妹子面试阿里,面试官竟然问她有没有男朋友?

一个985妹子的春招总结,字节+阿里+美团+招商银行,最后选择了招行上岸! 前言 还愿邮储总行,写一下2020届秋招笔经面经,因为我主攻的国企(银行和运营商),想去互联网的可以关掉啦 主要涉及邮储总行,浦发银行,农行,招商银行,成都银行,省移动,省电信,成都移动研究院。 再说一下我的水平。。。。。幼儿园级代码水平,边找边学选手,写在前面,如果还有时间就去学JAVA,我是c++找银行太难了。(是不是我的叙述语言太轻松了,让你们对银行和运营商有了误解,大家不要以为什么都不会就可以进国企呀,开发水平太差,人家凭什么给你钱????????????别想着偷懒,趁着有时间赶紧学,竞争还是很大的 阅读详情

点击上方“开发者技术前线”,选择“星标”

13:11 在看 真爱

作者:  小熙  | 责编: 可可   来源 :开发者技术前线 


640?wx_fmt=jpeg

刚好要到八月十五前后,又是大家 面试的高峰期,本文是Java开发 小熙(妹子) 的面试分享。之前有分享过很多面试:拿到蚂蚁金服 offer,  我不去了。身为技术专家的我,面试居然还要靠刷题?,刷了一个月算法,薪资终于Double了 等。

为何要面试?

过完年回来 公司的项目很闲,很多人觉得没意思陆续跳槽走了,我也考虑到自己的发展,从3月底开始面,面到4月底,面了三十家公司,虽很累,但我从不打没准备的仗, 我是一个喜欢总结经验的人,每经过一场面试,我都会拿个本子记录下来,哪些问题是自己之前没遇到过的,或者哪些问题是新遇到的。通过一段时间的备战,面试,拿了几家offer ,最好的是头条和阿里,最终我入职了阿里。但让我记得深刻的是阿里面试官问我有没有男朋友。

 准备阶段

算法

  1. leetcodehttp://leetcode.com/

  2. careeruphttp://www.careercup.com/http://hawstein.com/posts/ctci-solutions-contents.html

  3. glassdoorhttp://www.glassdoor.com/index.htm

  4. topcoderhttp://www.topcoder.com/

  5. zojhttp://acm.zju.edu.cn/onlinejudge/

  6. july的博客http://blog.youkuaiyun.com/v_july_v/article/details/6543438

  7. mitbbshttp://www.mitbbs.com/bbsdoc/JobHunting.html

  8. pojhttp://poj.org/

  9. 杭电acmhttp://acm.hdu.edu.cn/

  10. codeforceshttp://codeforces.com/

  11. 复杂数据结构的讲解及实现GeeksForGeeks: 

  12. 一个比较牛逼的coding challenge网站: 

Java基础

        面向对象的特征:继承、封装和多态

        int 和 Integer 有什么区别;Integer的值缓存范围

        说说反射的用途及实现

        Http 请求的 GET 和 POST 方式的区别

        MVC设计思想

        什么是Java序列化和反序列化;如何实现Java序列化;或者请描述

Serializable接口的作用

        重载和重写的区别

进程和线程

        线程和进程的概念

        并行和并发的概念

        创建线程的方式及实现

        进程间通信的方式

        说说 CountDownLatch、CyclicBarrier 原理和区别

        说说 Semaphore 原理

        说说 Exchanger 原理

        ThreadLocal 原理分析;ThreadLocal为什么会出现OOM,出现的深

层次原理

        讲讲线程池的实现原理

        线程池的几种实现方式 

        线程的生命周期;状态是如何转移的

锁机制

        什么是线程安全?如何保证线程安全?

        重入锁的概念;重入锁为什么可以防止死锁?

