上海－月薪6000～15000 招聘Java 工程师

job4u 2004-01-30 11:56:47
猎头招聘：
根据客户需求，诚聘Java工程师若干
月薪6000－15000

要求：
进行Java或J2EE开发至少1年
3-5年为佳

有意者请留下联系电话和Email

3天内必定予以回复，谢谢
...全文
107 3 打赏 收藏 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
job4u 2004-01-31
  • 打赏
  • 举报
 回复
简历请发至
Zero8223@tom.com
job4u 2004-01-31
  • 打赏
  • 举报
 回复
客户都是欧美企业，所以英文得好点

我们的网址
http://www.millennium-soft.net/
提供专业猎头服务
Shrewdcat 2004-01-31
  • 打赏
  • 举报
 回复
Msn: shrewdcat@msn.com
从人工智能招聘大数据看2025年AI人才市场全景洞察
你是否正在寻找 AI 相关岗位？是否想了解当前市场上 AI 岗位的招聘趋势？《人工智能招聘大数据2025年.xlsx》是你不可错过的行业分析工具！本表汇总了，涵盖，是 AI 从业者、求职者、高校学生及企业HR的。
CnOpenData 线上招聘网站信息数据
CnOpenData线上招聘网站信息数据库是一个覆盖中国主流招聘平台、时间跨度长、更新频率高的劳动力市场需求侧大数据集合。本数据库汇集了，为学术界和业界提供了一扇实时观察中国劳动力市场动态的窗口。
【最小均方（LMS）算法和归一化最小均方（NLMS）算法进行了比较分析】NLMS比LMS更能抵抗输入相关性研究（Matlab代码实现）
内容概要：本文对最小均方（LMS）算法和归一化最小均方（NLMS）算法进行了系统的比较分析，重点探讨了NLMS算法在抵抗输入信号相关性方面的优越性。通过Matlab代码实现了两种算法，并在相同仿真条件下进行性能对比，结果表明NLMS在处理高度相关的输入信号时表现出更快的收敛速度和更高的稳定性。文章详细阐述了两种算法的数学原理、迭代更新公式及其在自适应滤波中的典型应用场景，深入剖析了NLMS通过引入归一化步长机制有效克服输入信号功率波动对收敛性能影响的内在机理。同时提供了完整的仿真流程、参数设置与实验验证，充分展示了NLMS在实际工程应用中的优势。; 适合人群：具备一定信号处理、自适应滤波理论基础的研究生、科研人员，以及从事通信系统、音频处理、回声消除、控制系统等领域的工程技术人员。; 使用场景及目标：①为自适应噪声抵消、系统辨识、信道均衡等工程问题中的算法选型提供理论依据与实践参考；②深入理解LMS与NLMS算法的核心差异，掌握NLMS在应对输入相关性问题上的设计思想与性能优势；③为高校教学实验、科研项目开发提供可复现、可扩展的Matlab仿真代码支持。; 阅读建议：建议读者结合所提供的Matlab代码运行仿真，观察不同输入相关性条件下两种算法的收敛曲线变化，深入体会归一化机制对算法鲁棒性的提升作用，同时可通过调整步长因子、信号相关性强度等参数进一步探究算法的性能边界与适用范围。
固定拍摄工厂内烟雾检测数据集1954张YOLO+VOC格式.zip
数据集格式：VOC格式+YOLO格式 数据集介绍：图片为工厂固定场景拍摄的烟雾图片标注而成 压缩包内含：3个文件夹，分别存储图片、xml、txt文件 JPEGImages文件夹中jpg图片总计：1954 Annotations文件夹中xml文件总计：1954 labels文件夹中txt文件总计：1954 标签种类数：1 标签名称:["smoke"] 每个标签的框数（注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准）： smoke 框数 = 3171 总框数：3171 图片清晰度（分辨率：像素）：清晰 图片是否增强：否 标签形状：矩形框，用于目标检测识别 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
基于布谷鲶鱼优化算法(CCO)、灰雁优化算法(GGO)与田忌赛马优化算(THRO)的城市空中交通多无人机路径规划研究（Matlab代码实现）
内容概要：本文研究了基于布谷鲶鱼优化算法(CCO)、灰雁优化算法(GGO)与田忌赛马优化算法(THRO)的城市空中交通多无人机路径规划问题，并通过Matlab代码实现。研究聚焦于复杂城市环境中多无人机系统的路径规划挑战，提出融合三种仿生优化算法的混合策略，旨在解决避障、路径最短、飞行安全与资源分配等多目标优化问题。文中详细阐述了各算法的生物启发机制、搜索行为建模及其在路径规划中的协同优化框架，构建了从环境建模、个体行为模拟到群体协同决策的完整求解体系。通过大量仿真实验验证了该混合算法在提升路径规划效率、降低能耗、增强系统鲁棒性与动态适应性方面的显著优势，尤其在高密度飞行场景下表现出优异的冲突规避能力和资源均衡能力，为未来城市空中交通（UAM）系统的智能化管理提供了有效的技术路径与理论支撑。; 适合人群：具备一定编程基础，熟悉Matlab仿真环境，从事智能优化算法、无人机路径规划、智能交通系统、多智能体协同控制等相关领域研究的科研人员及研究生。; 使用场景及目标：① 探索新型仿生优化算法在复杂多智能体路径规划中的融合应用；② 解决城市环境中多无人机协同飞行的动态避障、资源竞争与任务分配问题；③ 为城市物流配送、应急救援、空中巡检等实际应用场景提供高效、安全、可扩展的路径规划方案； 阅读建议：建议结合Matlab代码进行仿真实践，重点关注算法参数敏感性分析、收敛性能评估与多目标权衡机制，同时可将其与传统优化算法（如PSO、GA、ABC）进行对比实验，深入理解混合优化策略在复杂搜索空间中的优势边界与适用条件。
非技术区

23,404

社区成员

70,506

社区内容

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

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