总结2012和2013,展望2014

一位应届毕业生分享了从校园走向社会的经历,包括在不同公司的工作经历和技术成长过程,涉及项目开发、团队管理及技术挑战。

       2012上半年,我还是一个大三的学生,临近期末考试,同学们的心都早已经飞了出去,因为大四没有课,意味着分别。去哪儿?主要分5个方向:培训、直接找工作、考研、出国、回家结婚。我属于第二部分,我在准备着去北京的“旅途”。

       大三期末考试完毕,正值酷暑十分,因为要去北京,也就没有回家,而是定了一张7月14日的火车来了北京,说真的,这是我第一次来北京。到了北京,在同学们的帮助下暂找了一个地方,住了起来,就开始在网上投简历(58同城),说快也快,4天的时间我就收到了人生的第一份offer。但是个小公司,但当时根本没有考虑,只想着先工作,所以就很快入职了。

        这个公司主要是做监控的,我的职责就是开发对新硬件进行监控的程序。真难,对于刚刚入职的我来说,你知道是什么硬件吗?简单的有控制IP打印机打印相应的内容(杭州地铁信息发布系统)、控制生成并控制传真打印相应的图片(杭州地铁信息发布系统)、短信群发(杭州地铁信息发布系统)-分两种,移动短信平台(webservice)和短信猫;复杂的有对烟雾报警设备接口的开发(力坚IFD,中纳ADAM,ASD,VSD)(国家计算机安全管理中心设备监控系统),使其融入到系统,以监控烟雾报警设备所在区域的烟雾浓度,全英文文档,没有人指导,做JAVA开发(跨平台)的就我一个,更难的是这些设备是工作在网络层下面的,也就是说这些设备是没有IP地址的,大家都知道,我们现在通行主要就是利用Ip地址和相应的端口进行远程通行和监控。但是现在我要通行的设备竟然是没有Ip的,那怎么通信呢,经过看设备的英文开发文档,原来是利用串口进行通信的。具体的怎么开发,我就不再详细描述了。总之走下来,我克服了很多,也学会了很多。

       在这个公司,我主要参与开发了两个系统,第一个就是杭州地铁信息发布系统,并去现场部署与用户交流。从这里面我加深了对java并发编程的理解,以及把java程序封装成软件包以服务的形式安装运行(windows和linux)了解java编程的核心还是对java底层的理解。第二个系统就是国家计算机安全管理中心设备监控系统,我主要做的就是新硬件设备接口开发,从中学到了串口通信的知识。

       由于某些原因吧,我干了3个月就离职了,从2012年11月份我就到了第二家公司,这家公司主要是做关键词优化的,我进去后主要负责国家惠民返款网站的设计开发,因为在学校的时候已经带过几个人开发过几个校内使用的系统所以我在这方面感觉还是可以的吧,最后我带了4个人(1个美工,1个一年经验,2个刚实习出来)进行开发,因为周期比较短,一个月内上线,开始仅有一个之前版本的系统(只能从网上看一点点页面,因为不是我们的,而且还没有注册),相当于我们是二次开发吧,但基本上是重新开发。因此我们用眼下最流行的技术SSH快速开发了出来,只是原型,服务器是redhat 64位的,远程操作,Web服务器开始是apache+tomcat,后来改成nginx+tomcat,都是集群加负载均衡,开始时是粘性session,后来改成把session存储在memcached里面,非粘性,以及http缓存,方法缓存,数据库缓存,url伪静态,图片懒加载等等吧。后来在这基础上,和国安部们合作推出天天惠民网,和公司的管理系统融合形成现在的系统。网址是www.365huimin.com

 

        在这个公司,相当于我总共参与设计并开发了3个系统吧,第一个就是开始说的惠民返款网,第二个就是公司综合管理系统,第三个就是天天惠民网。只不过现在的系统是把这3个系统给融合成一个系统了。从这3个系统里面,我学会了如何带领一个团队,如何快速开发,设计和知识是多么的重要,因为,你没有很好的知识,你是设计不出来很好的系统的。其实设计就是按照现在已经具有的技能去拼装,组合,最后形成一个解决方案。因此设计一个好的系统,必须有一些经验很丰富的人才行。


       又或是因为某些原因吧,到2013年7月就离职了,刚好也是自己才真正大学毕业。期待着能够找好一点的公司,比如外企,上司公司,著名公司,比如ibm,用友,三星,京东,淘宝等等吧。理想是丰富的,现实是残酷的。这次面试,我只在智联招聘投简历,面向大公司。后来经过一个月的面试吧,我面试了用友的两个子公司,没上市、方正集团、东软和我现在的公司。最后经过仔细考虑,来了现在的公司。

       这家公司是做网管发家的,当然我也是做这个的,在一个独立事业部任职。据说这家公司在网管领域业界第一,好像我感觉确实也是,挺大的。我的职责就是对现有软件的维护和升级,以及开发新需求和windows、linux、unix系统采集脚本的开发。

       说到这,2013年已经过去了,说真的2013年,我学到了许多,从负载均衡和集群到各种缓存,再到redhat,ubuntu,suse,solaris,aix,hp-unix等等类unix脚本的开发,再到hadoop的环境搭建,测试,运行。这一年也读了几本很有用的书,从鸟哥的私房菜-服务器篇、ext4指南、深入理解JVM虚拟机、JAVA并发编程实践、maven配置管理以及还没有读完的osgi从入门到精通。总之这一年上半年开心的结束了大学生活,到现在正式工作,努力赚钱糊口。

        2013年已经过去了,今天晚上我就要坐车回家过年了,就想写点东西纪念一下吧。对于2014年的展望,就是想好好的学习英语,稳打稳扎的学习专业技术,交一些好朋友,好同事,还有就是想我女朋友一起去苏州了,去苏州看看,是否要扎根于那里,想想自己也不小了。
 
 
  
 


 

 

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4络安全与数据保护理论讨论络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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