求职 | 从大学到秋招,我如何拿下腾讯offer ?

1篇2章1节:在 Mac 上安装 Python,从环境检查到工具配置的完整指南 Python 是当今最流行的高级编程语言之一,广泛应用于数据分析、人工智能、自动化脚本和 Web 开发。虽然 macOS 曾自带 Python,但从 macOS 12.3 开始,系统不再默认提供可直接使用的版本,因此需要手动安装。本文将详细讲解如何在 Mac 上安装最新版本的 Python,如何验证安装是否成功,以及如何配置 IDLE 和 Python Launcher 等工具,为日常开发和学习打下坚实基础。即便你是完全的新手,也能按步骤完成环境搭建。 阅读详情

分享一名本科生从大学入学到秋招拿到腾讯offer的完整经历,希望对同学们有所帮助。

自我介绍

鱼皮是上海某211学校本科生,网络工程专业,秋招因为有腾讯的实习转正,所以只面了大厂,也拿了几个大厂的offer。


我一直对计算机很感兴趣,是兴趣自驱动型coder。学的技术也不少,网络工程专业学的知识就不说了(网络拓扑什么的),主要是自己学习的全栈开发、微服务、区块链和大数据技术。

目标

因为高考失利严重(和北邮差1分失之交臂),所以入学起就决定要好好努力,做到不输其他名校的同学。

对自己的实力从来没有过怀疑,因此也有动力去努力,当时就没有考虑过读研,目标只有一个:进大厂!进大厂!!进大厂!!!

入学前几乎是零基础的,也就是用按键精灵写过网游脚本,用frontpage + dreamweaver水到过上海市某信息竞赛的三等奖。


虽然追求目标时走了一些弯路,但总体还算顺利,也给大家分享下自己的学习路线。

学习路线

总的学习曲线是:先从一个点到一条线,再多几条平行线,然后多几条交叉线,最后构成一个较完整的面。好抽象

第一阶段:初入茅庐,海纳百川

大一上学期加了很多社团,学习也基本划水,加入了一个给学校建网站的工作室。后来意识到自己学校的计算机课程很水,要靠自己学习才能提升,因此开始自学。大一上学期一直在做前端(html\css\js\jquery),给学校建网站。那时以为自己会一辈子做前端(看了几本js书就飘了?),后来开始好奇请求背后的逻辑。于是大一下学期开始学习后端(node\数据库\java ssm),发现打开了新世界的大门,也考取了JAVA OCA8证书。期间跟随学校课程学习了c\c++,自己学了点python\php的皮毛,也水到了一个国家级的科创项目,进入了副院长的实验室做项目(前端和c#)。


这个阶段是接触知识最多的时候,可以叫“海纳百川”。但比较迷茫,还不确定自己之后要做什么。但很庆幸,兴趣让我加入工作室,做着和兴趣相关的工作,同时赚到了自己的生活费。申项目的时候不被老师看好,被拒绝了几次,但最后是学院唯一一组大一的国家级项目。也是在一个偶然的时机,我私聊院长,成功争取到了和研究生一起做项目的机会。

总结,8个字:勇于尝试,把握机会

第二阶段:兴趣使然,纵横交错

大二上学期,当了学生会部长、社团部长,晋升为工作室的负责人,除了学习外还有很多其他的事情,但我始终坚持每天留给自己几个小时用来提升技术。

大二上学期,学习了微服务技术(dubbo、spring cloud全家桶),其实如果微服务学的深入,你能学到很多理论和实战知识,举例子:分布式理论、服务注册发现、配置中心、链路追踪、熔断限流降级、分布式事务、分布式锁、容器等等。自己也抽空给学校建了个前后端会议室预约系统。


大二下学期,意识到自己的前端开发效率好像跟不上,就了解了下vue,发现比之前学的angular爽多了,贼开心,一口气花了一个多月学完了,也相应的了解了很多打包工具和Cordova。后来认识了一个很优秀的学长(目前在阿里巴巴),很多问题向他请教,也一起做了一个比赛项目,有人带的感觉真好_(:з)∠)_。后来学了几种消息队列,学习MySQL优化,深入了解了Redis,手动实现了一些框架代码,如Spring、HashMap等。也意识到了算法的重要性,开始刷LeetCode。