        产生死锁的四个条件

        如何检查死锁

        volatile 实现原理

        synchronized 实现原理(对象监视器)

        synchronized 与 lock 的区别

        AQS 同步队列

        CAS 无锁的概念;乐观锁和悲观锁

        常见的原子操作类

        什么是 ABA 问题;出现 ABA 问题 JDK 是如何解决的

        乐观锁的业务场景及实现方式

        Java 8 并发包下常见的并发类

        偏向锁、轻量级锁、重量级锁、自旋锁的概念

数据库

        DDL、DML、DCL 分别指什么

        explain 命令

        脏读、幻读、不可重复读

        事务的隔离级别

        数据库的几大范式

        说说分库与分表设计

        分库与分表带来的分布式困境与对应之策

        说说 SQL 优化之道

        存储引擎的 InnoDB 与 MyISAM 区别、优缺点、使用场景

        索引类别(B+树索引、全文索引、哈希索引);索引的区别

        什么是自适应哈希索引(AHI)

        为什么要用 B+tree 作为 MySql 索引的数据结构

        聚集索引与非聚集索引的区别

        limit 20000 加载很慢怎么解决

        常见的几种分布式 ID 的设计方案

  JVM

        JVM 运行时内存区域划分

        常见的 GC 回收算法及其含义

        常见的 JVM 性能监控和故障处理工具类

        JVM 性能调优

        类加载器、双亲委派模型

        类加载的过程

        强引用、软引用、弱引用、虚引用

        Java 内存模型 JMM

在对上面的内容做了准备后,我开始投简历面试,先从小公司开始面,小公司一般 1-2面技术,大公司 3-5 轮技术,一般都是一面基础,二面进阶,三面优化和场景,四面问规划,五面hr.

自我评估

面试自我介绍

本人没太多的优点,双非本科,只不过大学学的数学专业,逻辑还行,英语水平一般。

优势:

1 大学拿过奥数三等奖,ACM 大赛二等奖,当年的优秀大学生。

2 良好的沟通交流能力

3.较强的学习能力和逻辑思维能力

简历写上,自我评价潜力好!此处有装逼的嫌疑。

劣势: 

2.毕业于双非本科,只要是本科就基本没问题,但有的公司要985.211的,并且还要30岁以内的。

3.前一家公司是传统行业,加入项目组时,项目稳定,每天就是有bug就修复,优化一下,其他时间就是学习的,聊骚各干各的,工作2年多跟在养老一样,每天都是 用一句话说就是编程5分钟,扯淡2小时,项目经验严重不足,很怕开发很难的需求。

这一点是最伤的,很多公司看项目经历,结果你告诉面试官我写的需求都是垃圾。 

学习方式

我自己情况,项目和学历肯定无法加分的。我自己对此也有清晰的认识,因此我在平时抓紧空闲时间学习和复习技术点。

1.看面试题 

2.对问题深入理解 

3.熟悉项目的代码和需求

把项目中不错的需求拿出来,看会,代码熟悉好,将整个功能的流程和涉及的东西吃透。项目是面试中必问的环节,一般是以一个功能点为基础展开问,因此你必须对这个功能有很深的认识,不能有模糊的地方。如果有时间,能把涉及到的知识点也搞懂最好。 

4.网上做题和刷题

5.总结记录 

投简历、约面试环节

1.投简历渠道

2.简历不要海投 

3.投简历没下文

4.一天约几家面试合适? 

5.是否该裸辞? 

裸辞还有一个原因是,在面试过程中你会发现,遇到公司要人紧急的,如果你的入职流程过长可能错过这个公司。 

6.注意事项 

面试现场

1 笔试常见的问题 面试常见的问题上面给的面试题链接基本都有。

1 手写代码:手写代码一般考单例、排序、线程、消费者生产者 排序。

2 写SQL很常考察group by、内连接和外连接


 2.面试1-5面总结 

1)让你自我介绍 

2)做两道算法题(刷题必中)
3)问Java基础知识 

4)java 高级进阶就是我准备的那些
4)问项目中指责和做了什么
5)业务情景问题,例如:你的一个功能上了生产环境后,服务器压力骤增,该怎么排查。 

6)对职业的规划
7)你有什么想问面试官

的 

8)问期望待遇

      3.常问的知识要点)集合相关问题(必问): 

