非科班转码，上岸小公司我也很满意了

大模型应用场景 大模型应用场景 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 400+累计阅读 424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5年
关注
原创 2024-01-09 20:58:52 424 阅读 AI 写同款· GEO 优化 ›
已上岸，这是一个测试开发岗的基础知识整理。 正文前面先一个碎碎念，放在后面的话可能就没人看了233。我本科非科班，秋招找非技术岗工作失败（无法通过群面）于是春招转码了。谁又能想到春招形势严峻比秋招还严峻….我太难了我太难了！！！！2月末开始投简历，3月份开始面了tplink、字节、美团、广立微电子这四家公司，然后这边最近春招结束，受了牛油们的很多帮助！感谢！所以来发下自己整理的一些知识点来回馈牛油，或许明年有人能用上？我春招投的岗位都是测开/测试，测试涉及的东西太多啦反正你最好啥都懂呗，面试常见题以及我被问到过的题都加进去了，Python和操作系统部 阅读详情

一、个人背景

大家好啊，我是瑶瑶，23届的小透明一枚，我是我们班唯一一个女生，某种意义上说我就是班花啦嘻嘻嘻。

目前在四川这边读书，明年就要毕业了，已经找好工作了，是成都一家小公司的前端开发岗位。

其实自己读的专业是土木工程，其实我大学本来报考的专业是电子商务的，但被调剂到土木了，大一努力了一年也没能转专业成功5555~。

大学没什么值得说的，因为我们班只有我一个女生，平常吃饭都是一个人，后来我跟商学院的一个女生成了好朋友，大学几年过得才不至于很孤单，周末出去逛吃逛吃也有人一起了。

自己关注秀哥很久了，最早是在知乎上关注的，也看到过很多秀哥分享的互联网上岸经历，去年三月份自己下定决心开始自学，为的就是走出深坑。

二、想来互联网

我想来互联网是经过自己深思熟虑的，提桶跑路这个梗大家都知道，这里需要配个经典图了哈哈

我也想提桶跑路，甚至说我桶都不想提，想直接跑路哈哈哈哈。。。

1、为什么选择互联网

自己选择互联网原因其实主要有三个：

第一、钱多，这是个很直白的问题，我是农村出来的，对钱的概念感触很深，小时候看着其余小朋友可以吃到奶油蛋糕，心里别提有多羡慕了。

一样的学历，加着同样的班，而计算机的同学第一年就拿你工资的两三倍，工作环境更是舒舒服服的，高楼大厦一样的写字楼；前景和工作环境对比之下，你不破防？

第二、身边人有成功上岸的例子，老实说，一开始我也不相信自己能上岸互联网，也不相信互联网愿意招我们这种其余行业转过来的。

但我们大二的时候看到有大四学长上岸成功 + 自己在阿秀公众号上看到很多上岸分享也都是其余专业的，机械的能行，土木为什么不行？

当你身边有这样的例子发生的时候，你就有信心了。

第三、互联网的前景还算不错，当然这是跟土木相比，据那些已经转行成功的学长学姐在大四做分享的时候说互联网比土木好多了，自己虽然也在互联网上看到很多人唱衰计算机，但那都不能阻拦我想要转行的决心。

2、为什么选择前端

下定决心自学后，自己也做了一些调查，问了一些身边人的建议，也去咨询了秀哥，很感谢秀哥给我的指导和建议，他真的很细心。

虽然现在不怎么跟他发微信了（主要是知道他可能会很忙），但自己上岸后还是第一时间跟他说。

果不其然，到晚上了他才回我，可以理解哈哈哈，毕竟字节这种大公司都很忙，然后跟他说想要给他投稿的事。

说远了说远了，最终我选择的是前端开发岗，因为据秀哥说前端的竞争会比Java后端、算法岗这些小很多（科班大部分人的求职方向就是Java或者算法岗），C++相对有点难，不太适合女生。

