【日常的一些记录】成为打工人之后的一点感受

2020年最后一天,好久没有产出了,上来水一篇文章。

本来想写2020年总结的,时间跨度有点大,还是改成实习总结吧。

刚找到工作的时候对于工作还是有很多向往的,工作在我眼里其实是一件很快乐的事情,可以全身心的投入一件事情,沉迷于写代码而废寝忘食。这一直是我很向往的生活状态,睁眼看天明,闭眼即天黑。每天没有那么多纷纷扰扰,人际关系简单。

决定来实习的那一刻,说的宽一点的想法是想多看看这个世界,不要总活在自己的世界里。现实一点的想法是想了解一下我以后所处的环境,以后要面对什么样的客户,要面对什么样的同事,每天要做些什么事,公司所处的行业都在做什么。

实习的这段时间给我的最大感受其实是我的期望有些太高了,首先我需要承认自己的工作态度有很大的问题,没有很热情,只是中规中矩的去做分配给我的每一件事。(具体为什么会这样就不说了)我来工作之后确实心态上相较在学校时变化了一些,记得我向我同住的室友请教我在工作方面的思想上的疑惑,她给我说了一句非常受用的话,你不把当前交给你的任务做好,别人怎么会要你。很感谢她对我的点拨。我一直很庆幸我能有机会出来实习,认识到一群有趣而可爱的人。和他们交谈让我感到很愉快,虽然可能有些话不是很中听,但是真的很受用。

其次,在工作上,确实也学到了一些思想。虽然我是做开发的,但是也需要一些产品思维。假设客户只是提出来需要一个冷冻要求,你要给他做一个冰箱。如果要开发一个系统,首先要思考四个方面的问题:我能解决什么问题?(核心痛点),谁来用?(使用主体),怎么用?(操作流程),为什么用?(价值本身),然后再根据这四点进行细化,这个系统有哪几个角色,哪几个子模块,需要涉及到哪些系统,每个角色分别进行什么操作。画一张整体的流程图,接下来再考虑细节问题。在接到需求的时候,要先弄清楚这个具体是要干些什么,为什么会需要这么个业务。自己头脑里需要对当前的任务有一个大致的了解,不要一个人闷头傻干。工作态度上,要更加积极主动,不懂就问,不要担心耽误他们的时间,你问他们问题是为了以后更好的分担他们的工作。需要明确自己干什么,想要干什么活就提,不要一个人埋头苦干。

更多的还是我自己思维的跳跃性,思考问题的时候还是应该沿着一条线走,不要忘记自己说到哪里了。多给自己一点信心,也多给团队一点信心,不要总是单打独斗。

希望2021年能成为更好的自己,4719要继续努力的孤独!

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 1
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