司在亚太区和全球范围也被评为“杰出雇主”

　　每年杰出雇主调研机构的“杰出雇主”评选，是通过《人力资源最佳实践调研问卷》，对参评企业的人力资源实践在六大领域：人才战略，工作环境，人才招聘，学习与发展，员工福利，多样性与包容性方面，予以评估并认证，是全球人力资源管理方面的权威认证。

　　对于屡次荣获“中国杰出雇主”认证，百事公司大中华区首席执行官谢长安表示：“作为食品饮料行业的翘楚之一，我们致力于为员工创造一个多元共融、推动成长、充满机会的工作平台，打造更好的职场环境。这不但可以赋能员工，助力员工成长，也从员工层面帮助公司适应瞬息万变的外部环境，让我们变得‘更快，更强，更好’，引领市场和行业可持续发展。”

　　百事公司亚太区人力资源高级副总裁兼首席人力资源官宋显军表示：“我们深信员工是企业最宝贵的资产。在百事公司，我们秉持‘人能尽其才则百事兴’的价值观和人才战略，借助创新的人力资源管理实践，包容并鼓励每位员工大胆发挥所长，释放激情，并为其保驾护航。未来，我们将继续运用‘百事正持计划’和‘百事之道’，帮助员工建立更广阔的视野、实现他们引以为傲的职业梦想。”

　　多元包容

　　百事公司“多样化和包容性”的理念根深蒂固，无论性别、年龄、身体状况、种族和地域，员工均享有均等的机会。在百事大中华区，每位员工每周都有机会与大中华区首席执行官平等地畅所欲言进行交流，不受地域所限制，并可随时随地通过专有邮箱，留下想法与建议。此外，百事公司一直被业界誉为“最适合女性工作的场所”之一，拥有完整的员工福利和管理体系，推动女性员工的发展。自2022年开始，公司在全球范围推出“励其志，赋其能，助其力”系列活动和举措，着重共建女性发展平台，与“她”共成长，携手共成功。

　　跨界赋能

　　百事公司大中华区建立了独特的赋能员工体系。在公司内部通过“SLAM”团队的形式推动和建立各种应变机制。“SLAM”指的是自驱(self-organizing)、精益(lean)、autonomous(自治)、跨领域(multidisciplinary)，是一种百事特有的敏捷组织形式。在数字化等新的领域，借鉴互联网企业的实践，组成各个任务目标导向的SLAM小组，打破了传统组织条线，通过聚焦业务场景来灵活地进行执行和颠覆性创新。更重要的是，SLAM团队能充分激活员工活力，通过打破边界、大胆授权，让公司内众多优秀的年轻员工，迅速成长，也使得公司能够快速响应市场变化与消费者需求。

　　无虞保障

　　百事公司坚持为员工的健康和家庭投资。员工俱乐部的活动覆盖美食、健走、太极、艺术、羽毛球、中医养生等，满足不同员工的心理及兴趣爱好需求，在工作之余，提供舒压的活动。此外，百事大中华区的薪酬福利在近几年更是全面升级，领先业界。上至百万医疗保险及商业保险，下至年度流感疫苗接种，为员工乃至其整个家庭提供福利保障，使员工无后顾之忧。

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点：可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘巫邓炎）

[责编：天天中]

阅读剩余全文（）