【成长访谈】李挺:用数学引领生活,品质无与伦比

成长是件很奇妙的事。个人成长和职业成长都在隐隐作痛后带来些许欢喜。卡卡回归了米兰,萨内蒂忠诚国米近20年,每每看到这样的故事,生命的崇敬油然而生。这些也许不是时代的主旋律,浮躁过后,真心害怕已经错过成长,错过了踏实做事的能力。希望能保持在路上的心态,改变不了世界,就安心做好当下,做好自己。在某司的一段旅程,回味是一阵苦涩,回归本源,其实就是活自己,内心强大了,管它秋风苦雨。


Q1:一句话简单介绍自己?比方:游戏行业从业者
数据分析师

Q2:你是哪一年从哪个学校毕业的,现在在哪个城市工作?

2009年毕业于西安交通大学应用数学系,常居西安。

Q3:毕业后换过几份工作,在什么公司,分别从事什么职业,每份工作大概的薪水(比方<5K)?
一个从骨子里讨厌换工作的人,毕业五年跳槽三次,跨省又跨行业,从传统国企到民营世界500强,再回到转型期私企。做过图像算法,做过通信软件平台开发(如果算的话),现在回归数据分析,最近脑子里不时浮现2003年八角楼阶梯教室里大工数学系四位老先生奉送的饕餮盛宴,数学从来就没有离开过工程,没离开过日常生活。用数学引领生活,品质无与伦比。这恰是我用回归的缘由!待遇如果是职业成功的度量衡,那我绝对不够职业,更不用提成功二字。^_^专业

Q4:每份工作分别收获什么,有什么感触特别深的东西?
成长是件很奇妙的事。个人成长和职业成长都在隐隐作痛后带来些许欢喜。卡卡回归了米兰,萨内蒂忠诚国米近20年,每每看到这样的故事,生命的崇敬油然而生。这些也许不是时代的主旋律,浮躁过后,真心害怕已经错过成长,错过了踏实做事的能力。希望能保持在路上的心态,改变不了世界,就安心做好当下,做好自己。对生活,绝大多数时间做个合格的观众就足够了。^_^感恩


Q5:你认为每个程序员需要掌握的最重要的技能是什么?(非程序员选填)

Q6:如果你有三个月的时间去学习一个相对较新的技术,你会选择什么?(非程序员选填)


Q7:你最近三个月读过的一本书的名字?
就手边这本吧,《数据化决策》邓洪涛译,中国出版集团。主要学习数据在商业中的使用方法和成功案例。

Q8:你最经常上的网站有哪些?
中国统计网,凯迪社区,12306, :)随时准备出差中.


Q9:对年轻的程序员,有什么建议吗?
一直没敢把自己当做一名合格的程序员,不负责任的说如果大家能把开发过程推广到日常生活中,中国足球就有希望了。^_^严谨。

Q10:如果10年后继续采访你,你期望会和今天有什么显著的不一样?
呵呵,很美妙的感觉呀,十年后呢,希望能比今天更有职业魅力,一定要有质感。^_^热爱
如果你对数据分析感兴趣,请关注微信号:meritpluto,美林大数据,和我们一起学习进步。


 

微信订阅号

微信订阅号

©2014程序员访谈录 it3qforu

■ 我们只做IT行业普通从业者的访谈,写他们的成长故事

■ 如果您依旧在IT这个行当里前行,请点击标题下蓝色的“程序员访谈录”关注我们

■ 如果您是工作超过4年的IT行业从业者,并且愿意分享您的经历,欢迎来稿promall@qq.com


1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
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