3、总结

所以前端这个岗位对于非科班的我来说：

  1. 不要求特别好的计算机基础，我只需要有针对性的去学习前端的知识即可，学习成本小很多。

  2. 有正向反馈，我问过秀哥，他跟我说学习前端的时候，可以实时预览自己的成果，给我最直观的感受。

  3. 学习曲线整体平缓，前期只要努力坚持下去，就能掌握企业要求的能力标准，虽然后期需要大量学习新知识，只要能上岸就行，后续慢慢努力就行，很适合我了。

以上就是我的调研，下面说说我的自学之路。

三、我的自学之路

我是大二下，也就是去年的三月份正式开始前端学习的，因为自己是0基础开始转计算机，所以最开始的两三个月比较痛苦。

不瞒你说，我以前一直以为计算机就是修电脑的，甚至认为学计算机要去用电焊焊接电路板，，，

我一开始是通过看视频的方式来学习，入门了之后就开始看书和高级一些的视频，我认为视频虽然简单易懂但是效率太低。

这里推荐一个《计算机速成课》，也是秀哥推荐给我的，真的超赞。

地址：https://www.bilibili.com/video/BV1EW411u7th

我前端整体掌握的技术栈并不全面，也不够充分，但用来找工作，参加校招也足够了，主要如下：

  • 前端三大马车：html、CSS、 javaScript

  • 操作系统（一丢丢即可，很少）、计算机网络（这个比较重要）、数据结构与算法

  • 前端框架：Vue

  • node和webpack（大致知道即可）

这里顺便推荐一下最近刚在秀哥网站上看到的《计算机校招基础学习路线》，以前没看到，好像是最近刚上架的，其中的计算机网路跟我学过的东西基本一致，确实是速成路线哈哈哈。

地址：https://interviewguide.cn/notes/02-learning_route/01-basic-project/quick.html

HTML:这个其实是最简单的，主要是一些标签的学习和使用，我花了一周时间在bilibili上看了pink老师的教学视频就完事了。

https://www.bilibili.com/video/BV14J4114768

CSS

CSS的学习也是上面那个视频，后来又看了一本《CSS进阶之旅》

JavaScript

前端三大马车最重要的就是JavaScript了，JS也是我接触的第一门编程语言，所以我在JS上面花了很长的时间。

不仅看了Pink老师的JavasCRIPT视频，也看了尚硅谷的，还看了红宝书，也就是《JavaScript高级程序设计》。

不要被这个书名吓到了哈哈，其实这本书很基础的。

Vue

Vue的学习我参考了秀哥在朋友圈发的路线，主要是黑马的Vue视频，讲得很全，后来也看过一本《深入浅出Vue.js》，买过一个掘金的Vue专栏。

操作系统

前端这块操作系统其实不怎么考察的，你把秀哥网站上的操作系统稍微看一看就可以绝对可以应付面试了。

计算机网络

计算机网络比较重要，不仅看了《图解HTTP》《图解TCP/IP》还看过很多博客，也花了很多时间去学和记计算机网络相关的内容。

数据结构与算法

前端相较于后端来说对算法要求比较低，但在具体面试过程中也会考察很多。

视频：青岛大学王卓老师的数据机构视频（B站就能搜到）

书籍：《大话数据结构》《数据结构与算法JavaScrip描述》《剑指offer》。

最重要的就是多去力扣刷题了，自己刷的也不多，比不上那些动不动就五六百道的，我在力扣上大概刷了300多道。

四、我的一些面经

由于自己是成都人，所以投的简历也都在成都附近，现在上岸的是一家成都的创业公司，给我开了11K/月，已经很满足了。

下面是我的一些面经，由于是创业新公司，一共就两面。

1、一面

1.自我介绍

2.原型链 new一个对象的过程中做了什么

3.call() bind() apply()

4.CSS 怎样水平垂直居中

5.CSS3缩放、旋转相

6.https握手过程

7.鼠标点击和松开事件绑定

8.实现继承的方式

9.var、let、const的区别

10.position绝对定位和相对定位

11.为什么HTTP使用的TCP不是UDP？

12.怎么实现图片随鼠标光标的移动

13.ES6新增

14.算法题:合并两个有序数组 (这也太看不起我了吧

)

