社区
非技术区
帖子详情
偶要去面试,散分
jiashichao
2003-12-12 11:58:00
我在学校学的计算机,工作半年了,做了半年的网管挺无聊的,今天出来找工作,想当个asp程序员;因为没有作品,只是学过,过两天要去面试了,我学过asp.net,vb.net,c++,vfp,dreamver,photoshop,可惜没做过什么东西;所以这方面工作不太好找;再加上学历是大专;哎,没太大信心。需要大家鼓励!面试过了再加
...全文
79
40
打赏
收藏
偶要去面试,散分
我在学校学的计算机,工作半年了,做了半年的网管挺无聊的,今天出来找工作,想当个asp程序员;因为没有作品,只是学过,过两天要去面试了,我学过asp.net,vb.net,c++,vfp,dreamver,photoshop,可惜没做过什么东西;所以这方面工作不太好找;再加上学历是大专;哎,没太大信心。需要大家鼓励!面试过了再加
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
40 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
fancy05
2003-12-16
打赏
举报
回复
支持加祝成功
javaprogramlover
2003-12-16
打赏
举报
回复
good luck!!
jiashichao
2003-12-16
打赏
举报
回复
谢谢大家,结贴了.我会努力的
RickyHuang
2003-12-16
打赏
举报
回复
GOOD LUCKY
shg918
2003-12-16
打赏
举报
回复
GOOD LUCKY!!!因为成功的机会不大,所以提醒您是重在参与。好好利用还有工作的时间,正经的学一门拿的出手的东东
tuoshi
2003-12-16
打赏
举报
回复
加油!
sg105
2003-12-16
打赏
举报
回复
祝你成功
redstorm11
2003-12-15
打赏
举报
回复
好运!
efanlx
2003-12-13
打赏
举报
回复
祝好运!
okjanny
2003-12-13
打赏
举报
回复
你应该整理多一些作品出来。
sherrywear
2003-12-12
打赏
举报
回复
祝你成功!
bzscs
2003-12-12
打赏
举报
回复
good luck
hxx986
2003-12-12
打赏
举报
回复
只要你想做的事情,没人能阻止;若你不想做的,很容易找到一个借口去逃避。
大胆的去闯,我相信你能行!!!!
have fun!
caodavid2003
2003-12-12
打赏
举报
回复
祝你成功
miller530
2003-12-12
打赏
举报
回复
大胆的拽吧
bluesmile979
2003-12-12
打赏
举报
回复
祝你成功
dongxu0139
2003-12-12
打赏
举报
回复
加油,主要看机会你会不会把握住,我也是大专,当初去面试时也是什么也不会,甚至比你更惨,连ASP的书也不过刚看过三两天,因为我原来是做C的,嫌太累,不做了。后来去面试ASP程序员,我说给我个机会让我试一周,就在这一周我看了三本书,并且做出了第一个作品,然后就被正式录用了,个人感觉ASP学会简单应用不难,有人好好教最多一周就可以做东西了。也正因为简单所以薪水才低,郁闷。。。。。。
webdevelop
2003-12-12
打赏
举报
回复
兄弟,你比我强多了,呵呵。。
不过学不在多,在于精。
my0707
2003-12-12
打赏
举报
回复
好运~~~成功!
全息宇宙
2003-12-12
打赏
举报
回复
我最喜欢面试,去了之后就海吹,黑黑!!!
加载更多回复(20)
大模型
面试
题:解释下近似KL散度的计算
本文主要讨论KL散度的样本近似方法,包括前向和反向KL散度。介绍了进行近似的原因,如无解析解和计算复杂度高。阐述了近似的标准,即偏差和方差。分别给出了前向和反向KL散度近似的推导过程及最终形式,以解决近似值可能为负、方差大的问题。
面试
前端数组去重,我会问这3个小问题
文章讨论了数组去重在时间轴和银行属地显示等项目场景的应用,列举了包括双循环、indexOf、Set、filter、includes和Map在内的六种去重方法,并提及
面试
中如何结合个人经验分享案例。
偶现bug如何分析和处理?
本文讲述了软件测试过程中遇到偶现bug的困扰,作者分享了如何提交bug、开启日志记录以及分析问题可能的原因。同时,文章还提到
面试
准备的重要性,推荐了相关的
面试
资料。
Java
面试
题目---偶串
本文介绍了一种算法,用于找出通过删除给定偶串末尾部分后形成的最长偶串。输入为一个小写英文字母组成的偶串,输出为删除后的最长偶串长度。
大模型
面试
题10:KL散度与JS散度:数学原理、核心特性与大模型核心应用
本文深入解析KL散度与JS散度的数学原理及核心特性,重点阐述其在大模型中的关键应用场景。KL散度因其单向性广泛用于模型蒸馏、VAE训练和RLHF对齐;JS散度凭借对称性和有界性适用于GAN训练、生成多样性评估等场景。二者本质均为分布差异度量,在生成式AI中具有重要工程价值。
非技术区
2,129
社区成员
37,915
社区内容
发帖
与我相关
我的任务
非技术区
Web 开发 非技术区
复制链接
扫一扫
分享
社区描述
Web 开发 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