成功逆袭：外包—苏宁—阿里 论我是怎么快速晋升的？

java架构师小芷 java架构师小芷 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 500+累计阅读 574平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄6年
关注
原创 最新推荐文章于 2026-09-20 17:09:42 发布 574 阅读 AI 写同款· GEO 优化 ›
从零到一：ASTER L2数据获取的实战避坑指南 本文提供了一份详细的ASTER L2数据获取实战指南，涵盖账号注册、环境配置、数据检索、下载故障排除及后处理等关键步骤。特别针对NASA EarthData平台的隐形门槛和常见陷阱，给出了实用解决方案，帮助科研新手高效获取地表温度数据，适用于环境监测和城市热岛效应分析等领域。 阅读详情

写在开篇的思路

2020年是多灾难的一年，对于我们每个人来说，健康地活着比什么都重要。受到疫情的影响，很多公司都过得比较艰难，裁员更是普遍，所以对大部分来说保住饭碗就很不错了，更别说什么跳槽晋升了。

但今年的我，似乎要比很多人幸运，专科出身，起点很低了，在看重学历的一众大厂中杀出一条血路。工作两年我就跳槽进入了苏宁，在苏宁待了3年，现在竟到了阿里。身边很多人都好奇，我究竟是怎么做到的？下面就来分享一下我这些年是怎么快速晋升的，希望能够给你带来一些启发和帮助吧。

本文主要分享4个点，可按需来阅读：

  • Share1：阿里Java岗面试题
  • Share2：苏宁开发三年，我如何积累经验？
  • Share3：5年开发经验，如何跳槽阿里？
  • Share4：如何提升阿里社招面试通过率？

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

Share1：阿里Java岗面试题

（1）Zookeeper 部分

  • CAP定理
  • ZAB协议
  • leader选举算法和流程

（2）Redis 部分

  • Redis的应用场景
  • Redis支持的数据类型（必考）
  • zset跳表的数据结构（必考）
  • Redis的数据过期策略（必考）
  • Redis的LRU过期策略的具体实现
  • 如何解决Redis缓存雪崩，缓存穿透问题
  • Redis的持久化机制（必考）
  • Redis的管道pipeline

（3）Mysql 部分

  • 事务的基本要素
  • 事务隔离级别
  • 如何解决事务的并发问题(脏读，幻读)？
  • MVCC多版本并发控制？
  • binlog,redolog,undolog都是什么，起什么作用？
  • InnoDB的行锁/表锁？
  • myisam和innodb的区别，什么时候选择myisam？
  • 为什么选择B+树作为索引结构？
  • 索引B+树的叶子节点都可以存哪些东西？
  • 查询在什么时候不走（预期中的）索引？
  • sql如何优化?
  • explain是如何解析sql的？
  • order by原理

（4）JVM 部分

  • 运行时数据区域（内存模型）
  • 垃圾回收机制
  • 垃圾回收算法
  • Minor GC和Full GC触发条件
  • GC中Stop the world
  • 各垃圾回收器的特点及区别
  • 双亲委派模型
  • JDBC和双亲委派模型关系

（5）Java 基础部分

  • HashMap和ConcurrentHashMap区别
  • ConcurrentHashMap的数据结构
  • 高并发HashMap的环是如何产生的？
  • volatile作用
  • Atomic类如何保证原子性（CAS操作）
  • synchronized和Lock的区别
  • 为什么要使用线程池？
  • 核心线程池ThreadPoolExecutor的参数
  • ThreadPoolExecutor的工作流程
  • 如何控制线程池线程的优先级
  • 线程之间如何通信
  • Boolean占几个字节
  • jdk1.8/jdk1.7都分别新增了哪些特性？
  • Exception和Error

（6）Spring 部分

  • Spring的IOC/AOP的实现
  • 动态代理的实现方式
  • Spring如何解决循环依赖（三级缓存）
  • Spring的后置处理器
  • Spring的@Transactional如何实现的？
  • Spring的事务传播级别
  • BeanFactory和ApplicationContext的联系和区别

