想想毕业我去哪，做什么，能做什么，该怎么做

最新推荐文章于 2025-11-30 11:15:34 发布
原创 最新推荐文章于 2025-11-30 11:15:34 发布 · 520 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#工作 #深圳 #生活 #软件工程

本文作者面临毕业，对未来职业道路充满思考。考虑前往深圳发展，但担忧高昂的生活成本及购房压力。表达了对于从本专业出发寻找工作的决心，并意识到当前技能不足，需进一步提升。

今晚想了很多关于毕业后的问题，毕业后去哪个城市，去做什么方面的工作，能做什么方面的工作，该怎么做才能生活好？

最初的想法是想去深圳，从事本专业方面的工作，就目前来说我会的真的是少的可怜，而该怎么做？或许应该说现在该怎么做吧！

深圳，寸土是金，居高不下的房价，没有家庭背景，一切靠自己拼搏，要白手起家，可能会成房奴，是绝对成房奴！

所以，我说，我该知道要怎么做了吧！！！


_Black_Sky
关注
毕业后 五年你需要做什么？
金培龙(Long_carol)的专栏
07-15 982
 有人工作，有人上学，大家千万不要错过这篇文章，能看到这篇文章也是一种幸运，真的受益匪浅，对我有很大启迪，这篇文章将会改变你我的一生，真的太好了，希望与有缘人分享，也希望对有缘人有所帮助！看完之后有种“相见恨晚”的感觉，特别激动，希望大家好好正如"打工皇帝"唐骏说："我觉得有两种人不要跟别人争利益和价值回报。第一种人就是刚刚进入企业的人，头5年千万不要说你能不能多给我一点儿工资，最重要的是能在企业里学到什么，对发展是不是有利……"        人总是从平坦中获得的教益少，从磨难中获得的教益多；从平坦中获得
那些 22 岁毕业做程序员的“普通”人，他们 50 岁左右时的人生轨迹是怎样的？
程序文摘（CodeDigest）
11-23 2243
本人今年 35 了，已经干了 14 年程序员，是 14 年不是 13 年，因为我是专科毕业。 一直就是普普通通的程序员，特别纯的码农，从没做过管理岗位，并且很可能以后也是如此。 现在已经上有老下有小。 曾经在某著名互联网公司（现在有些过气）工作过很多年，现在在一家创业公司，也有很多年了。 之所以一直在一线写代码，我想根本原因可
一位计算机专业硕士毕业生的求职经历和感想
学渣，你妈妈叫你回家写代码了
01-03 1万+
我的周围充斥着计算机专业‘工作经验比学历要重要’的观点，我从来都不否认，但是考研不仅仅是为了一纸文凭而已，考研是努力博取继续进修的机会，在学习更丰富更高层次的理论知识的同时，还争取时间付诸实践，锻炼专业技能。据工信部统计，虽然中国学习IT的学生很多，但IT人才仍然非常奇缺，因为在在IT人才中出现了严重的瓶颈，即大多数IT人员为基层人才，中高级人才还是供不应求。鉴于这一客观事实，考研还是很有必要的。
python做毕业设计做什么好_打算用Python做毕业设计，可以做哪些方面的？
weixin_39969060的博客
11-20 1589
一个早年被毕业规划折磨过的人来回答你这个问题我看许多的谈论留言都是一些举荐本人文章的哈，那我在这里就给你也给许多如今面对毕业的学生一点有用型的倡议吧1：首要你问这个问题再分离如今的时间来看，你应该仍是在选题阶段，那么我倡议你不要草率的做选择，好好想想你往前方案从事哪方面的言语作业，java方向仍是python，仍是前端。招认往后在去选择一个言语来构思你的毕业规划好好做一下，由于这是你迈出校门找作业...
想想自己如果不做开发，可能会从事什么职业？
IT架构圈博客
06-01 4126
你有考虑过如果不做程序员，你会从事什么职业吗？或者你现在正在发展什么第二职业？ 家庭   我们家族男的基本都是货车司机，大学才毕业那会父母就想让我学开车，至少有个技术，不用像三和大神那样做普工，可以当一名司机。 曾经的机会 刚工作那会淘宝还没出天猫，没事跟同事在淘宝搞搞代理，每个月也能收入上千块，没事也给自己的淘宝店刷刷信誉，也5钻了，走的实体的。网上认识的一些同类的店主现在都...
如果不从事编程，我可以做什么？
Zero
08-17 2万+
第一篇：勿忘初心，继续coding 第二篇：编程路上，送给处于迷茫中的你和自己 第三篇：编程路上，对于迷失者的一些小小建议 第四篇：如果不从事编程，我可以做什么？ 在校期间踏入工作的不到五年时间里，曾多次问自己，如果有一天我不做开发了，我能做什么？相信这个问题，一直困扰着很多人。一入码海深似海，从此天涯是路人。想起在校期间，一次和学委出去吃饭，她问了我一句，如果毕业后你不做软件，你会去做什么？当时不
我做游戏开发这八年
热门推荐
游戏开发者
08-25 5万+
我做游戏开发这八年简述与编程擦肩而过从图像设计到痴迷编程入门编程沉迷编程Java的图形编程就职游戏开发2011，第一次面试&实习生第一个游戏2012年，第二个重量级IP游戏2013年，转战手游与创业2014-2015，第一次创业2015，西山居和多益网络2016-2018，第二次创业2018至今，360游戏艺术（岂凡网络）技术总监 简述 这篇文章并不是想教会大家如何开发游戏，更不能教大家如...
