程序人生第三年

(一)这三年
        在中国,几乎没有多少企业愿意花费大量的资源、财力在技术研发上,所谓的“科技公司”,都喜欢招那种现成能够马上上手的程序员,组成一支十人不到的技术团队,要求在快则3个月,慢则一年的时间内,开发出一套产品。然后产品上市,业务人员推广,公司盈利。运营一段时间后,产品要更新换代了,再去招聘一批新的程序员,依然要求在很短的周期内做成产品来,上市,推广,盈利……周而复始。这就是为什么企业招聘信息上都要求必须有X年以上工作经验。
        我所在的公司计划更新换代的时候把我招聘进来的,要求用当时最火的技术就是J2EE。公司主流的产品是用C写的,跟终端的交互是C/S模式,而当时电子商务正在兴起,因此,公司想将原来的产品往电子商务网站发展。我被分配到了开发部的二组——专门开发产品二代的组。刚开始,公司的确接到了几个电子商务有关的项目,然后,我和项目二组的同事们风风火火地大干起来。从可行性研究、需求分析、系统设计,再到编码、调试、发版,项目的每个阶段,我们都积极地参与,把每个项目都看成我们的孩子似的去呵护。等到项目正式上线后,我们内心都充满了自豪感,无比的成就感。
        然而好景不长,新项目并没有给公司带来巨大的收益。公司终于意识到,给公司盈利的并不是什么前沿的IT技术,而是用“最前沿的IT技术”为幌子收取的代理费,一个代理就是好几千块钱。一个省发展一万个代理,公司就收入就是几千万,而如果是好几个省呢?那规模不就上亿了。于是,公司果断地砍掉了新的项目,将重心移到了将业务推广到其他省上面了。一时间开发部二组几乎没有事情做了,同期的同事相继离职。公司就撤销了二组。由于我接触过公司原来的产品代码,部门经理把我留下来,一方面去维护已经上线的项目,另一方面给外省推广的业务员提供技术支持。

(二)“跳槽”?
        在中国IT界有一个这样的现象:中国虽然有很牛的科技公司,比如:某企鹅,却没有很牛的研发团队。一个IT产品(或互联网产品)从提出概念到发布上市,不能超过一年,否则就算是失败了。一旦出现很火的产品,就有企业竞相去模仿,而模仿一种产品,往往不需要3个月,这样更导致了没有企业愿意投入到技术研发上。产品一旦上线,大多数就公司不大愿意留住程序员了,因此,程序员往往需要频繁跳槽。
        我所在的公司的原来的产品是用C语言写的,因为我也会一点C语言,所以,部门经理把我留下来了,也安排我一点C语言的代码的维护。按照公司的发展来看,将来不会再开发新的系统了,以后也只需要技术支持类的工作人员了。有一段时期,我考虑过换工作,就是“跳槽”,但是仔细一想,觉得没有必要为了“跳槽”而“跳槽”。如果换到新公司以后,出现同样的情况怎么办?
        经过多番考虑以后,我决定与其频繁换工作,不如花时间提升自己的能力。为此,我在完成自己的工作任务后,还我给自己额外安排了三个任务:
        一是:每天上论坛来学习提升自己。
        二是:每周写一篇总结,帮助自己巩固知识。
        三是:一年内开发出一套在线考试系统。

(三)在线考试系统
        需求说明:开发一套在线考试系统,考试内容为软考-程序员。要求:
        1、建立题库。包括:后台-试题的增删改查;前端-在线答题、评分、分析等。
        2、真题试卷管理。包括:后台-真题试卷的增删改查,真题试卷管理;前端-在线考试、阅卷、自动计算分数等。
        3、自动生成试卷功能。包括:从题库中随机获取相应的题目,自动生成试卷。

        设计思路和编码会陆续在以后的文章的写出来。

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 8
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