15.看我很快A了，又给出了两道分别是：返回nums中两数相加为9的下标和最大上升子序列，都是力扣上很简单的题，我直接就A了。

当场告诉我过了，让我等一下，20分钟后二面开始了

2、二面

二面是个姐姐，看着很英姿飒爽的感觉

1.自我介绍

2.常见的头部字段

3.实现不定高子元素在父元素内垂直居中，水平左对齐

4.position的值

5.常见状态码，详细让我说了一下404

6.跨域，cors跨域的常见字段

7.甲乙轮流抛硬币，正面胜，先抛的人优势多大？

8.你印象最深刻的一件事

9.你觉得困难的事，怎么解决的

10.校园活动有哪些，具体喜欢干什么

11.你最佩服的人是谁？为什么

12.高考是否失利了？

13.怎么没考虑考研

14.三个词形容对自己做一个总结

15.我们是小公司，介不介意过来做事？给你发offer会来吗？（必须来啊！）

然后就是让我回去等消息，三天后发来邮件说我过了

五、写在结尾

看了自己同班的同学在找工作的样子，我只是觉得有时候真的是选择永远大于努力。

有人说：“选择不重要，不管选择那条路，只要我们努力就够了"，但我觉得还真不是，如果你一开始的方向就错了，跟别人的差距只会越来哦越大。

二十多岁的年纪正是在人生阶段的关键节点，选择总是大于努力，因为我们已经没有试错的成本了，我们也不再年轻。

最近我们班有男同学在跟我请教转行的经验，但我已经上岸了，他们才刚开始。

所以如果可以的话多为自己以后想想，不要每天生活在校园这个象牙塔里，想转行要趁早，

还有就是多刷面经，多刷题，想要高薪就自己多用功就可以，可以去牛客网刷，也可以去力扣上刷或者直接去秀哥的星球里刷。

对于跟我一样打算转行打算的姐妹们，不要胡思乱想，有时候男生可以的，我们也可以。

最后免费分享给大家一份Python全套学习资料，包含视频、源码，课件，希望能帮到那些不满现状，想提升自己却又没有方向的朋友。

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。在这里插入图片描述

二、Python必备开发工具

在这里插入图片描述

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。 在这里插入图片描述在这里插入图片描述

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。 在这里插入图片描述

五、Python练习题

检查学习结果。 在这里插入图片描述

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。 在这里插入图片描述在这里插入图片描述

这份完整版的Python全套学习资料已经打包好，需要的小伙伴可以戳下方链接免费领取

标签
#前端 #开发语言 #python #职场和发展 #面试
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。
利用GPAC生成MP4文件 GPAC主要针对学生和内容创作者，代表了一个跨平台的多媒体框架，开发人员可以使用它在 LGPL 许可下制作开源媒体。GPAC多媒体框架兼容范围广泛的流行文件类型，从常见格式(如 AVI、MPEG 和 MOV)到复杂格式(如 MPEG-4 系统或 VRML/X3D)和 360 电影。 阅读详情

相关推荐

DIKW模型实战：用Obsidian打造个人知识库的5个关键步骤

本文详细介绍了如何利用DIKW模型在Obsidian中构建高效个人知识库的5个关键步骤，从数据收集到智慧应用的全流程实践。通过标记系统、信息加工引擎和知识结晶方法，帮助知识工作者实现从原始数据到决策智慧的认知跃迁，提升个人知识管理效率。

gamma的博客 578

非科班转码，春招总结！

作者：阿秀校招八股文学习网站：https://interviewguide.cn这是阿秀的第「263」篇原创小伙伴们大家好，我是阿秀。欢迎今年参加秋招的小伙伴加入阿秀的学习圈，目前已经超过 2300+ 小伙伴加入！去年认真准备和走下来的基本都拿到了不错的offer，我想多看看他们的经验一定能让你们少走很多弯路！分享一位师弟的春招总结，这位师弟是通信专业，本来是打算走算法岗，结果看到去年一些师兄师姐...