后来经常在学院分享自己学到的知识,不得不说,很多东西你会了但讲不出来,说明就不是真的会。大家可以了解一下" 费曼学习法",自己学过的东西一定要讲清楚,这也对面试有极大的帮助。

对于学习计算机技术,我也总结了一些技巧和经验,如下:

1. 对于编程语言,建议看书和文档学习(比如go语言的官方go trip),并能够边看边写

2. 对于框架、中间件和工具,建议先看下官方文档,很多简单的东西文档的quick start就能对付了。复杂的,比如SSM框架,要看视频学习,边学边做,很多项目的雏形就源于demo ( 这里强调,不要看出版超过一年的书,框架更新的很快的 )

3. 要多逛技术社区,推荐GitHub和牛客网,有很多使用的工具和技巧(比如fastjson\commonutils\swagger)其实很简单,但是你偏偏不知道,就浪费了很多时间去造轮子

4. 多用google/百度/stackover flow

5. 建议写博客来进行积累总结

6. 加入一些优秀的团队,和大佬合作,你也能成为大佬

7. 多做作品,多和他人交流,分享代码(这里支持下CodeReview,有些同学到现在还能把密码以明文存入数据库,给别人一看就笑掉牙了)


看到这里,你是不是也发现了,计算机是实践性极强的一门学科!光说不练假把式,很多视频教程中的demo都有可能成为你的主打项目,这里要注重积累,可以把很多重复的代码和架构抽象出来,供自己使用避免自己重复造轮子。而在学习过程中,很多技术都是因为需求而所需的,比如你要做一个APP,要做登录,你就要去了解登录流程;要做即时通讯,你就要了解Socket;性能太低,你就要去优化;被黑了,你就要做好安全;懒得写安卓端,你就发现了Cordova、大前端等等。。。

到这个阶段,你就知道自己是否适合计算机,是否真正热爱,也已经发现了自己最擅长的语言,已经能够在兴趣的引导下按照一个方向深入地走下去。但是还要接触很多相关的技术,做到纵横交错。

总结,8个字:兴趣激励,学以致用

第三阶段:追求前沿,交叉融合

大三其实我的技术成长是最少的,尤其是在头条实习时用的是自己不主攻的php和go语言,但是对业务能力和眼界的提升都是非常大的(等下聊)。

大三上学期在信息安全实验室做了近半年的区块链项目,也写了教材(快出版了嘿嘿),这段时间自己的进步是飞快的,从没有如此静下心来去钻研一个新技术。当时资料很少,淘宝就那么几本书,csdn就那么几篇收费文档,遇到问题了全网搜破也搜不出来,心态也会有一些炸,但不得不说,只要坚持,问题总会解决的吧,而且后来解决问题的感觉真的很nice!这段时间没怎么做项目,因为大三课比较少,考虑下学期去个大点的公司日常实习给自己镀层金,因此开始刷牛客的面试题,准备常用的面试题(多少还是要背一点的), 平时刷算法题也不能少,考了PAT 。也很幸运能在字节跳动实习!


然而就在大三下学期,自己的心态发生了变化 

在4月份左右(已经在字节实习了4个多月,期间拿到了腾讯暑期实习offer),自己突然一改就业的目标,决定要保研了,因此离职,开始带队参加竞赛,复习专业课,准备保研。竞赛时做的是大数据的一个APP,之前了解过大数据,也自己搭过集群,写过MR,但对算法了解较少。借这个机会,自己查了很多资料,写有样学样写了个推荐系统吧。

给我印象比较深的是和机械学院组队的挑战杯项目,让我意识到计算机学科是应该且必须和其他专业融合,才有更大的可能性。后来这个项目果然拿到了挑战杯市特奖,目前也在冲击国赛特等奖。

好在竞赛结果还不错,给自己的简历镀了点小金。但是,捡了芝麻,丢了西瓜,为了等竞赛的结果出来写在简历上,保研夏令营报名我都是卡deadline提交的,投了华师、同济、交大、复旦,后来竟然一个入营offer都没有,看来天意让我选择就业。

