乔治奶昔
乔治奶昔

Bias

半泽树的视频《一个街头乐队在布拉格街头演唱coldplay的歌曲《The Scientist》。》: http://music.163.com/video/15E01B742B3C1FBCF40D1A9F8E84DA39/?userid=583502489 (来自@网易云音乐)

你可能感兴趣的:(Bias)

  • 从0开始深度学习（4）——线性回归概念 青石横刀策马 从头学机器学习深度学习神经网络人工智能
    1线性回归回归（regression）指能为一个或多个自变量与因变量之间的关系进行建模。1.1线性模型线性假设是指目标可以表示为特征的加权和，以房价和面积、房龄为例，可以有下面的式子：w称为权重（weight）b称为偏置（bias）、偏移量（offset）或截距（intercept）给定一个数据集，我们的目标是寻找模型的权重和偏置，使得根据模型做出的预测大体符合数据里的真实价格。1.2损失函数在我
  • Keras深度学习库的常用函数与参数详解及实例 零 度° pythonpythonkeras
    Keras是一个高级的神经网络API，它能够以TensorFlow、CNTK或Theano作为后端运行，以支持快速的实验和模型构建。Keras以其用户友好、模块化、可扩展性而受到广泛欢迎，适用于从深度学习新手到经验丰富的研究人员。常用函数及其参数Dense()全连接层，用于构建神经网络中的线性部分。units:层中的神经元数量。activation:激活函数，默认为’relu’。use_bias:
  • 深度学习之pytorch实现线性回归 温柔了岁月.c 机器学习深度学习pytorch线性回归
    度学习之pytorch实现线性回归pytorch用到的函数torch.nn.Linearn()函数torch.nn.MSELoss()函数torch.optim.SGD()代码实现结果分析pytorch用到的函数torch.nn.Linearn()函数torch.nn.Linear(in_features,#输入的神经元个数out_features,#输出神经元个数bias=True#是否包含偏置
  • LSTM参数详解 实名吃香菜 深度学习lstm人工智能rnn
    LSTM（长短期记忆网络）是一种特殊类型的循环神经网络（RNN），主要用于处理和预测序列数据的重要模型。以下是LSTM的主要参数及其含义（前两个参数必填）：input_size:输入特征的维度，即每个时间步输入张量的大小。hidden_size:隐藏层的特征数量。它定义了LSTM单元输出的特征的维度。num_layers:LSTM堆叠的层数。多层LSTM可以增加模型的复杂度和能力。bias:如果为
  • 方差与偏差 井底蛙蛙呱呱呱
    "偏差方差分解"(bias-variancedecomposition)是解释学习算法泛化性能的一种重要工具.偏差方差分解试图对学习算法的期望泛化错误率进行拆解.我们知道，算法在不同训练集上学得的结果很可能不同，即便这些训练集是来自同一个分布.对测试样本队令yD为m在数据集中的标记，y为x的真实标记(注：理论上y=yD,当有噪声时，会出现y!=yD,即错误的标注)，f(x;D)为训练集D上学得模型
  • bioinfo100-第9题-FastQC报告中的duplicate RachaelRiggs
    duplicate问题zhn去除duplicate可以这样理解：去除“假重复”（人为造成的重复序列方面的bias)保留“真重复”（天然存在的重复序列）。第9题读懂FastQC报告中的duplicate问题本周我们预计会把前10个问题提出来，结束我们的测序原理与FastQC部分。今天我们来详细聊聊duplicate问题。duplicate的产生主要是因为Illumina建库的过程中，一般会需要使用P
  • 机器学习-集成学习（模型融合）方法概述 毛飞龙 机器学习集成学习模型融合
    概述模型融合方法广泛应用于机器学习中，其原因在于，将多个学习器进行融合预测，能够取得比单个学习器更好的效果，实现“三个臭皮匠，顶一个诸葛亮”，其原因在于通过模型融合，能够降低预测的偏差和方差。本文对模型融合中常见的三种方法进行一个简要介绍：包括Bagging、Boosting、Stacking。偏差（Bias）与方差（Variance）假设对数据集中一个样本进行n次预测，偏差是预测期望值与样本值的