毕业三年，我从鉴黄师转行到阿里做前端
不见浅诗的博客
07-19 9756
@ali/f1-address-pc The address component using at PC web platform at F1 project 如何开发 tnpm install tnpm run start API 参数名 说明 必填 类型 默认值 备注 data 内部传入的数据，参考 否 object - - container document 节点 是 DOM - - requestConfig 请求配置 否 object - - customizatio
正确地做事与做正确的事同样重要
03-04
想想自己也曾经意气风发、踌躇满志，不觉感叹万千……本文是自己工作6年的经历沉淀或者经验提炼，希望对所有的软件工程师们有所帮助，早日实现自己的人生目标。本文主要是关于软件开发人员如何提高自己的软件专业...
做FPGA的出路在哪里？——同行的感受，我的方向
estun_hy的博客
11-06 5131
转至https://blog.youkuaiyun.com/frank_wff/article/details/42917493 &...
转型经验分享|我为什么离开阿里达摩院自动驾驶实验室，去做“自媒体”？
jiuzhang_0402的博客
09-20 1166
先说下我的背景，我之前在上汽通用的泛亚技术中心，做底盘开发工程师，后来加入一家新能源车企，再后来因为看好自动驾驶的发展前景，自学自动驾驶算法，终于在2017年底加入阿里（菜鸟）自动驾驶团队...
李想：“做正确的事，不做容易的事”
科技D人生
03-07 4081
分享一个大神的人工智能教程。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到人工智能的队伍中来！点击浏览教程 李想，汽车之家网站创始人，前任汽车之家总裁。李想是80后的典型代表，1998年还在上高中的李想就开始做个人网站，2000年注册泡泡网并开始运营，仅凭借着自己对IT产品的一腔热爱和滚雪球式的资本积累，高中学历的李想让泡泡网在中国互联网行业中独树一帜。 2005年，李想带领团队从IT产...
清洁用品：守护生活洁净的“隐形卫士”
最新发布
WLJT123123123的博客
11-30 377
如今，随着环保理念与健康需求的升级，无磷、生物降解、植物萃取的清洁产品成为主流，多功能性也愈发凸显，比如一款厨房清洁剂既能去油污，又能抑菌除味，大大简化了清洁流程。从本质上来说，它们是通过物理或化学作用，去除环境与物品表面灰尘、油污、细菌等污染物，同时维持物品性能与环境卫生的产品总称，核心作用可概括为“清洁+防护”的双重价值——部分含消毒成分的产品，还能有效抑制致病菌滋生，降低交叉感染风险。从皂角到合成洗涤剂，从单一去污到“清洁+防护+环保”，清洁用品的进化史，映射着人类对健康与品质生活的追求。
洗漱台上的日常，藏着生活的温度
WLJT123123123的博客
11-30 560
如今，我们会在货架前仔细对比成分表，为敏感肌的孩子挑选无氟牙膏，为经常加班的自己选一款舒缓型沐浴露，这种对“精准适配”的追求，背后是对健康的极致重视，更是对生活品质的用心经营。深夜卸下一身职场的疲惫，挤在掌心的洗面奶揉出细腻绵密的泡沫，温柔拂过沾染灰尘的脸庞，凉意顺着毛孔渗入，整个人都松弛下来——洗漱用品，这些静静摆放在方寸洗漱台上的“日常伙伴”，看似是超市货架上随处可见的普通物件，却以日复一日的细腻陪伴，串联起我们生活的朝朝暮暮，在每一个平凡的瞬间，藏着关于健康、舒适与生活质感的小确幸。
按照前期咱们沟通的情况，想想毕业论文有没有想做的题目，如果有确定的题目，填写下列内容。如果没有，可以先和我沟通选题后，再进行填写。此项工作10月10日前完成，请确定后尽快跟我联系。 毕业论文选题信息 题 目 ： 题目描述（包含主要功能模块的描述等信息）： 技术路线（软件开发工具、数据库、硬件技术等）： 预期成果（论文、软件系统、硬件作品等） ： 参考这个给出
10-03
### 题目 基于深度聚类与多模态融合的复杂数据精准聚类算法研究 ### 题目描述 在当今信息爆炸的时代，多模态数据广泛存在于各个领域。传统的聚类方法在处理多模态数据时面临诸多挑战，难以充分挖掘不同模态数据之间的潜在信息和关联。本课题旨在研究深度聚类和多模态聚类融合的方法，设计一种高效、准确的多模态数据聚类算法。通过结合深度神经网络学习数据的潜在表示，采用局部到全局的融合策略促进不同模态数据的信息交互，同时设计双向结构对齐机制提高模态间的互补性，以实现对多模态数据的精准聚类，为多模态数据的分析和应用提供有力支持。 ### 技术路线 1. **数据采集与预处理**：收集包含多种模态（如文本、图像、音频等）的数据，对数据进行清洗、归一化、特征提取等操作，将不同模态的数据转换为适合模型输入的形式。 2. **多模态融合网络设计**：借鉴局部到全局的融合策略，设计多模态融合网络。