（7）其他部分

  • 高并发系统的限流如何实现？
  • 高并发秒杀系统的设计
  • 负载均衡如何设计？

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

Share2：苏宁开发三年，我如何积累经验？

（1）善于利用碎片时间，学习提升自我

从初级程序员升到资深开发，没有别的捷径可走，从始至终我都奉信：进步得靠学习，学习得靠时间堆砌。现在互联网行业基本上都是996趋势，程序员加班情况更为明显，所以利用碎片时间来学习，才是提升自己最合适的方式。

先算算我个人的学习时间账（可参考，可借鉴）：

  1. 每天早上起床后，大概30min（上厕所，吃早餐，通勤等）
  2. 每天上班时，利用别人划水的时间搜一些技术资料，逛逛技术博客，约30min。
  3. 晚上通勤、吃饭（这个阶段我一般会休息+娱乐来调整自己状态，刷刷微博、朋友圈）
  4. 晚上到家后，不管再累都会抽出1~2个小时来学习，看书+看视频。

*这样计算下来，一天大概平均在2~3小时，一周5天至少10个小时，不包括周末。

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

（2）解决Bug积累经验（提升自己优化能力）

论坛上流行一种说法：大部分的程序员都是通过BUG来积累经验的，你解决的每一个BUG都是你的经验。

实际上，这观点并不在强调BUG的重要性，而是意味着程序员可以通过改Bug来提升自己的优化能力，但这个“改”就非常关键了。

如何“改”？

  1. 我在开发过程中，总会遇到大大小小的问题，在遇到问题时，我首先考虑的是凭自己个人的能力去解决，会看一下相关的源码，或者Google一下相关的资料或技术博客。如果问题太大，实在解决不了，就会去请教大佬，不会纠结来纠结去，浪费时间还没效果，耽误自己的项目进度。请教大佬也有讲究，不是让他直接帮你解决好问题，而在是建议或思路的基础上自己去思考。
  2. 另一层意思则是需要我们主动地去提升自己的优化能力了。我在写代码的过程中，会主动地引入面向对象思想和设计模式；会考虑性能优化（如何让sql语句更快，如何让虚拟机内存性能更好）；在“单机版”程序的基础上问自己，如何搭建集群？如何利用现有的面向集群的组件？（比如可以用Eureka搭建服务治理的集群，在集群中用Ribbon做负载均衡）
  3. 最后，技多不压身，还要学一些redis，消息中间件，JVM调优，MySQL优化以及Spring Cloud方面的内容。

（3）参与开源项目

其实，在很多面试攻略和分享中，我们都能get到一个信息：参与过开源项目的面试者往往更吃香，更容易获得offer。

那么，为什么参与过开源项目的程序员会更吃香更抢手呢？

  1. 大型的开源项目几乎都是大型团队构建的，且非常复杂，由此可以推断出你个人的能力和素质都是过关的；
  2. 开发开源项目，说明个人的综合能力得到极大提高，这些能力包括“书面沟通能力”、“了解如何挑选和协商要处理的事情”、“完善Git流程/GitLab流程”、“理解语言语法”等等；
  3. 其他：建立线上声誉、保持个人的进步的动力等等。

（4）提升自己的软实力，让自己更专业

按照我个人的理解来说，初级程序员更像学生，而高级程序员则需要拥有“独当一面”的能力，而这个过渡是需要时间的，也是我前两年来努力的方向之一。

提升自己的软实力，成为更专业的程序员：

  1. 要学会积极主动沟通；
  2. 提升自己解决问题（bug）的能力，积累解决问题（bug）的经验；
  3. 协调（扯皮）的能力：工作方面积极主动协调部门；
  4. 学会合作，一起完成一个任务或目标。

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

Share3：5年经验如何跳槽阿里？

Step1：知己知彼（了解岗位职责，规划职业成长路径）

①岗位职责

求职时，我们往往更注重简历，却忽略了“岗位职责”这个关键词，实际这往往也会影响到我们的面试结果。

俗话说“知己知彼，百战不殆”，岗位职责非常清晰明确地标注了应该干什么，怎么干，干到什么标准，对于程序员来说，技术掌握程度以及之后的开发内容都要了解清楚。

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

随便找的公司为例，就更不用说BAT一线大厂了

②成长路径

在第一次正式工作后，我就非常认真仔细的思考过自己日后的发展方向，实际上程序员的成长轨迹（晋升路径）越早确定越好。程序员的方向大致分为技术岗和管理岗，而这两个方向所看重的能力还是有很大本质区别的。