2)线程相关问题(必问):  

3)JVM相关问题(必问):

4)设计模式相关问题(必问): 

5)数据库相关问题,针对Mysql(必问): 

6)主流框架相关问题:  
Spring的设计模式。 
Spring中AOP。 
Spring注入bean的方式。 
什么是IOC,什么是依赖注入。 
Spring是单例还是多例,怎么修改。 
Spring事务隔离级别和传播性。 
介绍下Mybatis/Hibernate的缓存机制。 
Mybatis的mapper文件中#和$的区别。 
Mybatis的mapper文件中resultType和resultMap的区别。 

Hibernate和Mybatis的区别。 
Spring MVC和Struts2的区别。

Mybatis中DAO层接口没有写实现类,Mapper中的方法和DAO接口方法是怎么绑定到一起的,其内部是怎么实现的。 

7)其他遇到问题: 

介绍下B树、二叉树。 

IO和NIO的区别。 

重载和重写的区别。 

栈和队列。 

 try、catch、finally都有return语句时执行哪个。 

终面

家里多少人
有没有对象

平时爱好

看不看剧


Offer 流程

面试通过当然还有一些后续的环节

1)提交工资流水(大点的公司),学历,学位照片。

2)定薪

3)体检通知

4)背调 发offer。

5)入职材料 选择入职日期。

一些经验

1 .千万别裸辞,别裸辞,别裸辞 我同事裸辞了,2个月了到现在还没找到工作。

2.先投一些普通的小公司,等面出感觉了再去面大公司。 
3.自己不会的技术简历不要写 

4.很多公司压待遇,期望待遇适当提高。 

5.不要去实习期6个月还打8折的公司,除非你没有其他选择了,否则不要去。

6.不要去参加很多大大小小的招聘会,纯粹是浪费时间。 
7.把面试当作一次技术的交流,不要太在意是否能被录取。就当学习。

8.公司一般面完就决定是否录取了,让你回去等消息这种情况一般没戏,感觉良好也没用。
9.地方远的尽量通过电话面试,不然白跑。 
10.面试冲刺阶段,要保持每天学习,无论是学习新东西还是复习旧东西。 
11.无论好的坏的公司,先拿到offer再说,最后看看自己这个公司自己是否值得去。
12.通过面试体验和面试官的风格 可以大概判断入职团队的情况。 
13.拉勾投的简历很多会被筛掉,但是拉勾还是面试机会的最主要来源。 
13.理想的公司可以多投几次,不同部门要求不一样。
14.问到自己有深入研究过的知识,抓住机会好好表现,吹是必须的,不要轻易错过吹得机会。 

15.大公司可以走猎头渠道,谈待遇靠谱一点。


学习交流 后台回复''妹子"加我微信

END

开发者技术前线 ,汇集技术前线快讯和关注行业趋势,大厂干货,是开发者经历和成长的优秀指南。

历史阅读

百度,比以前更硬气一些!

身为技术专家的我,面试居然还要靠刷题?

为什么我不推荐你用 Flutter 开发?

640?

640?wx_fmt=gif

640?wx_fmt=png

喜欢就点个好看吧

640?wx_fmt=gif

从USB相机标定到Aruco码精准定位:基于aruco-ros的机器人视觉实践 本文详细介绍了基于aruco-ros的机器人视觉实践,从USB相机标定到Aruco码精准定位的全流程。通过实战案例和优化技巧,展示了Aruco码在机器人导航中的高精度位姿识别能力,帮助开发者快速实现毫米级视觉定位系统。 阅读详情

相关推荐

国家医保移动支付国密算法SM2签名验签、SM4加解密DLL

DLL,非.net开发,所以无需安装配置,直接程序引用开发即可,支持各类开发语言。已知省份有广西、贵州、安徽、河北、黑龙江、湖南、吉林、江苏、四川、新疆等各地方。国家医保移动支付国密算法SM2签名验签、SM4加解密DLL。//SM4加密与解密。支持医保移动支付(国家统一版),//SM2签名与验签。

4264

面试阿里,面试官问我有没有男朋友?

