程序员经验分享-hwhale

从觉得简单 ------ 觉得难 ------ 再到觉得简单

2023-05-16

从觉得简单     ------       觉得难     ------      再到觉得简单

我觉得就是一个看山是山看山不是山，看山还是山的过程。

你以前觉得简单是因为你轻浮，用别人的代码轻松实现功能，觉得挺简单的，没什么的，32呀，平衡车呀，无人机呀等等的，后来意识到深入还有很多东西，真正叫你自己动手写，就觉得不简单了，等你真正把这些吃透了之后，又觉得简单了。但这回的简单和最开始觉得简单的你的水平不一样了。

 

现在的我更想自己去设计整个系统，自己去弄那些底层函数而不是单纯调用。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

。

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

从觉得简单 ------ 觉得难 ------ 再到觉得简单 的相关文章

  • 通过子网掩码判断两个IP地址是否在同一子网中

    IP地址分为两部分 xff0c 网络部分和主机部分 xff0c 子网掩码就是用来给你指明哪些是网络部分 xff0c 哪些是主机部分 xff0c 如果网络部分相同 xff0c 那主机就在同一网络里 一个IPv4地址 xff0c 由32位二进制

  • 拉流软件

    当初OZO电脑端用的VLC 手机端用的insta360player 媒体播放器三大底层架构 MPC MPLAYER VLC 下面截图自 FFmpeg从入门到精通 播放VR视频当时好像用的暴风影音 1

  • 当自己选导师，当自己招聘，能感受到很多东西。

    当自己选导师的时候很多东西就能体会到了 xff0c 这跟面试一样 xff0c 你从面试官的角度 xff0c 很多就合情合理了 老师选学生肯定也是愿意选做过自己领域相关项目的学生嘛 xff0c 你千万不要这么想 xff0c 就是一味表现自己很

  • 直立车模控制中三种滤波算法简单分析

    摘自 xff1a https mp weixin qq com s WbCh0NFAnsf9y2blQenf7g 让我想起余义的一篇文章也是说到平衡车有三种滤波 xff0c 我想和卓晴说的是一样的吧 直立车模控制中三种滤波算法简单分析 原创

  • 直立车模控制中三种滤波算法简单分析（清华卓晴）

    摘自 xff1a https mp weixin qq com s WbCh0NFAnsf9y2blQenf7g 让我想起余义的一篇文章也是说到平衡车有三种滤波 xff0c 我想和卓晴说的是一样的吧 https blog csdn net

  • 就去工作，然后报个培训班学，这样感觉其实挺好的

    我感觉啊 xff0c 就去工作 xff0c 然后报个培训班学 xff0c 这样感觉其实挺好的 xff0c 再弄个非全的硕士学位 也可以达到你想要的算法层面 他们去北邮的不很多也是自学 反正到哪里都是自学 xff0c 去软微也是自学 xff0

  • SIFT（单目3D重建和全景视频拼接都用到了！）

    我发现无论是单目SLAM里面 xff0c 还是全景视频拼接里面 xff0c 都用到了SIFT xff01 xff01 xff01 xff01 xff01 xff01 这是我今晚发现的 xff01 xff01 xff01 xff01 xff0

  • 集成学习

    中科院人工智能学院面试的时候有问到 xff0c 集成学习有哪些方法 xff0c 各自的优缺点 是因为我在简历上写了KPI异常检测最后需要通过无监督学习或者集成学习来解决 说实话我对集成学习的概念没那么清晰了 xff0c 我只记得裴丹用的随机

  • float a=1.0f 这里的1.0f中的 f 代表什么?有什么意思?

    最近看正点原子飞控源码会发现 xff0c 经常出现这种0 f xff0c 我以前玩单片机似乎没碰到过

  • 基于机器学习的KPI自动化异常检测（裴丹）

    可以看到确实就是用的随机森林

  • 原来全景拼接用的关键点检测，这样很多就说得通了

    原来全景拼接用的关键点检测 xff0c 这样很多就说得通了 xff0c 特别是手机自动多张合成一张全景照片时 xff0c 有的效果真的是不错的 xff0c 是的 xff0c 真的拼接得不错 xff0c 应该不是一个死的模板死套死拼的 xff

