百度前端技术学院——零基础学院(2)

第二天:给自己做一个在线简历吧

检验自己:

  • HTML是什么,HTML5是什么
    HTML是一种标签语言,HTML5是一种最新的标准规范。
  • HTML元素标签、属性都是什么概念?
    标签:HTML 标记标签通常被称为 HTML 标签 ,是由尖括号包围的关键词,通常是成对出现的,标签对中的第一个标签是开始标签,第二个标签是结束标签,开始和结束标签也被称为开放标签和闭合标签。
    属性:HTML 标签可以拥有属性。属性提供了有关 HTML 元素的更多的信息。属性总是以名称/值对的形式出现,比如:name=“value”。属性总是在 HTML 元素的开始标签中规定。
  • 文档类型是什么概念,起什么作用?
    Web 世界中存在许多不同的文档。只有了解文档的类型,浏览器才能正确地显示文档。HTML 也有多个不同的版本,只有完全明白页面中使用的确切HTML 版本,浏览器才能完全正确地显示出 HTML 页面。这就是<!DOCTYPE> 的用处。<!DOCTYPE> 不是 HTML 标签。它为浏览器提供一项信息(声明),即 HTML 是用什么版本编写的。
  • meta标签都用来做什么的?
    定义关于 HTML 文档的元信息。
  • Web语义化是什么,是为了解决什么问题
    Web语义化是指在进行HTML结构,表现,行为设计时,尽量使用语义化的标签,使程序代码简洁明了。简单的来说,是为了让机器读懂内容。
  • 链接是什么概念,对应什么标签?
    HTML可以使用链接与网络上另一个文档相连,对应a标签中的href来完成。
  • 常用标签都有哪些,都适合用在什么场景
    常用的标签有p,a,ul,ol,li,h1~h6等等。p标签应用于段落,h标签应用于标题,ul为无序排练,ol应用于有序排列。
  • 表单标签都有哪些,对应着什么功能,都有哪些属性
    表单标签form:
    1.action:这个属性规定该表单提交的信息存储文件以及它的地址
    2.method:这个属性规定该表单的提交方式(get/post)
    输入标签input:属性有placeholder,selected等等。
    用于给用户输入信息,服务器收集用户输入的信息。
    下拉菜单标签select,option:
    文本域textarea:
    label标签:
  • ol, ul, li, dl, dd, dt等这些标签都适合用在什么地方,举个例子
    ul标签是无序列表标签,可以用于新闻公告等的无序排列
    ol标签是有序列表标签,用于热搜,销量排行榜等
    dl标签是自定义列表
    在这里插入图片描述
    最后附上第二天任务要求的的HTML基础版简历
    在这里插入图片描述
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