Debug Your Life！关于学习、面试和工作成长（附B站录播）

于 2019-08-22 09:30:00 发布
阅读量594 收藏 1
点赞数
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。
本文链接：https://blog.csdn.net/Datawhale/article/details/100014377
版权
本文是一位互联网一线工程师分享的学习方法、面试准备和职业成长经验。强调了解不同程序员领域的基础知识，如前端、后端、移动端、算法等，并推荐了相关书籍。指出学历并非绝对，学习态度和实践经验更为重要。在面试中，基础算法和数据结构是考察重点，项目经验和解决问题的能力也至关重要。在工作中，要注重沟通、项目管理和自我提升，学会专注并抓住行业趋势。
摘要由CSDN通过智能技术生成

Debug Your Life：江水

直播概要

江水

1. 某互联网公司一线工程师

2. 代码写的跟屎一样（大佬不要闹！），指点江山一套一套的

如何学习

1 了解互联网

1.1 程序员都有哪些领域？

  • 前端:

    CSS/JavaScript/TypeScript

  • 后端:

    Java/C/C++/C#/Go/Erlang/PHP/Ruby/Python/NodeJS

  • 手机端:

    Android/Java/Kotlin iOS/Objective-C/Swift

  • 算法:机器学习/深度学习

  • 硬件:嵌入式/PFGA

  • 游戏

  • 测试:测试开发

  • 运维:运维开发

  • 基础设施:网络、虚拟化/容器、大数据

1.2 程序员的工资都是多少？

  • 校招 本科生 13-18k

  • 校招 研究生 15-23k

  • 工作三年 20k+

  • 高级工程师 30k+

  • 资深工程师 40k+

1.3学历重要吗？

  • 互联网行业只有两个大学

    清/北/中科院 北航/北理/北邮/北科 哈工大 武大/华科 天大/南开 浙大 复旦/上交和其他大学

  • 但也有高中学历的架构师和有清北毕业的普通工程师

2 学习方法

  • 有效规划利用时间

  • 买个好电脑 至少要能跑三个以上虚拟机

  • Linux不是一门课程/技术 而是一种工具

种一棵树最好的时间是十年前，其次是现在

人，更适合专注；而不是像计算机一样，不断切换、中断

世上无难事，只要肯放弃

640?wx_fmt=png

3 推荐书籍

  • 计算机组成原理

  • 操作系统

  • 计算机网络

  • 数据结构与算法

关于编程的技术书

  • C程序设计语言

  • 明解C语言

  • UNIX环境高级编程(APUE)

