多数网工碌碌无为,都是败在这件事上

网工自动化运维,转身多么重要 一.网络工程现状 传统网工,命令行配置,是咱们的看家本领(不是VLAN一把梭那种啊)。一个网络工程项目,需要配置哪些东西呢?就拿我自己经常接触的运营商骨干网络来说,一般是这样的步骤: 1.IP地址 (IPv4 IPv6) 2.管理通道(SSH、NETCONF) 3.静态路由(一般是管理或特殊业务路由发布) 4.动态IGP协议(现在运营商多为IS-IS) 5.MPLS/TE (传统方式LDP/RSVP-TE,目前更流行的是SR-BE/TE,激进一点的使用SRv6) 6.BGP各种地址簇能力的pe 阅读详情

大家好,我是老杨。

这周是网络安全周,博览会的现场很热闹,我也被邀请去参观了一圈。

主要是学习观摩各大厂出的最新的安全产品、解决方案等。

这几天,也遇上了不少大佬。

有从路由交换转到安全的,也有从渗透转到防御的,甚至有半路转行进来的朋友。

和这些大佬们交流,能发现他们身上有很多的共通点,比如说,他们都对自己未来的方向认知很清晰。

而碌碌无为的底层网工们,也有很多共通点,不知道怎么做职业规划,不知道该往哪个方向走。

为什么你工作10来年,还是基础网工?为什么你很聪明,也不是不努力,但总是职场失意?

其实还是规划没做好,这是你我一生都要修行的功课。

今日文章阅读福利:《白帽子讲WEB安全》PDF版电子书

如果对网络安全感兴趣,你可以领取一下今日份的优质资源,《白帽子讲WEB安全》PDF版电子书。

私信我,备注关键词“安全”,限时获得此书。

01 没人天生就是网络工程师

我觉得,每个网络工程师在一开始踏入行业时,都是茫然的。

这个是无法避免的事情,迷茫是成长的第一步。

尤其,如果你是0基础学网络的话,你会发现,网络技术的概念是抽象晦涩的,靠自己一个人摸索的话,大概率直接从入门到放弃。

我也是这么过来的。

我自学过,请教过同校前辈,也在机构补习过,和同事请教过,能试过的方法都试过,走过的坑也不比你少。

如果你还没到25岁,刚毕业没多久,甚至还在读书,这一张理想化的网工成长路线,可以参考。

当然,如果你已经30岁了,甚至年纪更大一点,这时候才醒悟需要好好规划一下工作,这条路线也依然是通用的。

有方向,自然心里不慌。

02 有明确的成长路线,网工才会事半功倍

当然,上面这个方向只是个大概,告诉你在某个阶段做点啥,是比较公认的好方向。

但是对很多人来说,指导性意见还是不够。

网工专业应届生,能选择的工作岗位有几个方向?

有工作经验的网工,想跳槽怎么才能实现价值最大化?

底层工作多年,想要换个工作学习,选什么好?

这些是很多人都有的问题,也代表你对行业的认知尚浅。

第一个问题是从个人角度规划,而这个问题里,我想告诉你,整个行业里,你可以触及到的方向,以及每个方向的大致发展情况,和天花板上限。

就像平时玩游戏一样,盘点自己手里的资源和装备,再拿到一张地图,两相对比,才能知道,自己现在的“储备量”,去哪个地方开始,性价比才最高,最合适。

现在,你看到你想去的地方了吗?

03 从这三个角度去思考,你的职业路径一目了然

上面说的比较泛,但你肯定有了一定概念。

接下来给你从企业类型、业务方向、岗位类型三个角度具体展开说说,一起盘出你的职业路径。

01 甲方、乙方、厂商,选啥?

网工行业有三大就业选择:甲方、乙方和厂商。这也是基础信息。

这三个方向,是大多数网工一开始不太清楚的就业选择方向,老杨在这里给你稍微讲明白点。

甲方一般是指TO B的企业,比如三大运营商(移动、联通、电信)、金融机构、互联网大厂等等。

这些企业比较喜欢采购思科的设备,所以喜欢招收有经验的网络工程师(并且学历有一定要求),但技术成长有限。

当然,目前国内主流越来越偏向华为、华三、锐捷,甲方内部的设备都逐步国产化了。

乙方,更多的被业内人士称为集成商和代理商。比如华讯、长威、金科等公司都是乙方公司的代表。

大多数人会先从乙方开始做起。乙方主要指代理商和集成商,他们主要的工作就是把自己的设备卖给甲方。

所以在这里任职的网工一开始都要做实施维护和故障排查等等工作,事情繁多复杂,但对小白来说能学到的可真的不少。

厂商主要是研发和生产设备的公司。

大部分是由研发+售前/销售(市场部门)+技术服务部门组成的。

相对于乙方,厂商的社会地位高一点,但还是略低于甲方。

著名的思科或者华为就是厂商企业。但这里喜欢招收有多年经验,有意愿从事开发工作的工程师。

而且学历要求比较高,二线厂商最低要求也是全日制本科。

02 网工岗位这么多,到底选哪个?