博客 870

JavaScript 书签脚本实战：腾讯/优酷/爱奇艺等5大视频站m3u8链接一键提取

本文详细介绍了如何使用JavaScript书签脚本一键提取腾讯视频、优酷、爱奇艺等五大视频平台的m3u8流媒体链接。通过分析播放器内部对象结构，开发者可以高效获取视频源文件，避免录屏画质损失。文章包含各平台适配方案、实战增强功能开发及企业级解决方案设计，帮助用户快速掌握这一实用技术。

weixin_27945229的博客 610

23届非科班选手秋招转码指南

秋招是一个长期的过程，要保持心态，工作肯定是能找到的，毕竟年年说最难就业季，年年也都这么过来了，不要渲染焦虑的情绪，吓到的只有自己。最后留一个联系方式VX：yg1278471368。祝愿大家秋招顺利！

m0_56561130的博客 1905

arduino uno spi驱动12864

arduino uno spi驱动12864

yvee的博客 2060

进阶数据结构——链式前向星

链式前向星是一种进阶的数据结构，主要用于图的存储。我希望大家先看这个视频（蓝色字体点进去） 不然你很难理解的。在图论中，图的存储方式主要有邻接矩阵和邻接表两种。邻接矩阵虽然建图简单方便，但占内存较大，节点数量稍微大点的题目就难以使用（适合稠密图）；而邻接表虽然节省空间，但其指针形式难写易错，且vector形式的读取速度较慢，易导致大数据下的超时（TLE）。针对上述问题，链式前向星作为一种折中的方式应运而生。链式前向星本质上是一种静态链表，它将数据以链表形式连接在一起。

ycs66的博客 2137

非科班本科普通人转码攻略

转行计算机难度不高，只要你现在还是大一大二，学会java基础和数据库，92的实习双选会找一份相关实习很简单，大二大三暑假去实习，垃圾点的小公司基本上会增删改查就要，有了实习经验，后面有空补补计网，操作系统，数据结构，流行框架，linux基本操作，刷力扣，跟视频做一个项目，背八股，大厂也有一丁点希望。就算进不了大厂，校招入行绝对没问题，北京地区最低12k(校招12k的活基本没有996，而且这个水平是指绝对的普通人，没有任何亮眼经历，只有双证毕业，一份普通小公司实习，java加数据库，还有学习路上你一定会学会的

wwxy1995的博客 2145

TMC2209的UART模式详解：如何用串口调试助手配置细分和电流（避坑指南）

本文深入解析TMC2209步进电机驱动器的UART模式，详细讲解如何通过串口调试助手配置细分和电流，包括硬件连接、通信协议、关键寄存器设置及高级功能应用。提供实战避坑指南，帮助开发者优化步进电机控制性能，适用于精密仪器、3D打印等场景。

weixin_29166013的博客 541

2021本科双非非科班的前端爬坑路

网易有道实习 一面凉 js对象如何遍历？原型上的方法和本身的方法？ cookie , sessionstorage,localstorage的区别？ Vuex的应用场景？ 节流和防抖的区别和应用场景？ 如何实现跨域，什么是跨域？ Map和Set的区别？ 一些项目上的问题？ 手撕代码一共三道 第一道数组去重 我用了 var arr = [1,2,2,3,3,4] function newarr (arr) { var res = []; for (var i in arr) { if (res

qq_44988115的博客 572

从零开始：如何用Python建立你的第一个人工智能模型

在这篇文章中，我们将介绍如何从零开始使用Python建立你的第一个人工智能模型。无论你是刚接触编程的新手，还是有经验的开发者想进一步探索人工智能领域，这篇文章都将为你提供清晰、详细的指南。我们将一步步探索数据预处理、模型建立、训练和测试的过程，以及如何解读模型的结果。

Allen1862105的博客 4万+

Flink上传的Jar包去了哪里？大数据

在使用Flink时，我们通常会将应用程序打包成Jar文件并将其上传到Flink集群以执行。总结起来，Flink上传的Jar包实际上会暂时存储在JobManager的本地文件系统中的一个临时目录中。在上传过程中，Flink会将Jar文件存储在JobManager的本地文件系统中的一个临时目录中。一般来说，Flink会在。希望本文对你解答了Flink上传的Jar包去了哪里的疑问，并且能够帮助你更好地理解Flink的工作原理。接下来，我们可以使用Flink命令行工具将Jar文件提交到Flink集群。

AlianBlank的博客 865

顺利上岸字节电商后端，但也真的很不顺利

作者：阿秀校招八股文学习网站：https://interviewguide.cn你好，我是阿秀。这是最近分享2023届的秋招提前批&正式批的上岸和面试经验的第六篇，前五篇如下：7天五面，提前批顺利上岸飞书后端上岸快手，我选择一条不一样的路三无人员简历挂麻了，磕磕绊绊终上岸字节后端不管那么多，offer先接了再说非科班转码，上岸小公司我也很满意了如果要问两年前计算机校招中最卷的是哪个岗位？那...