成长路径如下：

  • 管理岗：初做者→技术经理→技术总监→副总裁→总裁
  • 技术岗：初做者→高级工程师→技术专家→领域专家→领域权威

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

Step2：制定目标（制定明确的、可衡量的、可达到的、有时间限制的目标）

在职场中，一定要制定自己的的目标，这样才不免被沦为“咸鱼”，想要快速晋升，就得从目标下手，目标需要满足SMART原则：

  • 具体的（Specific）
  • 可以衡量的（Measurable）
  • 可以达到的（Attainable）
  • 具有相关联性的（Relevant）
  • 有明确的时间截止的（Time-based）

简单来说，我的操作就是将自己的目标进行阶段性的拆分，比如我1-3年需要达到一个什么阶段，3-5年要达到什么阶段，然后在这个阶段里继续进行拆分，树立一个一个小目标，然后构成一个大目标，总目标，这样就会容易达到得多了。

Step3：善于思考（培养逆向思维、优化思维）

不想机械式的码代码，快速晋升之道首先就要转变自己的思维，要开始慢慢调整，善于思考一些问题，培养逆向思维和优化思维。

所谓的逆向思维，就是要多问自己为什么？如：

  • 为什么需要这些数据？
  • 为什么要做这些事？
  • 为什么要做总结？
  • 为什么要做规划？
  • 为什么要做代码审核？

而优化思维，则是把事情做得更好，即使是繁琐杂事，也有优化的空间，包括效率和效果，任何事都是有优化空间的，缺少的是发现的眼睛。

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

Share4：如何提升阿里社招面试通过率？

（1）准备简历

面试是会根据简历来进行对你提问的，尤其是对于开发人员来说，看到你的项目经历后，或多或少都会问相关的问题，甚至一线互联网公司会针对项目进行提问，所以准备简历这一环节就尤为重要。

准备简历时，一定要真实，简历作假是职场大忌，切记切记。其次，要分清楚“了解、熟悉、精通”三词的区别，对技术栈的掌握程度跟面试题难度密切相关。

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

当然，为了帮助各位能够顺利过了简历，我也准备了一些模板大礼包，包括我自己的个人简历也在里面，欢迎大家参考：

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

（2）尽量找内推

校招容易，社招难。这是一线互联网的普遍现象，对于应届生的要求相对来说还是比较宽松的，但对于有一定工作年限的人来说，技术要求就比较高了，因此很多中途想要进一线大厂的人都说社招实在太难了，简历都过不了。

那其实也是有一些“捷径”可走的，可以找一些内推机会，相对直接社招来说，几率大大提升了。

（3）对技术要掌握一定的广度和深度

既然是技术岗，那么企业对于技术掌握的广度和深度是有自己相应的要求的，学历在技术面前都显得没那么重要了，因此努力提升自己的技术水平是程序员的首要目标。

那么，技术要掌握到什么程度呢？特梳理了一下技术路线，如下图谱：

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

对于现在流行的一些技术框架，我又掌握得如何了呢？实际上，我是有一个记录学习心得，做学习笔记的习惯，所以我对一些技术也有自己的总结和经验。

  • Java核心成长笔记：

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

  • SpringBoot核心技术笔记：

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

  • SpringMVC开发核心笔记：

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

  • Spring源码深度解析：

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

  • Redis学习总结

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

（4）面的是什么部门？面试的时候喜欢问什么？

在面试前，事先要清楚自己面试的是什么部门，要做好功课。比如，支付宝、蚂蚁金服这类的事业部，项目多与金融相关，淘宝、拼多多则是电商，这些区别也会影响面试的侧重点。

至于面试官喜欢问什么，则需要依靠平时的刷题来积累了，刷刷题，做到举一反三，对面试还是有很大的帮助的。

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

专科出身，2年进入苏宁，5年跳槽阿里，论我是怎么快速晋升的？

 