  • On the Spectral Bias of Neural Networks论文阅读 瞻邈 机器学习人工智能深度学习自动驾驶
    1.摘要众所周知，过度参数化的深度神经网络(DNNs)是一种表达能力极强的函数，它甚至可以以100%的训练精度记忆随机数据。这就提出了一个问题，为什么他们不能轻易地对真实数据进行拟合呢。为了回答这个问题，研究人员使用傅里叶分析来研究深层网络。他们证明了具有有限权值(或训练有限步长)的深度网络天生偏向于表示输入空间上的平滑函数。具体地说，深度ReLU网络函数的特定频率分量(k)的衰减速度至少与O(k
  • 循环神经网络（RNN）简介与应用 kadog ByGPTrnn人工智能深度学习
    循环神经网络（RNN）简介与应用一、RNN基本概念二、RNN原理解析2.1RNN网络结构RNN网络主要组件输入层(Input)，隐藏层(HiddenState)，输出层(Output)循环单元(RecurrentUnit)权重参数(Weights)和偏置项(Bias)RNN的数据流向时间步展开(UnrollinginTime)隐藏状态传递(HiddenStatePropagation)输出计算(O
  • 如何改进YOLOv5主干网络 风筝超冷 YOLO
    D:\yolov5-master\models目录下新建mobilevit.py文件夹代码内容：importtorchimporttorch.nnasnnfromeinopsimportrearrangedefconv_1x1_bn(inp,oup):returnnn.Sequential(nn.Conv2d(inp,oup,1,1,0,bias=False),nn.BatchNorm2d(oup
  • 代码+视频，PM3包进行3组倾向评分匹配并绘制smd图 天桥下的卖艺者 R语言代码+视频系列我写的R包r语言
    什么是倾向性评分匹配？倾向评分匹配（PropensityScoreMatching，简称PSM）是一种统计学方法，用于处理观察研究（ObservationalStudy）的数据，在SCI文章中应用非常广泛。在观察研究中，由于种种原因，数据偏差（bias）和混杂变量（confoundingvariable）较多，倾向评分匹配的方法正是为了减少这些偏差和混杂变量的影响，以便对实验组和对照组进行更合理的
  • imu_utils安装及标定教程 极客范儿 传感器标定IMUimu标定imu_utilscode_utils
    本文使用香港科技大学的imu_utils方差工具标定，首先将INDEMIND双目惯性模组静止放置三个小时。然后采集IMU数据，生成Allan方差数据，由图分析得到加速度和角速度的高斯白噪声和随机游走Bias误差。系统配置系统版本ubuntu18.04OpenCV3.4.13Eigen3.2.10Pangolin0.5一、安装ceresCeres官方地址二、创建ROS工作空间1、新建ROS工作空间m
  • 【从零开始学习YOLOv3】5. 网络模型的构建 pprpp
    前言：之前几篇讲了cfg文件的理解、数据集的构建、数据加载机制和超参数进化机制，本文将讲解YOLOv3如何从cfg文件构造模型。本文涉及到一个比较有用的部分就是bias的设置，可以提升mAP、F1、P、R等指标，还能让训练过程更加平滑。1.cfg文件在YOLOv3中，修改网络结构很容易，只需要修改cfg文件即可。目前，cfg文件支持convolutional,maxpool,unsample,ro
  • 统计学习 复习（知识点+习题） 玛卡巴卡_qin 课程学习
    复习资料：https://github.com/RuijieZhu94/StatisticalLearning_USTC第一章线性回归1.Fromonetotwo最小二乘课后题有偏/无偏估计加权最小二乘2.Regularization线性回归（二维情况）求解有约束优化问题正则化最小加权二乘不确定答案形式3.BasicFunction核函数岭回归有个关于核函数的推导，但应该不会考4.Bias-var
  • Bias 和 Variance 理解 phusFuNs
    一篇很不错的讲解Bias和Variance的文章：http://scott.fortmann-roe.com/docs/BiasVariance.html从三个角度去定义Bias和Variance概念上ErrorduetoBias：表示我们的模型预测的期望值（或者叫平均值）与模型想要努力接近真实值的difference。注意一点，这里的期望值是指，你可以通过多个数据集（随机性）来训练多个模型（参数