在局部层面，分别对不同模态的数据进行特征提取和处理；在全局层面，将局部特征进行整合和交互，促进不同模态数据之间的信息共享。同时，设计双向结构对齐机制，提高模态间的互补性。 3. **深度聚类模块构建**：使用深度神经网络（如自编码器、变分自编码器等）学习多模态数据的潜在表示，将融合后的特征映射到低维空间。然后，利用聚类算法（如 k - means 算法、DBSCAN 算法等）对低维表示进行聚类分析。 4. **模型训练与优化**：使用标注或无标注的数据对模型进行训练，通过优化目标函数（如聚类损失、重构损失等）来调整模型的参数。采用随机梯度下降、Adam 等优化算法进行模型训练，不断提高模型的性能。 5. **实验评估与分析**：选择合适的评估指标（如聚类准确率、归一化互信息、调整兰德指数等）对模型的性能进行评估。通过对比实验，分析不同融合策略、聚类算法和模型参数对聚类结果的影响，进一步优化模型。 ### 预期成果 1. 实现一个基于深度聚类和多模态聚类融合的算法模型，该模型能够有效地处理多模态数据，提高聚类的准确性和稳定性。 2. 通过实验验证模型的有效性，在公开数据集上取得较好的聚类性能，与现有的多模态聚类方法相比具有一定的优势。 3. 撰写高质量的毕业论文，详细阐述研究背景、方法、实验结果和结论，为多模态数据聚类领域的研究提供有价值的参考。 ### 代码示例 ```python import torch import torch.nn as nn import torch.optim as optim from sklearn.cluster import KMeans # 定义多模态融合网络 class MultiModalFusionNetwork(nn.Module): def __init__(self, input_dim1, input_dim2, hidden_dim, output_dim): super(MultiModalFusionNetwork, self).__init__() self.fc1_modality1 = nn.Linear(input_dim1, hidden_dim) self.fc1_modality2 = nn.Linear(input_dim2, hidden_dim) self.fc2 = nn.Linear(2 * hidden_dim, output_dim) self.relu = nn.ReLU() def forward(self, x1, x2): x1 = self.relu(self.fc1_modality1(x1)) x2 = self.relu(self.fc1_modality2(x2)) x = torch.cat((x1, x2), dim=1) output = self.fc2(x) return output # 示例数据 input_dim1 = 100 input_dim2 = 200 hidden_dim = 128 output_dim = 10 num_samples = 32 x1 = torch.randn(num_samples, input_dim1) x2 = torch.randn(num_samples, input_dim2) # 初始化模型 model = MultiModalFusionNetwork(input_dim1, input_dim2, hidden_dim, output_dim) # 定义损失函数和优化器 criterion = nn.MSELoss() optimizer = optim.Adam(model.parameters(), lr=0.001) # 训练模型 num_epochs = 100 for epoch in range(num_epochs): optimizer.zero_grad() output = model(x1, x2) loss = criterion(output, torch.randn(num_samples, output_dim)) loss.backward() optimizer.step() if (epoch + 1) % 10 == 0: print(f'Epoch [{epoch + 1}/{num_epochs}], Loss: {loss.item():.4f}') # 深度聚类 with torch.no_grad(): features = model(x1, x2).numpy() kmeans = KMeans(n_clusters=3) labels = kmeans.fit_predict(features) print("聚类结果:", labels) ```
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
 
红包 添加红包
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