写在文末的箴言

读万卷书，行万里路。作为程序员，都说职业生涯到35岁就结束了，实际上大可不必相信这种年龄焦虑，35岁上的程序员也有不少，要不想被市场淘汰，首先你的有价值，你没有了价值，无论是什么职业都被社会淘汰的。

学习，永远不会辜负你，靠学习得到的，永远是你最宝贵的财富。

以上文章中，提及到的所有的思维图、笔记内容、面试题等资料，均可以免费分享，只需要你：【点赞转发】+【评论】文章，点【关注】后添加小编vx：mxzFAFAFA即可。

收录于
java

当前文章被收录于：

java
444 篇文章 3 人学习
订阅专栏 查看详情
架构

当前文章被收录于：

架构
310 篇文章 0 人学习
订阅专栏 查看详情
面试

当前文章被收录于：

面试
228 篇文章 0 人学习
订阅专栏 查看详情
标签
#编程语言 #面试 #java #架构 #程序人生
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
华为、Cisco、H3C、中兴网络设备如何配置syslog日志采集 阅读详情

相关推荐

避坑指南：sherpa-onnx中文语音识别模型实测对比（2024最新版）

本文实测对比了sherpa-onnx框架下Paraformer、Zipformer、SenseVoice等主流中文语音识别模型。针对不同应用场景，从准确率、延迟、资源占用等维度提供选型建议，并分享部署避坑指南与最佳实践，帮助开发者高效选择本地语音转文字方案。

xray4的博客 2264

为什么你有10年经验，但成不了专家？

快速学习+刻意训练 转自：http://www.wtoutiao.com/p/Ka6yFT.html 有很多读者问李叫兽：为什么你年纪不大，经验并不多，但却能擅长复杂的商业策略和文案写作，是如何做到的？ 因此，本文就来回答这个问题：如何成为任何一个领域的专家。 如何成为一个领域的专家？ 有人说主要靠经验，有人说靠天赋，但是大量的研究发现：不论是经验还是天赋，都不是成为专家

a510750的专栏 606

银河麒麟系统V10 sp1，安装wine 9.0

银河麒麟系统V10 sp1 x86_64，安装wine 9.0

daqinzl的专栏 1万+

10年工作经验，只不过是一年的工作经验用了10年而已

如果到了一定的年龄，还是初级测试，或者只会一些简单的自动化测试，那么真的是不好干了。到了一定年龄，企业对员工是有另一层面的考量。这种是最无奈的。如果是这样，企业倒不如去招一个2-3年经验的人，年轻，抗造。前一段时间我也在朋友圈放出过几个职位，蚂蚁金服、猎豹等，35+的人是他们最喜欢的，但是要求能力一定要匹配到。待遇人家直接给够，年薪百万，就看你的能力行不行。35+的人，具备CI/CD能力、持续集成、持续交付，懂测试开发，懂测试运维，懂代码的，真的是挺难招的。说实话，到目前为止，还没有帮他们找到合适的人。

huace3852的博客 3631

Day01 Geant4学习

​ 用来记录粒子在每个step中的信息的，例如位置，能量，动量.例如，假设每一个粒子都有一个属于自己的id，会记录自己的轨迹状态信息就是track，当他发生反应时，就会产生新的id。​ 最终在新建的build文件夹中的vis.mac文件中设置，是自带的，如果有更高的需求可以自己去更改，但是一般都是写好的，设置好了图形界面的一些东西，呈现的自己建模的图形界面多大，需不需要网格什么的。从反应到结束的过程，其中也包括它产生的刺激粒子的反应到结束的过程，成为一个事件event。