  • 从Bayesian Deep Learning到Adversarial Robustness新范式

    作者 王灏 毛成志 单位 Rutgers University Columbia University 研究方向 贝叶斯深度学习 对抗鲁棒性 拖延症赶在 2021 结束前来介绍一下我们 ICCV 2021 上基于 Bayesian Deep

  • 随机森林

    现在看我当时中科院人工智能学院面试时随机森林大部分说错了 我现在可以大体说出随机森林怎么弄的了 xff0c 当然前提要理解决策树 xff0c 建议去看周志华西瓜书里写的 xff0c 非常详细 xff0c 很不错 想想为什么要用随机森林 xf

  • 你工作过他们一般会对你工作时的实际的项目感兴趣

    你工作过他们一般会对你工作时的实际的项目感兴趣 xff0c 实际投入运营的项目感兴趣 xff0c 学校里的小打小闹的那种课本上的项目可能就没多少兴趣 xff0c 所以你工作时的项目务必要重视起来 xff0c 好好准备 面试国科大时他们就直接

  • 决策树

    我发现你连决策树都还没有完全弄明白 这有一篇写得不错的 xff0c 可以理解决策树的构建是个递归的过程 那决策树到底是二叉树还是三叉树 xff1f 具体放在哪个叶节点下怎么定的 xff1f 这个就是递归过程返回的条件 xff0c 那三个条件

  • boosting

    https blog csdn net qq547276542 article details 78304454 utm medium 61 distribute pc relevant t0 none task blog OPENSEAR

  • 我觉得一些非常有效的时间序列分析方法，对于KPI异常检测

    其实我当时觉得差分就挺好的了 xff0c 只是觉得方法过于简单 xff0c 总想弄点高级的方法 确实阈值和差分已经很不错了 xff0c 是很基础但也是很不错的方法 xff0c 裴丹的14个检测器最开始的两个就是阈值和差分 其实我真的觉得这两

  • VAE变分自编码器

    你在简历上写上基于VAE得KPI异常检测 xff0c 然后去面试 xff0c 会倒逼着你把VAE弄会弄清楚弄透彻 实际就是让你去跟别人讲

  • 说实话光一个KPI异常检测问题就让我接触了非常多的机器学习算法了。

    说实话光一个异常检测问题就让我接触了非常多的机器学习算法了 xff0c 我感觉由一个问题深入感觉还是不错的 你再去系统地学机器学习也会轻松很多 有一个落地场景感觉也是不错的 你但在那学机器学习算法 xff0c 但是没有合适的应用场景 xff

  • 王道给的职业发展，我感觉不错。

随机推荐

  • 去成为一个开源项目/社区的主要贡献者

    你要是真正想从事一方面 xff0c 不要在那抱怨没有机会 xff0c 你真正对那一方向感兴趣 xff0c 你就去自己做 xff0c 甚至成为那方面的开源项目的积极贡献者 xff0c 你都不需要怎么证明自己 xff0c 你再去找这方面的工作

  • SIGAI机器学习算法地图

    摘自 xff1a https blog csdn net SIGAI CSDN article details 80991031

  • KDD 2022 | 图“预训练、提示、微调”范式下的图神经网络泛化框架

    作者 社媒派SMP 来源 社媒派SMP 本文是SIGKDD 2022入选论文 GPPT Graph Pre training and Prompt Tuning to Generalize Graph Neural Networks 的解读

  • 独立森林

    独立森林是周志华提出的 xff0c 是一种无监督的异常检测算法

  • VR直播白皮书

    由华为和联通出的这个VR直播白皮书我感觉很不错 xff0c 我网盘里有 xff0c 搜白皮书可以搜到 xff0c 比较系统讲解了基于5G的VR直播系统 让我想起当初诺基亚的 业内首个基于5G的端到端VR直播解决方案 在这本白皮书里面应该可以

  • AIOps白皮书推荐的异常检测解决方案

    这和腾讯的Metris是一个思路 xff08 我发现上面AIOps白皮书的图就是腾讯织云异常检测框架的图 xff01 包括AIOps白皮书上的框图没有ABtest模块 xff0c 而腾讯织云的框图有ABtest模块 xff0c 而且AIOp

  • 智能问答

    我当初看到NOKIA专家组开会讨论这个 xff0c 预算20万 想做一个这个 xff0c 现在在AIOps白皮书里面看到了 xff0c 看来也是属于AIOps的一部分 也怪不得他们要做这个