按照求职岗位来分的话,那就说得多了。

一般来说,行业里倾向按照技术和市场两个大方向来分。

从技术方向来说的话,一般有售后工程师/技术支持工程师/售后技术支持工程师/网络工程师/实施工程师。

如果你想去厂商,还可以做测试工程师/远程技术支持工程师/400。

那从市场方向来说的话,基本都是和售前有关的工作了。

比如说售前工程师/产品经理/售前产品经理/销售工程师/大客户销售。

所以在行内,大家基本上直接把网工分成售前和售后这两大类别。

简单粗暴来理解啊,售前就是卖设备+懂技术的销售,售后就是懂技术处理各种设备问题的网络工程师。

业内有一句话说的很形象:“售前是替公司吹牛,售后是替售前圆谎。”

综合来说,选择一个令自己舒适+高薪的岗位,才是最佳选择。

如果搞技术的性格都偏内向,我们不强求非要做售前,还有更多路径可以选择去发展。

只要技术够硬,思路清晰,其实任何一个方向都适合你,选择权在你自己的手上。

相信自己的技术,笃定自己的光明未来,都要从系统学习好技术开始。

03 云计算、安全……网工的新赛道

大家都知道,数通是网络世界的基础,所以谁进入这行,都得从路由交换开始学起。

这个学习基数大,而且以后会越来越大。

但这只是第一步,网工这行这些年一直在拓展新赛道,你看华为官方的IE认证版块,就说明了一切。

和你聊几个我个人认为不错的方向,就算要卷,那也要卷最有潜力的那种,是这个理吧。

比如说云计算这块。

华为、腾讯,什么大厂都在提,云计算进入了全面云原生时代。

那未来企业上云确实是趋势,中国的云计算市场也确实是在扩张时期,这潜力还是大的。

传统网工确实有售前、售后、实施、运维各种方向,以及很多核心数据也不可能上云。

但这个方向需求源源不断地来了,谁不想争当第一批吃到红利的人?

再比如安全这块。

其实是可以和云技术完美搭配的,越来越多的企业,在网络产品部署完毕后,还会继续进行网络安全的管控,云网一体化等等。

不过更多的还是厂商的防火墙、IPS、签密验签系统、证书体系、监控告警系统等等,准入控制有广而深的了解。

又或者,不偏向这些拓展领域,你在数通基础沉淀之后,其实方向也还是很多。

转型网络架构师、高端的自动化运维等等,都是方向。

总的来说,网工这行,趋势是越来越看重综合的技术能力,不是说你会调试调试交换机路由器就够了。

如果你还是不知道怎么选,建议蹲一下明晚的就业直播。

明天晚上,胡明校长会邀请小老师做一场就业指导直播。

她是非常资深的网工就业指导大佬,拥有丰富的行业岗位资源,是在IT行业深耕了15年的资深就业规划师。

在现场,你可以说出自己的情况,让专业的老师帮你拨开迷雾,同时为你定制个人专属职业规划。

如果有合适的岗位,还能直接帮你内推,这样的机会不可多得。

建议你先加入群聊,快人一步,在群里直接和小欣老师联动,这是群友才有的专属福利。

最后说点。在提升的过程中,不要考虑“你到底能不能找到工作”这个奇葩问题,只要能力过硬,网工这行一定是没问题的。

总有人抱怨行业不景气、薪资不好、待遇不好,这里不好那里也不好,然后就说网络不行,千万别入行。

自己能力不行,哪里来的自信否定整个行业?

相信你自己,努力沉淀下来一定是没有太大问题。

哪怕退一万步来说,你做到后头觉得没意思了,你默默选择了转行,你也会发现,你前期对于网络的积累,对你的新岗位,没有一丝一毫的浪费。

原创:老杨丨10年资深网络工程师,更多网工提升干货,请关注公众号:网络工程师俱乐部

LT9211 单路mipi转双路mipi芯片,方案成熟,提供技术支持 LT9211 单路mipi转双路mipi芯片 阅读详情

相关推荐

Java Swing之多文档界面设计-JDesktopPane、JInternalFrame类简单应用示例

Java MDI多文档界面是一种用户界面风格,允许在一个主窗口中包含多个子窗口(文档窗口),每个子窗口可以显示不同的内容或功能模块,从而可以满足用户打开不同窗口完成不同功能的需求。开发多文档程序,一般需要JDesktopPane(桌面面板类)和JInternalFrame(内部窗体类)两个类。以下简单介绍,最后通过一个实例介绍实现逻辑。

编程语言教学工作者的博客 2209

人工智能时代,网络安全工程师的出路在哪里?

