15年毕业的在北京找前端工作,看不懂现在的行情!

mosci 2016-04-28 11:52:41
我知道我作!但重点不在这。

为什么不一开始做前端,因为我too young too simple,觉得前端html css那些不算真正的代码,只是脚本语言!
然后我一头扎向了c++,然后后来我很迷茫,恰好那时候前端又火起来了,高薪容易进大公司!所以我就重拾起前端,看视频重新开始学。
可是前端变的不像以前的它了!大学的时候我只会ps切图html css 常见js动态效果我就能找到工作了。但是现在会这个连个前端实习生的工作都找不到!
现在找个3-5k的前端工作,比我刚毕业的工资还低,只求个提高自己的机会,都找不到。
要会html5,css3,javascript,jquery,有项目经验最好是手机端的,会es6,angular js 优先
更惨的是都要有经验的,转前端的亲们告诉我你们怎么找到第一份前端工作的好吗!!!
我看过一个最恐怖的是3-6k,3年以上web开发经验。。。
心好累
最后
求个前端工作。

备注:一个公司就一个前端这种可以直接无视我
要是是有经验的前端在的公司需要培养打下手的请联系我!
...全文
582 7 打赏 收藏 转发到动态 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
fjfjfj 2016-05-04
  • 打赏
  • 举报
回复
pc端,html5,css3,js,ajax这都是最基本需要掌握的。bootstrap很简单,但可以不会。 PSD切图,jquery。手机端肯定应该要会做的。 能正常的码页面,做好ie8兼容,常见效果能做出来。页面容错性好点 ,不要被数据一撑就变形。 其实很多低端职位,会以上这些就足够了,但有些人连这些都做不好。
Noir2240 2016-05-03
  • 打赏
  • 举报
回复
常见框架要求会用,也很正常吧
jhdxhj 2016-04-29
  • 打赏
  • 举报
回复
引用 2 楼 mosci 的回复:
[quote=引用 1 楼 jhdxhj 的回复:] 北京的前端很火,找前端,要选择互联网行业的公司,需求量大
我之前就是被这样类似的话迷惑了到了北京找前端工作,然而北京初级前端已经饱和,实习岗位都一堆人抢着要,各种招聘app要招的前端只有一个,那就是会pc端手机端精通html5,css3,js,ajax,bootstrap及各种框架还有项目经验的[/quote] 如果北京都不好找工作,其它城市只会更难
mosci 2016-04-29
  • 打赏
  • 举报
回复
引用 1 楼 jhdxhj 的回复:
北京的前端很火,找前端,要选择互联网行业的公司,需求量大
我之前就是被这样类似的话迷惑了到了北京找前端工作,然而北京初级前端已经饱和,实习岗位都一堆人抢着要,各种招聘app要招的前端只有一个,那就是会pc端手机端精通html5,css3,js,ajax,bootstrap及各种框架还有项目经验的
jhdxhj 2016-04-29
  • 打赏
  • 举报
回复
北京的前端很火,找前端,要选择互联网行业的公司,需求量大
jhdxhj 2016-04-29
  • 打赏
  • 举报
回复
引用 2 楼 mosci 的回复:
[quote=引用 1 楼 jhdxhj 的回复:] 北京的前端很火,找前端,要选择互联网行业的公司,需求量大
我之前就是被这样类似的话迷惑了到了北京找前端工作,然而北京初级前端已经饱和,实习岗位都一堆人抢着要,各种招聘app要招的前端只有一个,那就是会pc端手机端精通html5,css3,js,ajax,bootstrap及各种框架还有项目经验的[/quote] 你真的觉得IT行业在北京能赚钱吗?那么我告诉你,在北京房地产,金融,以及其相关行业来钱比IT快多了,链家地产底薪3500,提成另外,你可以去尝试下,2年经验的链家地产的销售人员,90%工资秒杀2年经验的在北京的程序猿
