社区
非技术区
帖子详情
求助+散分
gesanri
2009-02-14 10:52:30
再过2个多月就要告别学生生涯去上班了,但现在发现什么都不会,郁闷,公司是一家欧美企业,以前还不错,但现在也在走下坡路了,去年年末刚裁员了几百人,弄得我压力好大,来说说你们第一次上班会碰到什么问题吧,又是怎么解决的
...全文
186
35
打赏
收藏
求助+散分
再过2个多月就要告别学生生涯去上班了,但现在发现什么都不会,郁闷,公司是一家欧美企业,以前还不错,但现在也在走下坡路了,去年年末刚裁员了几百人,弄得我压力好大,来说说你们第一次上班会碰到什么问题吧,又是怎么解决的
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
35 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
LemonF0909
2009-02-18
打赏
举报
回复
JF哦~
wkdgofyd0312
2009-02-18
打赏
举报
回复
多做事 少想事 挺过经济危机在想事
kunsnat
2009-02-18
打赏
举报
回复
多做事~
tracyshe
2009-02-17
打赏
举报
回复
jf
BrainStorm_Chang
2009-02-17
打赏
举报
回复
多做事,少说废话,与同事搞好关系,多了解公司状况,做好份内的事情,态度积极,勤劳~~~
wyquan101
2009-02-17
打赏
举报
回复
jf
junjun1984
2009-02-16
打赏
举报
回复
做好自己的事 并不断的提升自己。
gesanri
2009-02-16
打赏
举报
回复
[Quote=引用 17 楼 gesanri 的回复:]
说到业务,我是boss组的(别误会,boss是bss和oss的合称),那从技术角度上说,哪些技术对我比较重要?
[/Quote]
没有人对boss比较了解的吗
bj890
2009-02-16
打赏
举报
回复
jf
yqlx521
2009-02-16
打赏
举报
回复
勤快点,还有和你在的团队关系融洽
zhentuxiaohao163
2009-02-15
打赏
举报
回复
新手
01Byte空间
2009-02-15
打赏
举报
回复
还在找工作呢
aemyang1987
2009-02-15
打赏
举报
回复
找个工作就好了,不管怎样,挺过来了就好了!
sunyuqian
2009-02-14
打赏
举报
回复
要了解公司的业务,一开始主要是适应
Asinzy
2009-02-14
打赏
举报
回复
觉得欧美企业是个好的锻炼环境啊,不知道是否真的如此,好好做就是。
混沌君子
2009-02-14
打赏
举报
回复
积极了解公司业务,熟悉自己摊子,少说话,多做事,不懂的问题要主动问身边的人。
mizukusa
2009-02-14
打赏
举报
回复
[Quote=引用 5 楼 hspqq 的回复:]
一般刚进去公司都会给你一段适应期,适应期内不会让你做些太难的东西,主要是学习
[/Quote]
是这样的,一般都有一个培训之类的,做事最好积极一点!
swl401
2009-02-14
打赏
举报
回复
少说多想多做
starluck
2009-02-14
打赏
举报
回复
[Quote=引用 2 楼 qindequan 的回复:]
进公司了,多积极主动点,少说废话
[/Quote]..
爱摸鱼de老邪
2009-02-14
打赏
举报
回复
难道是Moto,楼主?
加载更多回复(15)
变分贝叶斯估计:KL散度及变分自由能
本文详细介绍了KL散度在变分贝叶斯中的作用,包括其定义、性质以及在度量近似后验分布与真实后验分布差异的应用。重点阐述了变分推断中的变分自由能概念,以及它与最大化证据下界的关联,强调了在优化过程中的策略和目标。,
DL:RBM学习算法——Gibbs采样、变分方法、对比散度、模拟退火
本文介绍了RBM学习算法,包括Gibbs采样、变分方法、对比散度和模拟退火等关键方法。Gibbs采样是一种基于马尔科夫链的采样技术,变分方法通过变分优化解决概率推理问题,对比散度简化了RBM学习过程,而模拟退火算法则是一种通用的优化策略,用于避免局部最优。
正向KL散度与反向KL散度
本文深入探讨了KL散度的概念及应用,对比分析了正向KL散度与反向KL散度的区别,并通过实例说明了二者在逼近真实分布时的不同表现。
Jensen-Shannon散度(JS散度)
Jensen-Shannon散度(JS散度)是基于Kullback-Leibler散度的对称版本,用于衡量概率分布间的相似性。它具有非负性、对称性和有界性等性质,能克服KL散度的局限性。在机器学习、自然语言处理、生物信息学和信息论等领域有广泛应用。
双目散斑结构光
本文介绍了散斑结构光在双目立体匹配中的作用,对比了不同结构光方式的效果,重点阐述了全域和局域位置随机散斑的生成方法及其优缺点。通过计算机模拟生成散斑图,展示了如何通过调整参数优化散斑分布,从而提高立体匹配的准确率。
非技术区
23,404
社区成员
70,513
社区内容
发帖
与我相关
我的任务
非技术区
Java 非技术区
复制链接
扫一扫
分享
社区描述
Java 非技术区
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章