作为人类,它意识到自己,自己的感受,并可以预测自己的行为将如何影响他人。

m0_61101264的博客 480

自动驾驶技术路线之争:纯视觉与多模态融合的成本与性能博弈

本文深入剖析了自动驾驶领域两大主流技术路线——纯视觉与多模态融合的本质差异。文章从成本结构、性能博弈与商业逻辑等多维度展开,揭示了纯视觉方案在硬件成本与数据算力投入上的权衡,以及多模态融合方案在安全冗余与感知稳定性方面的优势。这场技术路线之争,实则是车企在性能、成本与商业化落地之间寻求平衡的综合博弈。

weixin_29038303的博客 390

为什么一定要做Agent智能体?

Agent智能体不是选择题,而是必答题。它正在重构人类与技术的协作模式:从“人找工具”到“工具找人”,从“被动执行”到“主动规划”。尽管面临技术和商业化挑战,但正如智能手机从实验室走向大众只用了十年,Agent智能体也将在未来五年内深刻改变我们的工作与生活。现在投入Agent研发,就是在抢占下一代生产力革命的制高点。

youmaob的博客 1526

05、基于ALV表报实现复选框、全选、取消全选等功能

基于Function ALV实现复选框、全选及取消全选等功能

wo520yl1314的博客 2370

H3C VRF实验

POP-vpn-instance-RT1]route-distinguisher 11:11 # VPN实例-RT1的路由区分器值11:11。配置路由泄露,其实就是在一个VPN示例中添加另一个VPN实例的下一跳,比如在VPN实例RT1中添加去往SRV的默认路由。但是也有了一个新的问题,那就是RT1、RT2和RT3也能互访了,这让VPN实例变得没有意义了。[POP]ip vpn-instance RT1 #配置vpn实例-RT1。绑定了VPN实例,所以要把路由添加到VPN实例POP中。

m0_68698993的博客 4023

网工的四个等级,你在第几个?

学员系统学习设计、部署、运维、调优一张网络,直至达到胜任客户经理、行销工程师、服务工程师、网络开发工程师到解决方案架构师等数通领域岗位的能力,非常贴近企业技术应用发展现状和趋势。网络的搭建都是以路由交换(数通)为基础,属于网络世界的底层架构,因此只要你从事网络工作,无论你从事数通,还是安全、云计算,无论你做售前、售后还是运维,数通都是最最核心的、需要掌握的技术。其实乙方也有大量的工作机会,包括网络产品经销商、系统集成商的售前、售后岗位,华为对这些生态伙伴的岗位均有严格的认证要求,持证上岗。

1696

CD-SSB和NCD-SSB相关内容

NR中,PSS/SSS 和PBCH总是绑定的,因此也称为SSB block。频域由下往上,第121个SC(k = 120)的中心频率,就是SSB的GSCN对应的SSREF(同步参考频率)的出处如上,同步栅格映射到SSB 的RE位置是10个PRB的位置,然后指向RE index 0,即第121个子载波的中心频率;UE获得N_offset_GSCN后,即可结合当前SSB的GSCN推算下一个SSB的GSCN =N_Reference_GSCN(当前SSB的GSCN) + N_offset_GSCN。

asd199086的博客 3429

网工还有出路吗?

共同研发的的网安视频教程,内容涵盖了入门必备的操作系统、计算机网络和编程语言等初级知识,而且包含了中级的各种渗透技术,并且还有后期的CTF对抗、区块链安全等高阶技术。作为一名网工,不知道你是否有过这样的时刻:在电脑屏幕前一坐就是一整天,处理着繁复的网络问题,却感觉自己的努力并没有得到应有的回报?同时,大环境的影响使得许多企业的预算紧缩,相信大家处在社会上也感同身受,这几年大家都不好过,这也间接影响了网工的发展和薪资情况。这些变化不仅对网工的技能提出了新的要求,也为行业带来了新的发展机遇。

zz96405784848的博客 725

【HYSPLIT 教程第二期】Inline WRF-HYSPLIT 耦合

【HYSPLIT 教程第二期】Inline WRF-HYSPLIT 耦合

WW、forever的博客 808

如何利用air780e与stm32c8c6进行通信实现给手机发送一条英文短信的功能?