LXS_357的博客 933

Kindle使用USB数据线传书封面无法显示问题

不建议按这个解决封面问题，首先USB多次插拔麻烦，其次就是我起初按博主方法没啥问题，后面无论我怎么个顺序都出现了‘暂无图片’，我的建议是在亚马逊退出国内只能USB传书的情况下，下载一个calibre 和。飞行模式下用calibre传书到kindle ,然后用Fix Kindle Ebook Cover 修复一下，后面你要继续飞行模式还是连网随你便，两步完事。2，‘’发送到设备’的时候也最好选择 ‘发送特定格式至’ 选择具体的电子书格式，你的电子书是azw3就选azw3,是mobi就选mobi。

meser88的博客 7416

工作快满5年，聊聊这5年作为程序员中的那些事（文末加了结局揭晓和3年后近况的彩蛋！！）

引言 毕业将近5年了，一般来说，工作5年是一个槛，今天就聊聊俺这5年所作为程序员所经历的一些事吧，分享给大家，希望一定借鉴作用吧。 毕业的彷徨 俺老家是江西的，在大学混了3年多，基本上都是玩过来的，在大四的时候，对于未来的道路，是很迷茫的，不知道自己要干啥，因为自己学的是信管专业，班上一半人想从事金融和管理方面的工作，还有一部分就是从事IT，一部分准备考研，我

风雷恒，君子以立不易方 1万+

基于docker进行安装部署seata，解决Seata的版本与Nacos的版本不匹配

本文分享了在Docker环境下部署Seata时遇到Nacos 3.x API不兼容问题的解决方案。由于Seata 2.0.0内置的nacos-client 1.4.2无法调用Nacos 3.x重构后的接口，导致注册失败。通过下载Seata 2.6.0源码自行构建Docker镜像，并调整启动方式（直接执行Java命令绕过Shell脚本），最终成功实现与Nacos 3.x的集成。关键步骤包括：创建自定义Dockerfile、配置application.yml、处理启动脚本兼容性问题，最终采用java直接运行方案

Dd52698的博客 405

java开发1年经验、2年经验、3年经验区别是什么

java开发1年经验、2年经验、3年经验区别是什么

大连赵哥的博客 1523

[工作流节点10] 获取多条数据并循环执行 —— 明道云批处理自动化实战

本文系统介绍了明道云工作流中"获取多条数据+循环执行"的批处理功能。该功能通过筛选数据集合并逐条处理，适用于批量通知、数据更新等场景。文章详细解析了功能配置方法，包括数据筛选、循环设置和异常处理，并提供了合同到期提醒等典型应用案例。同时强调了数据量控制、分批处理、错误处理等优化策略，帮助用户实现高效批量自动化。这一功能组合能将业务从单条处理升级为批量驱动，显著提升工作效率。

每日出拳老爷子的博客 454

【Coppeliasim｜轨迹规划（三）】机械臂逆解

文章目录一些设置导航点设置添加连接用于碰撞的设置代码实现终端输出 一些设置 导航点设置 关于如何添加设置 dummy 的细节建议参考官方手册，这里不再赘述。 添加连接用于碰撞的设置 按照序号点击（一个是机械臂，一个是所有的物体除了机械臂）： 代码实现 getMatrixShiftedAlongZ=function(matrix,localZShift) local m={} for i=1,12,1 do m[i]=matrix[i] end

【人工智障 | 计算鸡视觉 | 机器孩】 1万+

大专生能进大厂吗？程序员初学者想进大厂有哪些建议？

大专生跨专业学编程做程序员，有机会进大厂吗？我认为，大专生程序员进大厂，不仅有机会，甚至机会很大！

m0_59236602的博客 7213

基于Matlab模拟RANS湍流——详细分析与源代码

在模拟过程中，我们首先定义了模拟所需的参数，包括流体的动力黏度和密度，以及边界条件和网格分辨率。接下来，通过求解平均值方程和湍流涨落方程，我们模拟了湍流的演化过程。在本文中，我们将使用Matlab对RANS湍流进行模拟，并提供相应的源代码。RANS湍流模拟的基本思想是将流场的变量分解为平均值和涨落值，并通过求解平均值方程和湍流涨落方程来描述流场的演化。请注意，以上代码仅为示例，实际的RANS湍流模拟可能需要更复杂的算法和模型。接下来，我们将求解RANS方程，包括平均值方程和湍流涨落方程。