作者: 小熙 |责编:可可 来源 :开发者技术前线夏天来啦,又是大家面试的高峰期,本文是Java开发小熙(妹子)的面试分享,已经入职阿里。为何要面试?过完...

u010459192的博客 595

Hypermesh静力学仿真分析与模态分析-02

hypermesh中对较复杂实体进行静力学分析和模态分析,包含材料属性添加,载荷设置等等

Look_forward_的博客 6778

面试官问我有没有男朋友!该不会是看上我了吧?offer是不是就妥了?

面试官现场问有没有男朋友?我慌了

程序员二黑 1325

RTKLIB中RTK定位原理(一)

1 模型 1.1 非差观测值 非差观测值与RTKLIB中PPP定位原理——观测模型部分中一致。 1.2 单间单差观测值 若两个接收机距离较近,经过站间单差,电离层对流层延迟可消除,卫星s的钟差以及初始相位被消除,中依然包含接收机初始相位。 1.3 站间星间双差观测值 经过站间星间双差,接收机钟差及初始相位被消除。 2 EKF参数估计 2.1 EKF法则 EKF法则与RTKLIB中PPP定位原理——观测模型部分中一致。 2.2 状态变量与时间更新 (1)状态变量 在RTK...

papunzal的博客 3817

Android各个版本存储权限适配

虽然 Android10 上面提出了外部存储分区的概念,不过之前的版本中,我们只要为应用添加了。1、AndroidManifest添加权限设置。3、拒绝权限时跳转详细设置页面。就可以像之前的方式一样访问手机的外部存储空间。2、请求所有文件管理权限。

sig321的专栏 1844

妹子面试阿里,面试官竟问她有没有男朋友?面试真题「PDF分享」

为何要面试? 过完年回来公司的项目很闲,很多人觉得没意思陆续跳槽走了,我也考虑到自己的发展,从3月底开始面,面到4月底,面了三十家公司,虽很累,但我从不打没准备的仗, 我是一个喜欢总结经验的人,每经过一场面试,我都会拿个本子记录下来,哪些问题是自己之前没遇到过的,或者哪些问题是新遇到的。通过一段时间的备战,面试,拿了几家offer ,最好的是头条和阿里,最终我入职了阿里。但让我记得深刻的是阿里面试...

如果频繁就私信一下呢 651

OFDM接收机同步——分组检测

上一篇讲了OFDM发射机中的长短训练序列生成原理,基于此可以得到长短训练序列的准确数值,为接收机中的符号同步中的相关运算提供基础。 进入符号同步前,首先来看OFDM接收机中的第一步——分组检测。分组检测就是检测突发传输方式的信道上是否有新的数据到达,算法的好坏直接影响着接收机的后续工作性能。 一、本文意义 基于《基于xilinx fpga 的ofdm的通信系统基带设计》这本教材中分组检测算法原理,通过matlab编程仿真验证“延时相关+保持长度”分组检测算法的有效性。同时,通过仿真证明教材上的判决公式的问题

boayel的博客 2201

妹子面试阿里,面试官竟问她有没有男朋友?面试真题「PDF分享

刚好要到八月十五前后,又是大家 面试的高峰期,本文是Java开发 小熙(妹子) 的面试分享。之前有分享过很多面试:拿到蚂蚁金服 offer, 我不去了。身为技术专家的我,面试居然还要靠刷题?,刷了一个月算法,薪资终于Double了 等。 为何要面试? 过完年回来 公司的项目很闲,很多人觉得没意思陆续跳槽走了,我也考虑到自己的发展,从3月底开始面,面到4月底,面了三十家公司,虽很累,但我从不打没准备的仗, 我是一个喜欢总结经验的人,每经过一场面试,我都会拿个本子记录下来,哪些问题是自己之前没遇到过...