🏆 本文收录于《全栈Bug调优(实战版)》专栏,致力于分享我在项目实战过程中遇到的各类Bug及其原因,并提供切实有效的解决方案。无论你是初学者还是经验丰富的开发者,本文将为你指引出一条更高效的Bug修复之路,助你早日登顶,迈向财富自由的梦想🚀!同时,欢迎大家关注、收藏、订阅本专栏,更多精彩内容正在持续更新中。让我们一起进步,Up!Up!Up!    备注: 部分问题/难题源自互联网,经过精心筛选和整理,结合数位十多年大厂实战经验资深大佬经验总结所得,数条可行方案供所需之人参考。

**My Coding Family** 1237

为什么我说考个HCIE仍然是多数网工的逆袭机会

很多企业对于持有HCIE的求职者给予更高的优待,甚至一些项目经理、解决方案架构师等职位的空缺,往往更青睐于持证的候选人。随着技术的不断更新,保持学习的动力尤为重要,HCIE备考的经历可以为你未来的职业生涯打下坚实的基础。拥有HCIE证书,意味着你具备了独立解决复杂网络问题的能力,这在求职市场中将大大提升你的竞争力。此外,HCIE还为你提供了进入更广阔的行业平台的机会,无论是国内企业还是国际公司,需求都在上升。无论你是刚入行的新手,还是在职多年的老兵,HCIE都能帮助你打开新的大门,迎接更广阔的职业未来!

hcie-0001 477

【信息系统项目管理师】高分论文:论信息系统项目的整合管理(绩效考核系统)

我们将项目管理计划中的子计划包括项目范围、进度、成本、质量管理计划,过程改进计划,人力资源管理计划,风险、采购管理计划,干系人管理计划,项目范围、成本、进度基准作为依据,查看项目的各个方面,通过组织全体团体成员会议来解读由各监控过程提供的信息,之后我与项目管理团队一起制订所需措施,确保项目绩效达到预期要求。在一个项目中,变更是必然的,也是不可避免的,进度拖延,成本失控,客户有新的需求等都会引起项目的变更。在本项目中,我要求有处于工作状态的产品,开发人员才可以对其任意修改,修改完成后,重新入库即可。

数据知道的博客 6887

网工的出路在哪?

作为一名网工,不知道你是否有过这样的时刻:在电脑屏幕前一坐就是一整天,处理着繁复的网络问题,却感觉自己的努力并没有得到应有的回报?工作好几年,经验积累了不少,但工资单上的数字却迟迟不见增长。口罩问题几年一折腾,更是给不少网工人的职业生涯带来了莫大的冲击,有的人换了工作,却发现收入不升反降。一方面,企业对网络稳定性和安全性的要求越来越高,对网工的硬性技能要求也随之提升;另一方面,无敌内卷的市场竞争和不断变化的技术环境让多数网工感到压力山大。这样的情况下,

yy1715713348的博客 1289

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

网工最容易搞混的:防火墙、网闸、堡垒机

下午好,我的网工朋友在网络管理和安全防护中,正确理解和应用不同技术至关重要。今天就来好好讲讲,帮助大家区分和理解这三个容易混淆的概念。

2677

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")

网工的出路在哪?网工还能往什么方向走?

广度: 面向企业安全建设的核心场景(渗透测试、红蓝对抗、威胁狩猎、应急响应、安全运营),本知识库覆盖了从攻击发起、路径突破、权限维持、横向移动到防御检测、响应处置、溯源反制的全生命周期关键节点,是应对复杂攻防挑战的实用指南。深度: 本知识库超越常规工具手册,深入剖析攻击技术的底层原理与高级防御策略,并对业内挑战巨大的APT攻击链分析、隐蔽信道建立等,提供了独到的技术视角和实战验证过的对抗方案。口罩问题几年一折腾,更是给不少网工人的职业生涯带来了莫大的冲击,有的人换了工作,却发现收入不升反降。

2401_84760719的博客 708

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

35岁做网工,还要不要考HCIE?现实答案扎心了

说实话,这个问题不好统一回答。不同人背景不同、职业阶段不同、对未来的打算也不同。今天聊聊,35岁,还要不要拼一把HCIE?一、现实环境:年龄+学历+经验,才是决定因素特别是外包、集成、乙方这些网络工程师岗,而35岁的人,大多有家庭,背着房贷车贷,身体精力不如以前。说白了,公司会问:“同样的活,为什么不用一个便宜又年轻的?所以,二、为什么很多35+网工,还是选择考HCIE?不少人在乙方做了十几年,发现升职跳不动了,很多项目招投标、职级评审都要求HCIE,不考就卡在原地。

hcie-0001 1084

不想做网工了,我还能做什么?