ByteKnight的博客 861

成功逆袭：外包—苏宁—阿里 论我是怎么快速晋升的？，2024年最新你值得阅读的Mysql事物学习笔记

我在开发过程中，总会遇到大大小小的问题，在遇到问题时，我首先考虑的是凭自己个人的能力去解决，会看一下相关的源码，或者Google一下相关的资料或技术博客。简单来说，我的操作就是将自己的目标进行阶段性的拆分，比如我1-3年需要达到一个什么阶段，3-5年要达到什么阶段，然后在这个阶段里继续进行拆分，树立一个一个小目标，然后构成一个大目标，总目标，这样就会容易达到得多了。按照我个人的理解来说，初级程序员更像学生，而高级程序员则需要拥有“独当一面”的能力，而这个过渡是需要时间的，也是我前两年来努力的方向之一。

2401_87555420的博客 679

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")

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制

大专生做外贸，未来职业发展路径是啥？4步逆袭成行业大神的成长指南

此时，建议考取CDA数据分析师（中级/高级），掌握Python、BI工具（如Tableau）、甚至机器学习基础，能预测汇率波动、库存需求、客户流失风险，真正成为“数据驱动的商业操盘手”。我认识的一位大专生小王，在第三年考了CDA数据分析师（初级），用Python爬取行业论坛评论，分析出客户最在意的3个痛点，优化产品页后，团队转化率直接提升25%！🏆 三、突破期（5-8年）｜从“执行者”到“决策者”：要么当专家，要么当老板！经验让你“能做事”，而证书让你“被看见、被信任、被提拔”。

XIAOYU672013的博客 1471

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包

限量首发！Alibaba首次公开“Java成长笔记”，看了后直呼差距真的不止一点点

前言 关于技术人如何成长的问题，一直以来都备受关注，因为程序员职业发展很快，即使是相同起点的人，经过几年的工作或学习，会迅速拉开极大的差距，所以技术人保持学习，提升自己，才能够扛得住不断上赶的后浪，也不至于被“拍死”在沙滩上。 近日，经过一朋友的透露，Alibaba也首发了一份限量的“Java成长笔记”，里面记载的知识点非常齐全，看完之后才知道，差距真的不止一点点！ Java成长笔记主要是将Java程序员按照年限来进行分层，清晰的标注着Java程序员应该按照怎样的路线来提升自己，需要去学习哪些技术点。

Java_chain的博客 219

温度PID控制PLC程序

温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值

低门槛高含金量证书｜2026年职场人必考的“黄金敲门砖”

看完上面的证书，你可能会纠结：都很好，我该先考哪个？如果你希望快速切入未来3~5年最热的赛道，且不想被限定在某个专业领域，CDA数据分析师是最佳选择。因为无论你从事财务、HR、市场、产品还是运营，数据分析能力都能让你脱颖而出。它不像CPA那样只针对财会人，也不像教资那样只针对教育行业——数据分析是“万金油”，是AI时代每个职场人的“第二语言”。而且CDA的报考门槛极低、企业认可度爬升迅猛，2026年考下它，等于提前锁定了通向高薪岗位的快速通道🚄。行动起来吧！

cda2024的博客 65

哪些证书对学历没硬性要求？高职生必看

在职场竞争中，学历并非唯一敲门砖。对于高职、中专或大专学历的学生，【通过高含金量证书弥补学历短板】是逆袭的关键策略。以下是精选的【不限学历、高认可度证书】及配套提升路径，助你快速突围职场。

2501_93367079的博客 498

争议中的分销式社交电商能走多远？

争议中的分销式社交电商能走多远？ 最近和几个做社群经济的大咖朋友聊天，都谈到今年火遍朋友圈的社交电商。社交电商到底有多火？据中商产业研究院《2018中国社交电商行业发展报告》显示，2018年社交电商市场规模达11397.78亿，增长速度高达66.7%。一些互联网巨头及大型科技公司都孵化有自己的社交电商app平台，如阿里淘小铺，京东拼购、唯品会云品仓、苏宁投资的达令家、百度投资的蜜芽，360投资的未...

artmeimei的博客 1113

从软件外包到阿里技术专家再到CTO，他究竟是如何一路晋升？

技术界流传着许多未经验证的“定论” 例如： 程序员必然是千年格子衫牛仔裤； 日常脱发，大腹便便； 能进阿里必有着顶级高校学历； 管理层基本不写代码；   ◐ 然而，他，似乎与这些定论大相径庭。 · 36岁的他，依旧黑发稠密，体态良好，丝毫没有中年男人的油腻，谈吐间可见他的儒雅与温和； · 专科出身，曾是当地国税局的一名小小