这个阶段我是做的不好的,准备保研却不够专心,我和其他目标升学的同学不一样,我完全是抱着试一试的心态去保研(没过就就业呗),因此也根本没有准备考研的复习。后来导致保研面试白准备,不如把时间投入技术的研究上。但目的也是为了给自己多一个选择吧,只是有些东西想的过于理想和简单了。

总结,8个字:呼吸不停,学习不止

在这之后,自己学习技术真的非常快,可以和以前的知识网结合起来。比如学React只用几个小时吧,加上Redux、Umi、Dva等一系列也就一两天,当然也不是说太深入。

下面讲一下三段实习经历吧,希望对大家也有所帮助 

实习经历

1. 籽微金融

一家金融互联网公司,工作是Java微服务后端研发,这是第一次接触企业文化和社会环境,学到了很多知识,坐在导师旁边,工作效率很高。虽然每天要坐高铁(公司在火车站附近)上班,但也没什么压力。业务比较复杂,曾花一周多去画流程图,再用代码去实现,培养了方案建设分析能力和耐心。

也经历了一些特殊的事情,比如一个同事刚进来没多久就因为工作经历多说了一年被查出来开除了(k,唯一的朋友啊),然后帮他收拾代码摊子。还有一个姐姐请我喝奶茶,说她老公想去头条(字节跳动旗下),后来我对字节跳动的关注度就大幅度提升了,预定下一家实习公司。

实习共两个月,后一个月很轻松了,基本天天自己刷算法写博客,也很感谢同事们的帮助,培养了自己的沟通能力。

2. 字节跳动

新兴互联网公司,个人非常看好。实习部门是个新部门,地铁每趟要近2个小时,在我走的前两天才建好单独的一层研发中心,之前是马蜂窝办公室(真惨)。虽然使用的是自己不太擅长的Php和Go,但学习起来很容易,导师和上级非常好,给我绝对的发挥空间,从入职起就参与项目的需求评审,甚至后来是自己一个人负责了一个项目的后端,和其他部门的同事打交道也非常多,成长非常非常非常快!而且字节跳动的待遇真的没话说,全员Macbook +免费三餐零食下午茶。

后来快离职了,导师和上级也没给我安排什么任务,就每天刷刷算法,解决下之前的bug。总之,这段工作也很轻松吧~

3. 腾讯

从小就想进的公司,我对腾讯是真爱,当时哪怕只有1块钱,我也愿意全部献给我亲爱的宠物鹅。记得是在去年暑假还是10月左右投递了腾讯的实习,然后3月左右我在字节跳动吃饭的某一天,接到了腾讯的面试通知,还两次!这给我吓得,第一次深圳的面试官,我直接拒绝了;第二次说是上海的,我就面试了一下,这段面经在我以前的讨论帖也有。比较轻松地拿到了暑期实习offer,虽然在保研的时间点,但觉得应该也不影响,就还是入职了。


在腾讯的工作,和字节跳动感受完全相反。腾讯对实习生的控制非常严格,两个月的实习我没有参与过需求评审,甚至连开发机也没接触到,发布到测服也要靠导师,线上环境就更不说了。但不得不说,有规范性是好事,比如CR,相信字节跳动也会慢慢规范化的吧。因为是做全栈,大部分测试也是自己做的,所以在字节跳动锻炼到的沟通技巧在腾讯暂时没派上用场,但相信以后必然会有用的。

因为是有实习转正机会的,所以要努力争取。正常的下班通常是6点半、8点,而我有段时间甚至是住在公司的,也见识到了加班到2点的同事,很害怕啊!

很幸运吧,得到了上级们的认可,也是一路顺风顺水,拿到了组内答辩最好的成绩,但听说还可能是白菜价,现在慌得不行。不出意外的话,还是会留在腾讯,继续努力提升自己吧!

当然也有很多后悔的事!