mosci 2016-04-29
  • 打赏
  • 举报
回复
[quote=引用 3 楼 jhdxhj 的回复:] 是啊,所以前端火是那些培训机构一起构成的假象,奇缺的是大牛,初级的需求/工资还不如美工,网站编辑这样的,还得996。 之前培训机构吹ios,大量的人学,现在iOS超级饱和,招iOS的基本都是要两年以上经验,导致现在培训出来的长时间找不到工作
内容概要:本文围绕“阶梯碳下考虑P2G-CCS与供需灵活响应的IES优化调度”展开,基于Matlab平台构建综合能源系统(IES)在阶梯式碳交易机制下的优化调度模型。研究深度融合电制气(P2G)与碳捕集、利用与封存(CCS)技术,结合需求侧灵活响应机制,旨在提升系统的低碳运行能力与经济性。通过建立多能流耦合的优化模型,协调电力、天然气、热力等多种能源形式的协同调度,有效降低系统碳排放强度,并借助YALIMIP工具包调用求解器进行高效求解。文档提供了完整的代码实现、模型构建流程与结果分析方法,涵盖从问题建模到仿真实现的全过程,具备较强的可复现性与科研参考价值。; 适合人群:具备电力系统、能源系统或优化建模相关背景的研究生、高校教师及工程技术人员,尤其适合从事综合能源系统、碳减排策略、P2G与CCS技术集成研究的专业人员,需熟练掌握Matlab编程与基本的数学规划知识。; 使用场景及目标:①用于研究阶梯式碳交易政策下综合能源系统的低碳经济调度策略;②支撑P2G-CCS技术与需求响应机制在IES中的仿真集成与性能评估;③作为撰写高水平学术论文(如EI/SCI收录)的技术基础与复现资源,推动碳中和背景下能源系统优化方向的创新研究。; 阅读建议:建议结合百度网盘提供的完整代码与资料包,按照模块逐步调试程序,重点理解目标函数的设计逻辑、碳交易成本的建模方式、约束条件的数学表达及求解器的配置方法,同时关注多能耦合设备的建模细节,配合公众号“荔枝科研社”获取持续的技术支持与案例拓展。
内容概要:本文系统研究了基于卷积神经网络(CNN)与支持向量机(SVM)融合的CNN-SVM混合模型在数据分类预测中的应用,尤其聚焦于工业故障识别领域。通过Matlab平台实现,该方法首先利用CNN强大的多层次特征提取能力对原始输入数据进行深度特征学习,自动捕获关键局部模式与空间结构信息,随后将提取的高层特征作为输入传递至SVM分类器,借助SVM在高维空间中小样本条件下卓越的分类性能与泛化能力完成最终判别任务。文中详尽阐述了模型的整体架构设计、网络参数配置、训练优化流程及特征迁移机制,充分结合了深度学习在特征表达上的优势与传统机器学习在分类决策上的稳健性。实验部分通过实际故障数据集验证了该混合模型相较于单一CNN或SVM模型在分类准确率、鲁棒性和抗过拟合能力方面的显著提升,证明了其在复杂故障诊断任务中的有效性与先进性; 适合人群:具备一定机器学习与深度学习理论基础,熟悉Matlab编程环境,从事故障诊断、模式识别、智能制造、电力系统监控或工业数据分析等相关领域的研究生、科研人员及工程技术开发者; 使用场景及目标:① 应用于旋转机械、电力设备、航空航天等领域的多类别故障识别与状态监测;② 掌握深度特征提取与传统分类器融合的技术路径,提升小样本、高噪声环境下数据分类的精度与可靠性;③ 为撰写高水平学术论文、开展科研项目或工程实践提供可复现的算法框架与完整代码支持; 阅读建议:读者应深入理解CNN与SVM的协同工作机制,重点分析特征提取层与分类层之间的接口设计,建议动手运行并调试所提供的Matlab代码,尝试在不同数据集上进行迁移实验与参数调优,以全面掌握该混合模型的应用技巧与优化策略。

698

社区成员

发帖
与我相关
我的任务
社区描述
提出问题
其他 技术论坛(原bbs)
社区管理员
  • community_281
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