社区
非技术版
帖子详情
pb person find a job
SKY_4K_PPM
2012-03-27 04:04:08
哪位公司要招人的,帮忙推荐下.
(工作地点:深圳 pb 5年 )
...全文
153
6
打赏
收藏
pb person find a job
哪位公司要招人的,帮忙推荐下. (工作地点:深圳 pb 5年 )
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
6 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
SKY_4K_PPM
2012-03-30
打赏
举报
回复
lzp_lrp 版主给点java的建议。
准备 “洗心革面,重新做人......"
SKY_4K_PPM
2012-03-30
打赏
举报
回复
JAVA也自学了1年左右了,
J2SE J2EE spring struts hibernate tomcat jasperreport ajax javascript css jsp 还有很多其他的插件也都学过了就是没有实际的玩成过一个大的项目,
面试的时候一问项目 自己就小白了。
说来真丢人,工作5~6年了还被鄙视......
eviler
2012-03-28
打赏
举报
回复
暴熊 我支持你哦
咱俩是一年毕业的 ,好像来csdn的时间也差不多
WorldMobile
2012-03-28
打赏
举报
回复
转行学java吧,比较好找工作
SKY_4K_PPM
2012-03-28
打赏
举报
回复
eviler
在杭州吧,混的还好吧
LamarChen
2012-03-28
打赏
举报
回复
mark.
also in shenzhen.....
Effective C++与现代C++实践:从RAII到智能指针的编程哲学
在C++编程中,资源管理和内存安全是构建健壮系统的核心基础。RAII(Resource Acquisition Is Initialization)作为一种关键编程范式,通过将资源生命周期与对象绑定,从根本上解决了资源泄露问题。这一原理在现代C++中通过智能指针(如std::unique_ptr、std::shared_ptr)得到了优雅实现,它们不仅自动管理动态内存,还通过所有权语义确保了异常安全。这些技术对于开发高性能服务器、游戏引擎等对稳定性要求极高的应用场景至关重要。本文以《Effective C+
stm32单片机项目资料智能家居资料参赛作品低成本的智能家居联网控制解决方案
stm32单片机项目资料智能家居资料参赛作品低成本的智能家居联网控制解决方案
编码智能体工作树归属审计工具|原创源码+测试+离线报告
原创 Coding Agent Worktree Ownership Auditor 工具,将智能体会话、分支、工作树、文件锁、提交和合并请求建图,发现并发修改冲突和无人归属产物。压缩包包含完整源码、3 项自动化测试、可复现合成示例、离线 HTML/JSON/SVG 报告、1080×720 真实运行效果图、README、运行说明、功能清单、MIT License 及原创与授权声明。运行时零第三方依赖,不包含热点产品或开源项目源码、Logo、官方截图、论文、生产日志或其他受限素材。
337个城市农业机械化数据(2000-2025年).zip
数据名称: 337个城市农业机械化数据(2000-2025年) 数据范围: 337个城市 数据来源:国家统计局、《中国统计年鉴》、各地方统计局及年鉴等 数据注意: 含原始数据、线性插值、回归填补等三种版本,其中原始数据中含有一定缺失值,请谨慎使用 数据指标: 年份、省份、城市、省份代码、城市代码、农业机械总动力(千瓦)、农业机械总动力_名义增速(%)、农村用电量(万千瓦时)、农村用电量_名义增速(%)、农业机械化强度(千瓦/公顷) 目前各地农业机械化 情况 哈尔滨市大力推进智能农机装备迭代升级,全市主要农作物耕种收综合机械化率稳定在99%以上,位居全国省会城市前列。齐齐哈尔市深耕黑土地保护性耕作,2025年全市大型智能拖拉机、高端联合收割机保有量持续攀升,大豆、玉米全程机械化作业实现全覆盖。
基于ARIMA-CNN-LSTM预测模型研究(Python代码实现)
内容概要:本文研究了基于ARIMA-CNN-LSTM的分层式组合预测模型,旨在克服单一模型在处理时间序列数据时的局限性。该模型充分融合ARIMA模型对线性趋势与周期性成分的建模能力、卷积神经网络(CNN)对局部非线性特征的高效提取能力,以及长短期记忆网络(LSTM)对长期时序依赖关系的捕捉能力,构建了一个兼具线性与非线性建模优势的混合预测框架。通过在电力负荷、风速、交通流量等多种实际场景中的实验验证,该组合模型在预测精度、泛化能力和稳定性方面均显著优于单一模型,尤其适用于复杂多变的时间序列预测任务。; 适合人群:具备一定时间序列分析基础,熟悉Python编程,从事数据分析、人工智能或相关领域研究的研发人员及研究生。; 使用场景及目标:①解决复杂时间序列预测任务中线性与非线性特征共存的问题;②提升在电力负荷、环境监测、金融等领域的预测准确率;③为多模型融合方法的研究与应用提供实践参考。; 阅读建议:学习者应在掌握ARIMA、CNN和LSTM基本原理的基础上,结合文中提供的Python代码实现,动手复现实验过程,并尝试在不同数据集上进行调参与优化,以深入理解组合模型的设计思想与技术细节。
非技术版
401
社区成员
11,494
社区内容
发帖
与我相关
我的任务
非技术版
PowerBuilder 非技术版
复制链接
扫一扫
分享
社区描述
PowerBuilder 非技术版
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