  • 发现一本讲人工智能在电信行业应用的书《人工智能技术商业应用场景实战》

    发现一本讲人工智能在电信行业应用的书 人工智能技术商业应用场景实战 这挺符合我之前的工作背景 xff0c 而且也讲到了智能运维 xff0c 而且其中一个作者参与了AIOps白皮书的编写 看来这本书 xff0c 再让你像一个你以前工作背景的项

  • 使用GnuRadio + OpenLTE + SDR 搭建4G LTE 基站（上）

    摘自 xff1a https www freebuf com articles wireless 108417 html 使用GnuRadio 43 OpenLTE 43 SDR 搭建4G LTE 基站 xff08 上 xff09 漏洞盒子

  • GSM BTS Hacking: 利用BladeRF和开源BTS 5搭建基站

    GSM BTS Hacking 利用BladeRF和开源BTS 5搭建基站 引文 如果你已经购买了Nuand xff08 官方 xff09 BladeRF x40 xff0c 那么就可以在上面运行OpenBTS并可以输入一些指令来完成一些任

  • 深度学习方法的分类

    最近写PPT要写个深度学习所有方法的一个梳理 xff0c 发现很少有书系统讲深度学习到底囊括哪些方法 xff0c 大多都是讲下CNN RNN就完了 xff0c 包括 深度学习 这本书也没有明确讲深度学习具体包含哪些方法 机器学习有哪些方法很

  • 使用Minifly打造基于视觉感知的跟踪无人机

    摘自 xff1a https www cnblogs com kryo p 11278565 html 使用Minifly打造基于视觉感知的跟踪无人机 前言 xff1a 本文介绍一种可行的解决方案来实现基于视觉感知的跟踪无人机 由于本人能力

  • 关于GAAS

    官网 https www gaas dev https gitee com gaasdev GAAS github地址 https github com generalized intelligence GAAS 教程目录 xff08 这个

  • 开源LLM领域变天！LLaMa惊天泄露引爆ChatGPT平替狂潮

    作者 Aeneas 好困 来源 新智元 Meta的LLaMA模型开源 xff0c 让文本大模型迎来了Stable Diffustion时刻 谁都没想到 xff0c LLaMA的一场 史诗级 泄漏 xff0c 产生了一系列表现惊艳的ChatG

  • 我想能够完全掌握一个无人机从硬件到软件的设计

    我想能够完全掌握一个无人机从硬件到软件的设计 xff0c 能够自己独立完成 我觉得这也能让自己的基础更为扎实 再去设计其他嵌入式产品应该也会更轻松一些 而不再是像几年前做东西一样copy下别人的源码 xff0c 实现功能就觉得OK了 现在是

  • 通信协议

    首先我是在嵌入式软件工程师的招聘要求里面看到上面总线协议基本都是必写的 常看到的有 xff1a USB IIC SPI UART CAN SDIO 458 232 这个可以看我的博文 xff1a https blog csdn net si

  • 我怀疑正点原子的无人机有模仿这本书

    正点原子的无人机的保护框和这本书里面的无人机的保护框一模一样 我发现这个也是类似 xff0c 是不是他们这种微型无人机都是差不多模型的 xff1f

  • 一些嵌入式软件工程师的要求

    通信协议 xff0c 还有什么总线协议 总线协议出现频率非常之高 xff0c 基本时必要条件 xff0c 好好学学 我看华清的STM32那节里面有讲 你的STM32确实得重新系统学一学 真的总线通信协议几乎必出现 xff01 而这方面你似乎

  • 野火给的STM32嵌入式学习路线

    这里面包括了串口 xff08 xff08 STM32库开发实战指南里面有讲 xff09 xff0c FreeRTOS和网络编程 xff0c 基本是就把嵌入式软件工程师的招聘主要要求囊括进去了

  • 从觉得简单 ------ 觉得难 ------ 再到觉得简单

    从觉得简单 觉得难 再到觉得简单 我觉得就是一个看山是山看山不是山 xff0c 看山还是山的过程 你以前觉得简单是因为你轻浮 xff0c 用别人的代码轻松实现功能 xff0c 觉得挺简单的 xff0c 没什么的 xff0c 32呀 xff0

热门标签