共同研发的的网安视频教程,内容涵盖了入门必备的操作系统、计算机网络和编程语言等初级知识,而且包含了中级的各种渗透技术,并且还有后期的CTF对抗、区块链安全等高阶技术。作为一名网工,不知道你是否有过这样的时刻:在电脑屏幕前一坐就是一整天,处理着繁复的网络问题,却感觉自己的努力并没有得到应有的回报?同时,大环境的影响使得许多企业的预算紧缩,相信大家处在社会上也感同身受,这几年大家都不好过,这也间接影响了网工的发展和薪资情况。这些变化不仅对网工的技能提出了新的要求,也为行业带来了新的发展机遇。

logic1001的博客 460

这几个好用的网工提升工具,都是老杨的私人珍藏

晚上好,我是老杨。 今天唠点关于纯提升的磕,想和你聊聊,关于碎片化时间该如何利用这件事。 有心关注考试的小友会知道,本月30号马上就要出华为IE的datacom方向了,这是rs的改版。改版后的内容不少网工都觉得有难度。 但其实,作为IT行业的一员,网工本来就需要持有对新事物学习的积极态度,和拥抱新技术的宽广胸怀。 今天,老杨想和你分享几个,我个人正在使用的、也的确比较有意思的学习平台/app,希望能给你的空闲时间带来一点不一样的色彩。 毕竟,每天接受一点点新事物,比一下子硬塞给你一个新事物让你

675

2024年为什么越来越多的网工运维 测试转行网络安全?_网工论坛吐槽2024下半年

三年计划》文件的出台,结合2021年3月12日全国两会发布的《十四五规划和2035年远景目标纲要》、2021年7月10日网信办发布的《网络安全审查办法(修订草案征求意见稿)》、滴滴被审查并全网下架等相关事件,这一系列动作再次体现了国家在维护网络安全、数据安全等方面的决心,进一步强化了“没有网络安全就没有国家安全”的网络强国战略,加快推动了网络安全产业的高质量发展。我希望能为大家提供切实的帮助,讲解通俗易懂,风趣幽默,风格清新活泼,学起来轻松自如,酣畅淋漓!罗军不是有句话说吗:站在风口上,猪都能飞起来。

2401_84618514的博客 1061

一位老网工19年前写下的话,激励无数网工人

比如思科认证,华为认证,红帽认证,CISP,OCP,PMP证书等……但没人告诉你,考证是分很多个等级的,考哪个性价比最高,对你最有用,《全网都在说的“中级网络工程师”认证,到底有多水?》告诉你了,点击标题就能查看。直到有一天,我接触到了大学的网络管理中心下属的计算机协会,第一次了解到了CCIE认证,学了它,拿下它。确定好自己可落地的目标之后,再来了解,我到底学的是什么,能不能满足我的需求,怎么学,学多少才算成功?投入好几万去学习,你总得收获点东西,才能让你的学习过程更佳稳定,坚持,说的是这个道理吧?

550

[碎碎念]来谈谈写作这件事

写作这件事,很多大佬都谈过,但是我还是想从自己的角度去谈谈. 说到写作,我们就需要来说,我为什么要去写作,或者说,写作带给了我什么. 1 ,可以系统性的思考. 我觉得你肯定有这样的感受,就是一个知识点我明明懂了,可是给别人讲的时候,却总是讲不明白.知道为什么嘛?因为你只是以为你自己懂了,实际上你并没有懂. 而写作就相当于你在给别人讲,那么你为了写明白一个知识点,为了让别人读懂你这篇文章,你会怎么做...

自由而不独立,仍是奴隶。 1238

避免碌碌无为的感觉

科研生活:避免碌碌无为的感觉 精选 已有 1513 次阅读 2015-6-30 09:44|个人分类:读书偶得|系统分类:观点评述|关键词:碌碌无为 避免 邵鹏博士的博文“顶尖大学里,彻底的失败者,http://blog.sciencenet.cn/blog-1102703-901228.html  ”一文提出了一个很好地问题,那就是不管是什么学校出身的,每个人都曾经有自

摄心神,致虚极,守静笃 1110
上一篇: 同vlan不同网段能否ping通?
下一篇: 全网最详细的OSPF原理总结,看这篇就够了!
网络工程师俱乐部
博客等级 码龄5年 7398粉丝 1072原创
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
 
 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