程序猿DD 9865

程序员都是怎么进大厂的，这几点你一定要知道！

收下这份攻略，祝大家 2024顺利成为大厂程序员！这里有一份我爆肝两个月整理出的《2023 Android中高级面试题合集》，内含最新版本的八股文和大厂最新的面试题，都是今年的新知识点。

大模型训练 1637

大专还有机会进大厂吗？？

我虽然是做培训的，，，但是每当遇到这样的问题，，我总是不知道该如何的回答，，，我很想安慰你，但是说出去的话，只能打击你！！我不是神呢！以往有大专进大厂的案例，现在基本为0了。虽然我很想挣你的钱，但是我知道，我不可能给你画饼的，因为这个饼硌🦷 * 如果你以前没有进过大厂，没有一线大厂的履历，以后应该也不会了，至少今年这个行情下，985进大厂的都不多，你99.9999%进不去了，留下0.0001%给你幻想下。

m0_56144365的博客 419

大专生如何进大厂？

即使你没有这样的运气，你也可以在简历上注明你的项目并应聘大厂的工作。只要你掌握的技能能够对你的本职工作有帮助，比如英语能力、MBA学历或其他相关的技能，你就能实现通过这些技能快速提升自己的效果。他们设置学历门槛，并明确表示要求985，211毕业的人才，主要是为了筛选那些假优秀的人才，留下真正强大的人才。对于IT行业的人来说，最有效的方式并不是写博客、写书等方式，虽然这些方法也有一定的效果，但比起成本投入，产出可能并不高。如果你没有优秀的学历，但能够通过各种方式证明自己是优秀的，那么你仍然有机会进入大公司。

2301_76933148的博客 1585

非技科！大专生苦学37天，五轮面试，六个小时灵魂拷问，含泪拿下阿里 offer~

先纠正一下大家的错误认知，大专学历不是不能进大厂，只不过很难罢了，比如阿里就有很多大专学历的人； 学历低想进大厂很难的，不光需要的技术足够厉害，还需要有合适的内推人（人脉）以及恰到好处的机遇 当然，也不是所有大厂都像阿里这样，很多大厂学历都是硬性指标，学历不行，谁内推你也没用！ 背景 非计科大专一枚，当初学的机械自动化专业。大学完全可以说是玩过来的，临近毕业开始慌了，毕业后一直没能找到工作，在高中同学（211 计科）的引领下，入坑程序员。 从一开始的 4K 起步，一直到三年后的 14K，毫不夸张的

kxkxyzyz的博客 605

没背景、没学历？专科生进入互联网大厂是不是真的没希望？

像BAT这类大厂，本科学历技术能力60分就能进，专科就得90分，这就是现实。当学历差成为我们阻碍的时候，如何用实力拉开差距就变得至关重要了。如果真的想进大厂，也可以在提高能力的同时，拔高我们的学历，只要每天都比别人多努力一点点，那一定能够赶上优秀团队的步伐。你多付出的每一丝丝努力，都会成为将来数不清的机遇。

h1453586413的博客 1049

阿里晋升

职级 阿里巴巴内部晋升的渠道有四步： 1）晋升资格：上年度KPI达3.75，这个是比较普遍的晋升机制。 晋升是很高的认同，预示着伟组织承担起更大的责任，需要有利的证明，包括结果和过程都符合要求，且高于一般。4月1日 KPI，5，6月答辩，7月1日按新职级运行。 2）主管提名： 年度晋升的提名方式是自主提名和主管提名并行。阿里要求主管识人善用，也鼓励员工自我表达，不管是主管提名还是自主提名，提名评...

kuaileyichu的博客 4829
上一篇： 我滴天！腾讯技术专家编写“架构师速成手册”，登顶只需7天
下一篇： 2021分享三面阿里：Java面试核心手册+Java电子书+技术笔记+学习视频
点赞 0
评论 1
书签 书签 0
java架构师小芷
java架构师小芷
博客等级 码龄6年 216粉丝 519原创
+ 关注 专栏目录 订阅专栏
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 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