博客 733

大数据领域数据产品的交通运输行业应用

您是否经历过早高峰被堵在桥上，看着导航显示“前方5公里缓行”却无能为力？是否见过货车司机绕远路导致成本飙升？这些“交通痛点”的背后，是传统交通管理依赖经验决策的局限。本文将聚焦“大数据数据产品”这一核心工具，从技术原理到实际应用，全面解析它如何为交通运输行业“开天眼”，解决从城市拥堵到物流效率的一系列难题。本文将按照“问题引入→概念拆解→技术原理→实战案例→应用场景→未来趋势”的逻辑展开，用生活化比喻降低理解门槛，用代码和数学模型提升专业性，最终帮您建立“大数据+交通”的完整认知框架。交通数据。

操作系统内核探秘的博客 237

秋招这么卷，想run春招

作者：阿秀校招八股文学习网站：https://interviewguide.cn你好，我是阿秀。今年秋招形势可能有点严峻，相信很多学弟学妹都已经感觉到了，很多人就会生出一个想法："既然每一届的校招都是由每年7-10月的秋招和来年3-5月的春招组成的，秋招这么卷....眼看自己上岸无望，自己也没准备好，那为什么不把宝压在明年的春招上呢？"很多微信好友都问过我这个问题了，刚好昨天学习圈内也有几个圈友私...

博客 397

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

字节上岸成功，整理一波测试开发岗的基础知识，含答案

近期一直在忙着上线测试，过程中也梳理下日常通用的发布测试流程。 一、计划制定阶段 产品经理： 确定需求范围，需求评审后提供PRD及原型。 研发、测试： 评估工作量，整理研发、测试计划。 产品、研发、测试： 沟通协定封版时间以及发布日期。 二、测试前的准备 需求整理确认：确保前期明确的需求均包含在版本中。 相关制品整理：主要升级包和安装包。 测试环境准备：分为安装环境和升级环境。 版本发布测试计划整理，明确具体事项，明确负责人，明确相应的日期，便于跟踪监控。 eg： ..

6638

NTscan扫描工具

ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。

小厂10K vs 大厂20K，咋选？

作者：阿秀校招八股文学习网站：https://interviewguide.cn这是阿秀的第「190」篇原创你好，我是阿秀。考虑到十一过后可能大多数互联网公司都会陆陆续续开奖，接下来一段时间也会为阿秀的学习圈中一些小伙伴提供一些offer选择的建议和意见，并将其中一些比较典型的offer选择的分享一下。先说一下这篇文章的主人公并不是今年的应届生，而是22届的一名学弟，其中文中的对话也是发生在去年2...

博客 360

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")

offer选择，哭了，我又被倒挂了。。。

作者：阿秀校招八股文学习网站：https://interviewguide.cn这是阿秀的第「196」篇原创你好，我是阿秀。这几年秋招开奖的时间基本都是在国庆后，今年也不例外，国庆节后陆陆续续一些公司已经开奖了，比如百度这种互联网大厂，一些手机厂oppo、中兴这种偏硬件的厂，还有Tplink，都陆陆续续开了。最近两天阿秀的学习圈中有些学弟学妹都在分享一些上岸经验和offer比较，今天就来分享一个薪...

博客 3075

面试季，太狠了。。。

作者：阿秀校招八股文学习网站：https://interviewguide.cn这是阿秀的第「247」篇原创小伙伴们大家好，我是阿秀。上周六的时候我处理了一下我的学习笔记仓库的issue问题，来对自己以前的学习笔记做一些勘误，有些错误是网友直接通过github上提的。很多issues对于一些已经解决的问题，我会贴上一个标签已解决，防止下回再做无用功，而对于一些比较好的建议，我也会贴上一个标签好建议...

博客 3777

不要再盯着大厂了，这16家中小厂我建议你也试试

作者：阿秀校招八股文学习网站：https://interviewguide.cn你好，我是阿秀。今年形势比较严峻，上周，也就是 9.15 号，鹅厂也开了今年的校园招聘，刚开就上了知乎热搜。后来被人扒出来后端大概就 68 个HC左右，前端15个，测开/测试12个，算法15个左右，加起来刚破三位数。这让我想起来，美团开始2023届校招的时候，知乎在喷美团去年10000+HC，今年5000+；字节跳动开...