  • C++ Primer

  • Java核心技术

  • Effective java

  • SQL必知必会

  • 高性能MySQL

  • Heading First系列

  • xx是怎样xx的

  • 图解系列

关于编程的非技术书

  • 设计模式 可复用面向对象软件的基础

  • 深入浅出设计模式

  • 重构 改善既有代码的设计

  • 代码整洁之道

  • 程序员修炼之道

  • 人月神话

  • 人件

  • 哥德尔 艾舍尔 巴赫书 集异璧之大成

如何面试

1 面试准备

1.1 做点正事

  • 基础算法 一定要多刷题（leetcode 牛课）

  • 多看开源项目 多读源码（github stackoverflow）

  • 函数式编程

  • 写一个数据库或者是操作系统

1.2 如何去大公司

  • 实习生/夏季实习生

  • 内推

  • 秋招/校招

  • 春招

  • 参加比赛：百度之星 阿里天池

1.3 想好做什么

  • 一听秋招开始了，慌了->海投

  • 第一份工作很重要，决定后续的工作->不要反复跳

  • 从0到1的蜕变

1.4 认清校招

  • 基础知识/基本技能+项目经验

  • 学习态度 认认真真刷题，好好学习的一般offer都不差

  • 实习经验 没实习就没实习经验

  • Web开发 要问SQL优化

  • 服务端开发 要问操作系统

  • 算法同学 一般这些是不问的

  • 做工程 需要很多周边知识

  • 如果不做基础设施 操作系统能知道是什么就可以

  • 基础算法 请先学好数据结构

  • 有些知识不会就是不会 虽然工作也不用

人生不能像做菜 把所有的材料都准备好了才下锅

珍惜每一个机会 但也不要打光所有底牌

2 面试技巧

  • 态度很重要

  • 如何证明你会

  • 项目需要能讲出来

3 面试官角度

  1. 基本算法和数据结构

    考察一个人的基本功

  2. 算法复杂度分析、常规代码细节

    考察一个人是否具有性能优化、容量规划、方案对比的意识

  3. 架构设计

    考虑问题是否全面

    是否具有全局观和前瞻性

    是否意识到学习的重要性

  4. 场景题

    解决问题的能力 现实问题转化为工程模型

如何工作与成长

1 如何工作

1.1 有些坏习惯

  • 眼高手低 再小的事情也要认真对待

  • 是否足够重视 是否有功利心

  • 没有想不想 只有该不该

  • 不要想能得到什么 要想能提供什么

1.2 学会沟通

  • 多人协作

    沟通交流、代码交互、接口规范 不仅是Git

  • 太内向不好 需要融入团队

  • 需要及时反馈

  • 有效沟通

    能提供什么 需要反馈什么

    完整表达 客观事实+观点

    人少时 同步沟通 会议、电话

    人多时 异步沟通 邮件、文档、多人协作系统

  • 学会提问 《提问的艺术》

    做了什么 现在是什么情况 感觉有什么问题

1.3 项目

  • 项目 如期交付(守时守信)、质量保障(保质保量)、项目产出(完整结果)

  • 过程 信息同步

  • 目标 为何要做这件事 意义是什么

  • 结果 目标的关键因素 核心指标

2 如何成长

  • 50%工作 30%学习 剩下的其他

  • 要么练剑 要么炼气

2.1代码之外的技能

（翻墙 跳出周围的圈子 看看外面的世界）

  • 英语能力

  • 自学能力 可以更快更有效的get到技能

  • 思考能力 独立思考 思维训练 保持头脑灵活 知道什么样是对的，什么样是错的

  • 写作能力 写博客 整理、记录

  • 沟通能力 交流融入圈子 人是群居动物

  • 分享能力 把技术讲给别人，也会提升自己

  • 营销能力

2.2 3F

Focus专注、Feedback反馈、Fix修正

2.3 追赶风口

电商 P2P 陌生人社交 区块链 人工智能 计算硬件化

经历这个东西 技巧永远弥补不了

保持好奇心 怀疑心态

压力是常态 

要看到积极的一面 不要只提出问题 也要解决问题

总结

没有银弹

钱 不是唯一目标

O ever youthful, O ever weeping

          --- Jack Kerouac <The Dharm Bums>

Q&A

Q:计算机岗位适合转行吗？

A:拼态度的行业！只要肯学！

Q:二本有得搞嘛？

A:知识是重要的，只要把知识面、积累搞好，问题不大

Q:刚开始刷题有必要先看视频吗？

A:刷算法、数据结构无所谓。无所谓方式，知识学到最重要。

Q:如何不要总犯错？

A:1.仔细认真，重视！2.考虑尽量全面一些。

Q:如何获取内推？

A:自己加一些社群，联系人帮内推；可以参考牛客网这类的网；可以关注脉脉，Boss直聘等APP信息。

Q:转行机器学习算法难度大吗？投入产出怎样?

A:如果你喜欢，你能学会，难度就不大。

Q:大数据是做什么的？

A:对公司内部数据分析，清洗，处理，对公司客户、对公司内部提供商业价值，或者对外提供大数据服务。

Q:没有实习怎么办？

A:简历的项目包括自学的项目、比赛经验、跟导师做的项目。真正学明白，懂了的项目经验。

........