1. 目标不够坚定,走了弯路,很多时间被浪费掉了

2. 在实验室研究区块链时没考虑写论文,后来才知道论文是多重要

3. 太珍惜自己的时间,有时也伤害到了身边的人 

建议

给目标直接就业同学的建议:如果时间还多,那么就按照自己的方式和兴趣去学习技术并实践,心无旁骛。你要知道研究生也才多一年多的项目/研究时间,如果本科你把别人准备考研的一年用于学技术,那么竞争实力完全不输研究生。

给考研同学的建议:提前了解目标院校考察的专业课,并在该门课初学时就下功夫。所有实践课要好好学,平时有空也多上牛客,避免考研失败后春招完全小白

给保研同学的建议:如果一心决定读研,担心保不到好的学校,也可以准备下考研,顺便也能复习到一些面试知识

总之,目的是给自己多一个选择,多一条后路。


尾声

以前纠结保研还是就业的时候在某论坛发了一个帖子。有很多热心朋友给我建议,非常感谢和感动。最后自己还是放弃了保研,选择了一条自己更喜欢的路。

还是要坚持自己的初心,知道自己想要什么吧。无论如何,千万不要让别人替你做决定。

自己也不是一个自律的人,很多时候都是在逼自己去做事、去学习:比如接很多项目,提高自己的效率和抗压力;报考证书,逼自己稳稳的复习理论;作为队长参加竞赛,逼自己有了责任感;对学弟妹有了一定的影响,也要逼自己做好榜样。自己也不是一个聪明的人,但我相信“天道酬勤”的。人都会有自己的一个舒适圈,生于忧患,死于安乐,只有跳出自己的舒适圈,选最难的路,才能成功吧。杀不死你的,只会让你更强大。

人越成长,可能性就越少,现在的我已经正式工作一段时间了,也还是要坚持学习,不断进步。

其实并不难,是你太悲观。比你优秀的人都在努力,我们为什么不努力呢?


基于STM32L4XX、HAL库的AP6275S WIFI 模块驱动程序设计 支持802.11a/b/g/n/ac/ax (Wi-Fi 6)标准。// 这部分通常依赖于Broadcom提供的固件和驱动。// 这里需要添加Wi-Fi固件加载和初始化的代码。// 通常需要通过SDIO发送命令和接收响应。// 这里需要添加蓝牙HCI初始化代码。// 处理Wi-Fi和蓝牙数据。// 这里需要实现Wi-Fi连接逻辑。// 初始化SDIO和UART。// 确保蓝牙使能引脚已设置。// 关闭Wi-Fi和蓝牙。// 关闭Wi-Fi和蓝牙。// 打开Wi-Fi和蓝牙。// 初始化AP6275S。 阅读详情

相关推荐

AI 帮我写单测:pytest 覆盖率提升 40% 的协作日志

AI助力pytest测试覆盖率提升40%的实践总结 本文分享了作者通过AI协作提升Python项目测试覆盖率的实践经验。初始测试覆盖率仅45%的电商后端项目,通过系统化的AI协作策略(代码分析、场景矩阵设计、迭代优化)实现了显著改进。AI不仅生成312个高质量测试用例,更提供了测试设计思路和最佳实践建议。最终覆盖率提升至85%,发现并修复23个潜在bug,效率提升3倍。文章详细展示了用户服务、订单服务等核心模块的测试案例,以及分层Fixture设计、参数化测试等高级技巧。关键成功因素包括明确的协作边界、迭代

摘星编程的博客 3279

我学计算机的四年

作者 | 鱼皮来源 | 程序员鱼皮前几天在某乎上看到一个问题:大学计算机系最努力的同学都是如何学习的?看了几个高赞回答后,真的是感同身受,也想和大家分享一下自己大学的学习经历,算是给自己一...

程序人生的博客 3413

[亚信线上教学] AX58100: EtherCAT从站设备仿真功能设计教学

什么情况需要开启EtherCAT从站设备仿真功能呢? 一般来说, 当EtherCAT从站产品,不需要使用额外的微控制器介入,或使用不具备EtherCAT从站通讯协议栈的微控制器一同协作的情况下,就必须开启EtherCAT从站设备仿真功能,这样EtherCAT主站才能够正常设置从站设备的工作状态. 亚信AX58100 EtherCAT从站控制芯片的优点 AX58100 EtherCAT从站控制器, 集成2个百兆以太网Phis, 并支持一些额外的控制接口, 例如脉冲宽度调变, 增量, 霍尔编码器, .

allanchou1的专栏 7423

关于我,十九线程序员小 UP

从编程小白到腾讯,再到 20w 粉知识博主,希望我的经历能帮助到你。 程序员鱼皮 98 年生,有野心的天蝎座,20 届本科毕业加入 腾讯,从事全栈应用开发,同时也是 腾讯云开发高级布道师 。 我热爱学习和分享编程技术,在公众号、抖音、B 站、知乎、GitHub 等多个平台创作(都叫 “程序员鱼皮”),全网累计收获近 20w 粉丝的关注。 我熟悉多种编程语言和技术栈,包括但不限于 Java 后端、前端、小程序开发,在校期间就带工作室建设了几十个校园网站,以 专业第一 的成绩拿过国家奖学金、挑战杯学术竞赛.