博客 2092

九月，从我的第五次居家办公开始

作者：阿秀校招八股文学习网站：https://interviewguide.cn你好，我是阿秀。这几天成都疫情来势汹汹，各位应该都能刷到相关新闻，但其实上海这边自从六月份解禁后，疫情就一直没断过，局部地区一直偶有爆发。是的，这次终于轮到我成为局中人了。上一次疫情离我这么近，还是三月-六月的凶猛疫情，上海全城封禁，一时间物价飞涨，一斤西红柿甚至涨到20块，一个鸡蛋也能涨到4块，即使这样你能抢到就已经...

博客 232

校招笔试一直跪？那你会骗分吗？

作者：阿秀校招八股文学习网站：https://interviewguide.cn你好，我是阿秀。这段时间随着大多数互联网公司都开始正式批，很多小伙伴也在陆陆续续的开始投递简历，其中不少人都收到笔试通知，多的甚至一天三四场笔试都正常。我记得自己以前校招的时候，八月中下旬和九月上旬正是笔试的高峰期，最多的时候一天做了5场笔试，2场面试。可以说一天除了吃饭上卫生间，不是在笔试，就是在笔试的路上；不是在面...

博客 1141

24届春招平均薪资出炉！互联网行业薪资15.3k，你达标了吗

牛客上硬件的资料好少，秋招想找硬件岗的话实习是必要的吗，感觉硬件的实习岗就那几家大厂有开，我感觉大部。帮朋友问的，帮朋友问的，帮朋友问的不是我喵朋友秋招想进金融科技的国企（比如银行交易所），因为家在上海。27届双非一本，目前在学校ACM队，打过几场比赛也拿了一些小奖（破铜），学校的计算机专业还算可以，在。3月初到现在，腾讯面了两次，美团面了两次后端开发一次测开，都是一面挂，后面还面了个小厂也是挂现在想备。后端日常实习岗位，上周五中午一面的，到现在没有消息，希望能够有二面或者被其他部门捞一下吧，真的好想去。

2301_79125431的博客 1461

认真推荐几个高质量的原创公众号

当今人工智能方向越来越卷了，系统化学习能够让你高效的利用时间，达到事半功倍的效果。今天给大家推荐10个优质原创公众号，助你在系统化学习的路上一臂之力。五角钱的程序员号主是个95后的重庆小哥，本科就读某三本院校，通过自己的不断努力，现在已经是一名计算机技术的硕士研究生，是一位非常厉害的小哥。他有一个非常硬核的公众号，硬核到让本就不多的头发更少了，hhh，开玩笑。除了分享很多干货，同时分享自己的成长经...

极客重生 1012

Jackson 序列化 / 反序列化注解 完整版笔记

Jackson 序列化 / 反序列化注解 完整版笔记

handsome_sai的博客 281

【项目推荐】基于 SpringBoot3 + Spring AI 的游泳馆管理系统：Agent + RAG + Function Calling 一次学全

它不是玩具 Demo，而是一个「业务 + AI」双主线交织的真实系统——预约业务在跑，AI 客服在旁边实时查库作答，两条线通过 Function Calling、RAG、站内消息串成一体。面试官问「你做过什么 AI 项目」时，你能从业务场景讲到架构取舍，从 RAG 切分参数讲到降级兜底——这和「我调了一下 ChatGPT 的 API」是完全不同的两个段位。项目已包含完整的建表 SQL、初始化数据、部署文档，克隆下来就能跑。获取方式：见文末说明 / 后台回复关键词获取。—— 完 ——

深耕开发，专注编程实战。分享源码解析、项目搭建、问题排查笔记，沉淀技术，持续更新。 347
上一篇： 关于程序员简历造假，只能说太 “勇” 了
下一篇： 三无人员简历挂麻了，磕磕绊绊终上岸字节后端
点赞 1
评论 0
书签 书签 1
大模型应用场景
大模型应用场景
博客等级 码龄5年 7648粉丝 1350原创
+ 关注
评论
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