文字整理 | 江水、蜉蝣

排版 |蜉蝣

图片 |蜉蝣

640?wx_fmt=png

640?wx_fmt=gif点击阅读原文，回看B站录播

Datawhale
关注
Debug_It!_Find,_Repair,_and_Prevent_Bugs_in_Your_Code
08-28
《Debug_It!_Find,_Repair,_and_Prevent_Bugs_in_Your_Code》是一本专注于...通过阅读本书，开发者不仅可以学习到各种调试技术，还可以从心理层面上更好地应对调试过程中可能遇到的挑战，最终提高软件质量和开发效率。
面经 | Ｂ站20校招算法岗（人工智能与技术部）【三面】
weixin_38754361的博客
09-08 1603
点击上方“AI算法与图像处理”，选择加"星标"或“置顶”重磅干货，第一时间送达作者：求小红书offer！！来源：https://www.nowcoder.com/disc...
debug!!! 需要的就从这里下载
07-31
debug是dos box的调试工具， dos box需要挂载上debug才能真正使用汇编， 要先下载dos box，在下载debug。 挂载指令：mount c: d:/debug (要先把debug直接安装在d盘里）
汇编学习 内含 debug 和 dosbox 等学习专用
08-30
通过`debug.exe`，学习者可以深入了解程序执行的过程，这对于理解汇编语言和计算机系统的工作机制非常有帮助。在汇编学习过程中，`debug`经常被用来分析二进制代码、查找程序错误或者进行逆向工程。 另一方面，`DOS...
VC下关于debug和release的不同的讨论
07-28
在使用Microsoft Visual C++ (VC) 开发软件时，我们经常会遇到Debug和Release两种配置下程序行为不一致的情况。这是由于两者在编译、链接以及优化策略上的显著差异导致的。下面将详细讨论这些差异以及如何解决由此...
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
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。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
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。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
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。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
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。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
c#代码介绍23种设计模式-03工厂模式(附代码)
09-21
1. 工厂方法模式之所以可以解决简单工厂的模式： 是因为它的实现把具体产品的创建推迟到子类中，此时工厂类不再负责所有产品的创建，而只是给出具体工厂必须实现的接口， 这样工厂方法模式就可以允许系统不修改工厂类逻辑的情况下来添加新产品，这样也就克服了简单工厂模式中缺点 2. 使用工厂方法实现的系统，如果系统需要添加新产品时： 我们可以利用多态性来完成系统的扩展，对于抽象工厂类和具体工厂中的代码都不需要做任何改动。 例如，我们我们还想点一个“肉末茄子”，此时我们只需要定义一个肉末茄子具体工厂类和肉末茄子类就可以。而不用像简单工厂模式中那样去修改工厂类中的实现 3. 从UML图可以看出，在工厂方法模式中，工厂类与具体产品类具有平行的等级结构，它们之间是一一对应的。针对UML图的解释如下： Creator类：充当抽象工厂角色，任何具体工厂都必须继承该抽象类 TomatoScrambledEggsFactory和ShreddedPorkWithPotatoesFactory类：充当具体工厂角色，用来创建具体产品 Food类：充当抽象产品角色，具体产品的抽象类。任何具体产品都应该继承该类 Tom
基于深度学习对法国租界地黑白照片上色模型.zip
09-21
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。
集团公司战略管理制度.doc
09-21
集团公司战略管理制度.doc
JSP学生网上选课系统设计(源代码+论文+答辩PPT).zip
09-21
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。 、资源5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。 、资源5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。
"Java面试笔记，IDEA DeBug调试技巧，条件断点和回到上一步
而为了能够在面试中有所准备，学习一些常见的面试题和技巧也是必不可少的。本文将对Java的面试笔记和IDEA Debug调试技巧进行总结，以供读者参考。 首先，我们来看一些Java面试笔记的内容。这份面试笔记非常全面，...
评论
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