努力做最接地气的编程干货分享,感谢关注 1万+

车辆动力学从入门到进阶之路(传统篇)

新手如何入门车辆动力学开发领域,本文为您引路!

CrazyRabbit的博客 1万+

蚂蚁区块链第20课 可信存证司法链从入门到实施

1. 摘要 杭州互联网法院和司法区块链平台的技术建设方都是蚂蚁金服区块链。那么,如何借助蚂蚁的技术能力和服务能力,快速对接上司法链,便于后续打通存证/维权的闭环流程。本文介绍蚂蚁区块链可信存证的业务及特点,费用及接入方法等,具有实战指导意义。 2. 蚂蚁区块链可信存证的介绍 蚂蚁区块链可信存证具备全链路可信,司法权威节点见证,安全隐私保护,一站式接入能力,全国首家法律认可的区块链存证平台。 2...

辉哥的技术投资路 6086

进腾讯了!

从小白到鹅厂,再到 60w 粉知识博主,他是怎么做到的?大家好,今天我要给大家强烈推荐一位好朋友,程序员鱼皮。鱼皮 20 届本科毕业加入腾讯,是一名热爱学习和分享编程技术干货的全栈工程师,...

程序员小灰的博客 3604

使用SAM进行遥感图像语义分割

SAM(Segment Anything Model)的成功表明了以数据为中心的机器学习的重要性。然而,由于遥感(RS)图像注释的困难和高成本,大量有价值的RS数据仍然没有被标记,特别是在像素级。在这项研究中,我们利用SAM和现有的RS物体检测数据集,开发了一个高效的管道来生成大规模的RS分割数据集,称为SAMRS。SAMRS在规模上超过了现有的高分辨率RS分割数据集几个数量级,并提供了物体类别、位置和实例信息,可用于语义分割、实例分割和物体检测,无论是单独还是组合。

lalula的博客 7453

计算机女神,互联网第一夫人!

不懂计算机的她,为何成为了计算机科研界顶流? 大家好,我是鱼皮,今天带大家认识一位计算机领域的女神,有关她的故事非常有趣! 先聊聊我是如何认识女神的吧。 那是我在大四做毕业设计的时候,误打误撞地选了一个图像处理相关的课题,要做一个显微图像处理分析软件,简单地说就是玩毛毛。 成品大概长下面这样: 当时,我还是第一次接触图像处理,就到网上搜各种教程。图像处理的教程中,通常会拿一张示例图片来演示代码执行结果,比如将图片变灰、勾勒出图片的轮廓等等。 看了几个教程后,我发现一件很有趣的事,几乎每个教程的示例图片.

努力做最接地气的编程干货分享,感谢关注 2899

飞书多维表格+影刀RPA:我如何用3个指令搞定每周的销售数据自动汇总(附完整配置截图)

本文详细介绍了如何利用飞书多维表格和影刀RPA实现销售数据的自动化汇总,通过三个核心指令(建立链接、列出记录、更新记录)简化繁琐的手工操作。文章包含完整的配置截图和实战指南,帮助用户快速部署自动化流程,提升工作效率。

weixin_29273849的博客 285

SiC MOSFET驱动设计实战:从特性解析到电路优化

本文深入解析SiC MOSFET的核心特性及其驱动电路设计要点,涵盖高温稳定性、快速开关能力等关键特性,并提供驱动电压配置、电流能力计算、布局优化等实用方案。特别针对第三代电力电子半导体SiC MOSFET的驱动要求,分享STGAP1AS等典型驱动方案的应用技巧,助力工程师解决高频应用中的EMI和热管理挑战。

weixin_29230865的博客 366

24 届双非非科班普通学生转码经历

大家好呀,我是松柏。一个双非非科班转码的 24 届普通学生,目前在程序员鱼皮的团队实习并转正。今天给大家分享下我自学编程的过程,同时会在文章结尾把我的在线简历分享给大家供参考,其实也是对自己学习编程的经历做一个回忆、记录和复盘,那我们开始吧!需要说明的是,我并不是特别优秀的人,也没有特别出彩的加分项,所以更多的是一个普通人的经历,分享出来仅供大家参考,也欢迎大家找我一起交流学习进步!

