达内就是变相的诈骗窝点

chenxiufeng0626 2017-03-28 11:15:22
沈阳奉天中心。我是1602学员陈秀峰,在达内学完保证你会从身无分文,摸爬滚打,艰苦学习4个月以后变成负债累累。
...全文
1900 23 打赏 收藏 转发到动态 举报
写回复
用AI写文章
23 条回复
切换为时间正序
请发表友善的回复…
发表回复
qq_39073972 2017-06-27
  • 打赏
  • 举报
回复
兄弟我也是达内刚出来的,转行的底子薄找了个工作还可以,实习期工资虽说不高还能混个温饱。我可能运气好点,你找找你那就业老师问问。加油兄弟别放弃。
-江流儿- 2017-06-26
  • 打赏
  • 举报
回复
聪头 2017-06-22
  • 打赏
  • 举报
回复
不能盲目相信培训
晨曦遇晓 2017-06-21
  • 打赏
  • 举报
回复
据说达内包就业呀 怎么会这么惨呢?
Frankyaa 2017-06-21
  • 打赏
  • 举报
回复
你信了他那个包就业吗?那怪自己吧,哈哈哈!
Frankyaa 2017-06-21
  • 打赏
  • 举报
回复
引用 13 楼 Java_Gump 的回复:
[quote=引用 11 楼 zssazrael 的回复:] 不管是学校还是培训机构,都是师傅领进门,学习靠个人。 多多努力吧。
就培训机构呢些渣渣也能算师傅? 有一年工作经验没有? [/quote]我这个班的老师是小牛,工作好几年了。但我还是退出了培训。
jiang_liu_ 2017-06-21
  • 打赏
  • 举报
回复
引用 13 楼 Java_Gump 的回复:
[quote=引用 11 楼 zssazrael 的回复:] 不管是学校还是培训机构,都是师傅领进门,学习靠个人。 多多努力吧。
就培训机构呢些渣渣也能算师傅? 有一年工作经验没有? [/quote]呵呵 你说达内坑可以,不过教学的老师都还是很不错的,坑的主要还是招生咨询啥的
不二青年 2017-04-06
  • 打赏
  • 举报
回复
不管是学校还是培训机构,都是师傅领进门,学习靠个人。一切全凭自己闯了
朗晴 2017-04-06
  • 打赏
  • 举报
回复
培训机构出来的以后都要学会自学,不然这条路没有老师带自己就成瞎子了。
涿鹿老王 2017-04-05
  • 打赏
  • 举报
回复
反正我在北京这边培训的还好,确实是填鸭式教学,主要是时间短,所以自己要加倍努力
Java_Gump 2017-04-01
  • 打赏
  • 举报
回复
引用 11 楼 zssazrael 的回复:
不管是学校还是培训机构,都是师傅领进门,学习靠个人。 多多努力吧。
就培训机构呢些渣渣也能算师傅? 有一年工作经验没有?
幽饮烛 2017-03-31
  • 打赏
  • 举报
回复
不管是学校还是培训机构,都是师傅领进门,学习靠个人。 多多努力吧。
聪头 2017-03-31
  • 打赏
  • 举报
回复
坚持才有可能胜利
哔啵啵哔啵哔 2017-03-31
  • 打赏
  • 举报
回复
沈阳达内应该是视频授课吧,那么全国的教学应该是差不多的,就业有困难,个人因素才是主要原因。找接口和抱怨是解决不了问题的,好好写代码,多总结,才是出路呀。
菜 头 2017-03-31
  • 打赏
  • 举报
回复
扎铁了,老心
朗晴 2017-03-31
  • 打赏
  • 举报
回复
对,修行靠个人。
理太偏 2017-03-30
  • 打赏
  • 举报
回复
讲道理还是看自己的,达内教的仅仅只是浅的不能再浅的,还是要不断学习
py513218931 2017-03-30
  • 打赏
  • 举报
回复
楼主现在从事了java相关工作了吗
  • 打赏
  • 举报
回复
培训机构都很水
一个治疗术 2017-03-28
  • 打赏
  • 举报
回复
怎么这么惨。
加载更多回复(3)
内容概要:本文提出一种基于鱼鹰优化算法(OOA)优化的CNN-BiGUR-Attention混合模型,用于提升短期风电功率预测的精度与稳定性,采用Matlab实现代码仿真。该模型融合卷积神经网络(CNN)提取输入数据的局部空间特征,利用双向门控循环单元(BiGUR)捕捉风速、功率等时间序列的前后向动态依赖关系,并引入注意力机制自适应强化关键时间步的特征权重,从而增强模型对非平稳风电数据的表征能力;进一步,采用OOA算法对模型超参数进行全局寻优,有效提升模型收敛速度与泛化性能。研究基于实际风电场历史数据开展实验验证,结果表明,该方法相较传统模型在预测精度、鲁棒性和误差抑制方面表现更优,适用于高比例可再生能源接入背景下的电力系统调度需求。; 适合人群:从事新能源发电预测、电力系统优化调度、智能算法与深度学习融合应用等方向的科研人员及工程技术人员,尤其适合具备Matlab编程能力、熟悉时间序列建模与深度学习框架的研究者。; 使用场景及目标:①实现风电场短期功率高精度预测,支撑电网安全稳定调度与能量管理;②为深度学习模型结构设计与智能优化算法联合调参提供实践范例;③推动人工智能技术在可再生能源预测、智能电网运行等领域的落地应用。; 阅读建议:建议结合提供的Matlab代码深入理解CNN-BiGUR-Attention网络架构搭建、注意力机制实现方式及OOA优化流程,重点关注数据预处理、模型训练与参数调优细节,可通过替换不同风电数据集进行对比实验,进一步掌握模型迁移能力与适应性。

23,404

社区成员

发帖
与我相关
我的任务
社区描述
Java 非技术区
社区管理员
  • 非技术区社区
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