GQH498的博客 261

算法真的是个很有用的东西,通过python或者golang实现对N张图片的自动排版,每张图片的长和宽都不一样,有的是横图,有的是竖图,最终需要生成一张完整的矩形图片

算法真的是个很有用的东西,通过python或者golang实现对N张图片的自动排版,每张图片的长和宽都不一样,有的是横图,有的是竖图,最终需要生成一张完整的矩形图片。

代码讲故事 503

10.Labview局部变量、全局变量、引用、属性节点、调用节点用法理解及精讲

本文的结构还是首先教大家明确概念问题,然后深入理解概念并学会使用,最后在理论基础掌握的基础上,通过实例来强化大家的理解。本文依旧是**先理论后实践**的教学方式,欢迎留言或私聊提问。

关注我,更多技术问题欢迎私聊~ 1万+

面试阿里!妹子终面,阿里面试官问:有没有男朋友? 结果...

点击“开发者技术前线”,选择“星标????”在看|星标|留言, 真爱作者: 前线小熙 |责编:可可 来源 :开发者技术前线刚好要到端午节前后,又是大家 面试的高峰期,本文...

开发者技术前线-DevolperFront 681

地平线旭日X3 安装xfce桌面+VNC查看USB摄像头

VNC是Virtual Network Computing的缩写,它是一种使用RFB(Remote Frame Buffer)协议的用于控制远程电脑的图形桌面分享系统。xfce桌面相比于GNOME桌面更加轻量,占用的资源更少,在没有GPU的设备上也可以运行(旭日的Desktop版本从外观上好像就是xfce桌面,具体没有尝试)。可以使用专用的VNC客户端连接到开发板,例如vnc viewer。板子默认带有openssh-server,因此,WiFi热点连接成功后,就可以使用ssh登录开发板了。

bingdund的博客 509

并没有幻读_妹子面试阿里,面试官竟问她有没有男朋友?面试真题「PDF分享」...

刚好要到八月十五前后,又是大家 面试的高峰期,本文是Java开发 小熙(妹子) 的面试分享。之前有分享过很多面试:拿到蚂蚁金服 offer, 我不去了。身为技术专家的我,面试居然还要靠刷题?,刷了一个月算法,薪资终于Double了 等。为何要面试?过完年回来 公司的项目很闲,很多人觉得没意思陆续跳槽走了,我也考虑到自己的发展,从3月底开始面,面到4月底,面了三十家公司,虽很累,但我从不打没准备的仗...

weixin_30780735的博客 94

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

并没有幻读_面试阿里,面试官问我有没有男朋友?

点击上方“开发者技术前线”,选择“星标”13:11 在看 真爱作者: 小熙 | 责编: 可可 来源 : 开发者技术前线 刚好五一前后,又是大家 面试的高峰期,本文是Java开发 小熙(妹子) 的面试分享。之前有分享过很多面试:拿到蚂蚁金服 offer, 我不去了​mp.weixin.qq.com。身为技术专家的我,面试居然还要靠刷题?​mp.weixin.qq.com,刷了一个月算法,薪...

weixin_32259417的博客 114

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

阿里头条java三年 面试题 (妹子 )

刚好五一前后,又是大家 面试的高峰期,本文是Java开发 小熙(妹子) 的面试分享。之前有分享过很多面试:拿到蚂蚁金服 offer, 我不去了。身为技术专家的我,面试居然还要靠刷题?,刷了一个月算法,薪资终于Double了 等。 为何要面试? 过完年回来 公司的项目很闲,很多人觉得没意思陆续跳槽走了,我也考虑到自己的发展,从3月底开始面,面到4月底,面了三十家公司,岁很累,但我从不打没准备的仗,...

开发者技术前线-DevolperFront 666

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

面试了一个妹子,穿着超短裙来的,我把她pass了,但加了她的联系方式,约她出来吃饭......