weixin_52258854的博客 1068

windows11下pycharm怎么完全卸载?完整卸载pycharm编辑器的教程

在卸载pycharm时都有遇到卸载不干净不完全的问题,那么具体怎样做才能完全卸载pycharm呢?退出所有的操作,重新启动电脑,会发现相关的软件已经被删除了。步骤1:卸载软件并删除安装目录。步骤2:删除相关的注册表。

拥抱具身智能,昇腾Ascend C 1万+

一个高考失利人的2022届秋招复盘,目前收到腾讯 字节 百度 阿里 京东的offer

文章目录一个高考失利人的2022届秋招复盘,目前收到腾讯 字节 百度 阿里 京东的offer前言本人情况和秋招结果战绩大学时间线安排大一大二举一些面试例子数据结构和算法如何考?如何学习这部分知识网络原理如何考?如何学习这部分知识数据库如何考?如何学习这部分知识操作系统如何考?如何学习这部分知识最重要的Java如何学?大三上学期找实习实习的重要性如何准备简历简历如何投递?方式一(三方软件投递)方式二(官网投递)方式三(内推)如何为面试准备?面试流程笔试面试笔试和面试中需要注意哪些?下学期参加秋招参加校招提前批

Shangxingya的博客 7191

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

题解 2023年广东工业大学腾讯杯新生程序设计竞赛题解

晚上闲来无事,总结一下我的秋招吧本人情况如下:211本硕,科班,3段实习经历,其中一段为中国银行科运中心的实习,代码能力一般,语言叙述和随机应变能力较强。#24届通信硬件秋招薪资爆料#有加班费(封顶32小时,多的不算,要申请),如果加满月1k多,虽然是嵌入式工程师岗,大多工作是FAE(技术支持,甚至驻厂-vivo。#24届通信硬件秋招薪资爆料#试用期18k,转正20k,有绩效以及其它奖金(0-8k,一般2.5k一个月),年终奖(0-8个月,说是一般3个月),还有住宿和就餐。弹性工作制 不打卡上班!

han_xue_feng的博客 1049

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")

实习转正 | 秋招还没开始,我如何拿到腾讯、阿里的offer?

又是一年实习季,大三的同学可能都在忙着找实习或者做简历了~ 但是肯定也有同学还不想开始找,觉得现在太早了 所以就就今天特意给大家准备了一篇关于找实习的文章,相信大家看完一定会有惊喜的 说道实习的话可能也有人想着反正大四才找工作,现在不着急,那实习也是可有可无的呢??? 这还真的不是,现在很多公司都会设置实习生优先转正,而且实习生进去相对来说也会比校招容易一些。如果有能拿到实习offer,并且实习期...

jiujiuxiaozhao的博客 2718

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

从开始到微信/字节/快手/百度Offer ---- 我的大学后端开发学习之路(三)我的实习秋招面试

笔者四川成都人高考617分 2020年考入重庆邮电大学 计算机专业大学四年 实习了一年半 前后辗转了三个城市 上海/深圳/广州做了很多项目 比如小型操作系统/编译器相关的正则引擎/还有各种Lab(CSAPP/OS Lab/Stanford Lab等等)大学期间写博客1200多篇 收获浏览量近100w followers近3k2022年11月底拿到 腾讯IEG 公共数据平台部门 后端实习offer2023年春招暑期实习 拿到腾讯音乐 qq音乐事业线实习offer。

Love 6's Private Blog 2427

【复盘】回顾准备秋招求职的这一年,还好,没有被生活打败。

2019年08月29日,我在优快云的Blink里发了第一条动态,*“没有轻松的职业,厚积而薄发。**我要成为很厉害的前端工程师**,笃行”* 2020年09月11日,收到了 **字节跳动(前端开发工程师)** 的秋招通过的消息,我哭了,坚持了这么久,终于,离梦想更近了一步。

