2.说的真好:拿到那张纸不是我想要的结果

   转自:www.net130.com
        2004年10月2日                 
                           
                     拿到那张纸不是我想要的结果


     以前我学CCNA的时候,很在乎那张纸,我987,学了20来天就考试了,那时候考的是607,没看TK(其实看了1点,不超过20道,300多道题实在看不下去了).学完之后,就来在论坛混,装高手,装牛人,回答问题(本意是好的).

     后来转行学UNIX去了,准备考SUN的SOLARIS认证(要知道SOLARIS是UNIX中性能很好的一种).慢慢学了1年的SOLARIS,边学边玩,可以考,但是我最终没考.原因是什么?是说有证书的确很有优势,但是那时候我是学生,我不急着1时半会去找工作,我宁愿好好研究下它,多看下这方面的技术文档,说实在的,当初学SOLARIS.买了3种教程(没办法,SOLARIS的认证没有CISCO的CCNA的教材那么规范,至少那时候是),但是当我决定买考试券去考试的前阵子,我想了下,我连SOLARIS真正的"配偶"SUN SPARC都没见过(X86,PC也可以装SOLARIS,但是不是元配,也少很多功能).放弃了,没考了.但是在学(后来因为同时也要学CISCO的东西,没那么多精力,术业有专攻,我要精,尽量精)

      那时候比较浮躁,学CCNP没有当初学CCNA那么好的状态了,也面临着毕业.CCNP1张纸也失去它原有的神话"什么什么通往就业高薪的头等舱"而显示出它本来应该具有的价值.说真话,假如你是个学生,不是专门的做系统集成啊之类的"技术人".自学的,看看教程,TK,就PASS,培训的,摸摸设备,做点相关实验,也PASS.光这个,你1个学生有什么资格跟老板叫板,CCNA学的可都是基础啊,你要是跟老板谈什么OSI什么TCP 3-way handshake之类的,99%的老板都会认为你"迂腐",装样.老板用你,就是要体现出你在实际工作中的能力,价值,你把OSI描述的在细致在精确,用处大吗?说句公道话,你认为你从CCNA的ICND课程中学到了什么?配置点最简单的ACL?配置点RIP,IGRP?可现实和你想的一样吗?backup flash,为什么99.9999%都是"#"表示正确,却出现了1个"."将导致整个backup失败,你会说,我照着ICND书上做的,应该没错.是,理论是这样的,现实呢?

      说说CCNP吧,这个还好,至少把路由,交换,WAN,排错分类了.不是像CCNA的ICND那样笼统的揉在一起,可我觉得,还是那些话,以1个学生的身份,得到CCNP这样的纸张,但是大多数都是靠TK,其实这就是算作弊,还没考题都有了你说这是不是作弊(别很我争,看TK就意味作弊,这个行为好坏与否自己去衡量,我只是说这个行为是作弊).CCNP里有不少命令,如果你只是学生,干的不是这个行业,这些命令很快就会生疏的.而实际上在现实中不光要熟悉命令,还要熟悉show,debug每1行输出的含义(含义都弄不清楚,还怎么排错),这也就是为什么很多人在考完CCIE的笔试,进实验室以后,基本不看那些准备笔试的书,而是反复的敲命令,记,没别的,就是把这些命令和输出记到烂为止.而我想很多朋友(包括我),考完CCNA以后,证书丢1边,书丢1边,命令也丢了(坦白说我现在连FR,ISDN也忘记怎么配了,何况CCNA讲的很浅)

       有的人可能会说:"你坐着说话腰不疼,你1方面对我们说这些,1方面却在考你的CCIE.你说证书不属于学生族.这不是矛盾嘛,那你还考它干什么".我想说的是,CCIE并不存在含金量的问题,并不存在贬值1说,真正的CCIE要经受多少磨练是你想不到的.我是1个坏孩子,不怎么爱读书.可我在我活的21年里从没那么努力的去看书,笔试为什么那么容易PASS?还用说,TK嘛.你知道CCIE考的多广泛吗?1个大类QOS,出的题目可能就那么几道,而你要把QOS的皮毛完全看明白,花费的不单单是几个小时,几天的工夫.再说CCIE LAB考试,高昂的考试费,另外成绩的判定不是100%客观的,因为考官的存在(考官是公正的,那些考官不让你PASS,那你真的是不够资格PASS CCIE,准备2进宫吧)考出CCIE,或许你会干和这个相关的,做的好,高级民工,人民币少不了.拿不到高工资,也别怨天尤人,1堆苹果里总有好坏之分吧,如果你愿意做烂苹果,那就继续腐烂下去.不管工资多少,学CCIE的这个过程,我想是每个IT人都刻骨铭心的.

       还有种现象,或是借口,就是抱怨考试费高,FAILED的话可惜了,那我劝你,如果你的目标是CCIE,而不是拿个CCNP(顶点用)或CCNA(基本没用),那就不要去考CCNA和CCNP,这样更节约钱.直接考CCIE,我是说,CCNA,CCNP照样学,但是不考,这样能节约多少钱你自己算算,我帮你把这个借口找到底.

       如果你还是靠父母养活的话(我就是,甚至还要靠朋友来养活,下流吧呵呵),别太在意那张证书.它能给你多少快感和征服感?能持续多久?我后悔,后悔当初不该考CCNA,原因就是当初把CCNA这张纸看的太重了.仿佛我拿到了那张纸,我就真正的是CCNA了(水平上先不说,再说了,全世界的CCNA也有好多人呢,清醒点吧)

        最近学的郁闷,说点大家不爱听的.希望有的朋友可以考虑下我说到的一些废话.人和人是不一样的,你的路怎么走,你应该比我有更好的规划和目标.证书真的适合你吗?还是要好好想想.到底我们是在追求什么.到底我们需要什么,到底我们得到了什么..

1个sx的话,红头发

ps.因为长年混迹于各大IT论坛,在认证类的论坛里,被很多新人捧的和"腕儿"似的,在一些比如NBO,NET130,CU这样的技术论坛,我只能蹲在下面,真的插不上话,1插话,还容易招来那些真正的IT人鄙视的目光和语气(至少我感觉到了),可悲吧?你呢?                            

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