看网友回帖虽然挺搞笑的,但也挺讽刺的,“掉到了你”、“面相对象招聘”,听着都不是什么好词儿。这妹子图的可不是个offer,而是来找工作的,结果你搞成像她在找男朋友一样,真的不太体面。招聘是为了找合适的人干活,不是为了满足自己的私欲,面试官一旦失去基本的职业操守,那这面试也就彻底变味了。如果这篇文章对您有所帮助,或者有所启发的话,帮忙扫描上方二维码关注一下,您的支持是我坚持写作最大的动力。最后,关注公众号互联网架构师,在后台回复:2T,可以获取我整理的 Java 系列面试题和答案,非常齐全。

emprere的博客 148

面试经验总结

又是大家 面试的高峰期,本文是Java开发小熙(妹子)的面试分享。之前有分享过很多面试:拿到蚂蚁金服 offer, 我不去了。身为技术专家的我,面试居然还要靠刷题?,刷了一个月算法,薪资终于Double了等。 为何要面试? 过完年回来 公司的项目很闲,很多人觉得没意思陆续跳槽走了,我也考虑到自己的发展,从3月底开始面,面到4月底,面了三十家公司,虽很累,但我从不打没准备的仗...

xiao雷博客 502

2019 秋季最新最全面 JAVA 面试题 附答案

点击“开发者技术前线”,选择“星标

开发者技术前线-DevolperFront 1041

程序员五一被拉去相亲,结果彻底搞懂了HTTP常用状态码

面试难免让人焦虑不安。经历过的人都懂的。但是如果你提前预测面试官要问你的问题并想出得体的回答方式,就会容易很多。此外,都说“面试造火箭,工作拧螺丝”,那对于准备面试的朋友,你只需懂一个字:刷!给我刷刷刷刷,使劲儿刷刷刷刷刷!今天既是来谈面试的,那就必须得来整点面试真题,这不花了我整28天,做了份“Java一线大厂高岗面试题解析合集:JAVA基础-中级-高级面试+SSM框架+分布式+性能调优+微服务+并发编程+网络+设计模式+数据结构与算法等”

2401_83412285的博客 938

程序员自曝接私活:10个月时间接了30多个单子,纯收入40万

随着互联网的发展,对于程序员的需求也日益增多。一些程序员在按部就班的同时,也会在外接一些私活增加收入,无独有偶,有一名程序员无意间发现了商机,开始了全职接私活,在10个月时间接了30多个单子,纯收入40万,直言比上班强多了。 其还在互联网论坛社区与同行交流,有网友讲述了其身边接私活的案例:之前职业区也有个做私活的哥们,说是去传媒产业园挨家敲门,谈下五家广告公司的技术外包合作,全年就爽了,那哥们说...

java开发郭靖 1万+

程序员自爆接私活:接30多个单子,纯收入40万,仅用了10个月

随着互联网的发展,对于程序员的需求也日益增多。一些程序员在按部就班的同时,也会在外接一些私活增加收入,无独有偶,有一名程序员无意间发现了商机,开始了全职接私活,在10个月时间接了30多个单子,纯收入40万,直言比上班强多了。 其还在互联网论坛社区与同行交流,有网友讲述了其身边接私活的案例:之前职业区也有个做私活的哥们,说是去传媒产业园挨家敲门,谈下五家广告公司的技术外包合作,全年就爽了...

qq_36860032的博客 8254

为什么我建议你多参加技术大会?

今天给大家推荐一个我的好朋友:白哥。白哥先后在百度,美团任职,负责公司项目管理与技术研发工作,在工作之余,他还开通了微信公众号,并持续运营,至今已快 3 年时间了。在此期间,他时常会在公...

python爬虫人工智能大数据 207
上一篇: Hadoop 再凉凉,MapR 终被 HPE收购
下一篇: 作为过来人,我想对准程序员说
DevolperFront
博客等级 码龄8年 465粉丝 81原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值