苏一恒 817

从大学到秋招,我如何拿下腾讯offer

大一上学期加了很多社团,学习也基本划水,加入了一个给学校建网站的工作室。后来意识到自己学校的计算机课程很水,要靠自己学习才能提升,因此开始自学。大一上学期一直在做前端(html\css\js\jquery),给学校建网站。那时以为自己会一辈子做前端(看了几本js书就飘了?),后来开始好奇请求背后的逻辑。于是大一下学期开始学习后端(node\数据库\java ssm),发现打开了新世界的大门,也考取了JAVA OCA8证书。期间跟随学校课程学习了c\c++,自己学了点python\php的皮毛,也水到了一个国

VN520的博客 287

关于秋招,有哪些越早知道越好的坑?

又到了一年一度的秋招季了,相信不少同学已经开始熬夜coding,想着能在面试的时候一鸣惊人,拿到心仪的大厂offer了,大家都知道今年行情不是很好,本着「不打没准备的仗」的理念,关于秋招...

python爬虫人工智能大数据 381

一个非科班大学生的四年,到秋招收获了腾讯和字节的offer

前言 大学以来都没给自己做过总结,趁着最近有空,就把这几年一并总结一遍吧。先自我介绍一下,笔者2017年上大一,在广东的某师范211读通信工程(手动狗头)。现在大四,秋招收获了腾讯和字节的offer。那么我是怎么从读电子到跑去做前端的呢,还有我是如何自学前端的。且听我细细道来~ PS:offer真诚求比较 字节DATA前端,做的是头条小程序的那一套生态(感觉是纯前端) 腾讯实习转正,之后应该是全栈,个人感觉要补好多后台知识 base都是深圳 求意见~ 大一 17年的9月份,背起小书包满怀憧憬的来到了师大,

BOM485480的博客 434

腾讯offer是什么样子_先战Google,再战华为、腾讯的秋招之路(全文1.2万字,已拿华为、腾讯sp等校招offer)...

全文 1.2 万字,纯干货秋招打法!值得收藏起来,反复仔细阅读!大学期间,打 ACM 比赛,获得过区域赛奖牌,秋招走 Linux C/C++方向,平时在交流群以及星球中非常活跃--->这就是月月。跟我是兄弟院校,我俩的起点很像,大学期间,都打过 ACM 比赛,他的算法功底比较扎实(应该算法能力比我强),关注我一年多了,秋招一开始还在担心自己是否能进大厂,跟我在微信上有所交流(我知...

weixin_39758953的博客 520

广联达笔试满分全挂,测评臭长,秋招结束了还来找骂。真的***

输入n个学生的姓名和三科(编程,数学,英语)的成绩,按照三科的总分从高到低排序输出姓名和总分,如果总分相同,姓名按照字典序排序输出。给定一个m*n的矩阵,寻找这个矩阵的鞍点。鞍点指的是矩阵中的一个元素,它是所在行的最大值,并且是所在列的最小值。# 由于涉及到的两表之间无直接的连接关系,要合并结果使用union# union联合查询默认返回的字段名是第一条查询语句的字段名,因此排序时要注意使用prod_有三个人,甲说:“华为明天发意向”,乙说:“如果华为明天发意向,那么我是秦始皇”,丙说:“甲是华为hr”。

每天多一点干货 1090

应届生拿到offer之后的流程_应届生求职,拿到的第一份offer要不要去?

2020年秋招基本接近尾声,身边找工作的朋友都顺利拿到了多个offer,这时候你才拿到第一份offer,该不该去呢?对于一个已经有了明确求职目标,拥有求职规划的同学来说,应该会从以下方面进行考虑。而一个正确的职业规划,应该是能够把自身和当下发展结合起来的。毕竟不同的offer会影响你以后几年的发展,而一份好的offer可能帮助你远超同龄人。01了解你所求职的行业和岗位吗?以前在学校里自认...

weixin_36482579的博客 1948
上一篇: Redis 为什么默认 16 个数据库?
下一篇: 什么?Kubernetes 决定弃用 Docker?
编程IT圈
博客等级 码龄6年 1130粉丝 544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