  • 类参数和实例参数 代码猪猪傻瓜coding python深度学习机器学习
    classConv2D(nn.Module):def__init__(self,kernel_size):super().__init__()self.weight=nn.Parameter(torch.rand(kernel_size))self.bias=nn.Parameter(torch.zeros(1))逐行解释给定的代码：（区分子类和类参数）1.`classConv2D(nn.Modu
  • 从Y = X到构建完整的人工神经网络 将_4c15
    在某些时候，你也许曾问过自己，人工神经网络的参数的来源是什么？权重的目的是什么？如果不用偏差（bias）会怎样？在本教程中，我们打算回答那些问题，我们从最简单的人工神经网络（ANN）做起，一直到复杂得多的模型。让我们从构建一个没有参数的机器学习模型开始，即Y=X。然后，我们将逐步增加一些参数到模型中，直到我们建立了一个单个神经元，这个神经元被设计成接收一个或多个输入。接着，神经元从数学公式映射成图
  • 机器学习：多项式回归（Python） 捕捉一只Diu 机器学习回归python笔记
    多元线性回归闭式解：closed_form_sol.pyimportnumpyasnpimportmatplotlib.pyplotaspltclassLRClosedFormSol:def__init__(self,fit_intercept=True,normalize=True):""":paramfit_intercept:是否训练bias:paramnormalize:是否标准化数据""
  • 【转】深度学习中的正则化（Regularization） 是我真的是我
    转自：http://www.imooc.com/article/69484一、Bias（偏差）&Variance（方差）在机器学习中，这两个名词经常让我们傻傻分不清。我们不妨用案例来看看怎么区分。假设我们正在做一个分类器，分别在训练集和验证集上测试，以下为四种可能的情况：四种情况可见①、④两种情况的训练集误差都很小，接近optimalerror，这种就称为lowbias。说明训练的很到位了。相反，
  • Analysis of Learning from Positive and Unlabeled Data zealscott
    PUlearning论文阅读。本文从基本的分类损失出发，推导了PU的分类问题其实就是Cost-sensitiveclassification的形式，同时，通过实验证明了如果使用凸函数作为lossfunction，例如hingeloss会导致错误的分类边界（有bias），因此需要使用例如ramploss之类的凹函数。同时，论文还对先验存在偏差的情况进行了讨论，说明了如果样本中大部分都是正样本，那么就算
  • 【深度学习每日小知识】Bias 偏差 jcfszxc 深度学习术语表专栏深度学习人工智能
    计算机视觉是人工智能的一个分支，它使机器能够解释和分析视觉信息。然而，与任何人造技术一样，计算机视觉系统很容易受到训练数据产生的偏差的影响。计算机视觉中的偏见可能会导致不公平和歧视性的结果，从而使社会不平等长期存在。本文深入探讨了计算机视觉中偏见的复杂性及其影响，并探讨了减轻偏见、促进公平和公正结果的方法。了解计算机视觉中的偏差计算机视觉算法经过大量视觉数据（例如图像和视频）的训练。如果训练数据存
  • 人脸识别 FaceNet人脸识别（一种人脸识别与聚类的统一嵌入表示） 郭庆汝 人脸识别FaceNet
    人脸识别FaceNet人脸识别（一种人脸识别与聚类的统一嵌入表示）FaceNet的简介Facenet的实现思路训练部分FaceNet的简介Facenet的实现思路importtorch.nnasnndefconv_bn(inp,oup,stride=1):returnnn.Sequential(nn.Conv2d(inp,oup,3,stride,1,bias=False),nn.BatchNor
  • 【DeepLearning-8】MobileViT模块配置 风筝超冷 深度学习pythonpytorch
    完整代码：importtorchimporttorch.nnasnnfromeinopsimportrearrangedefconv_1x1_bn(inp,oup):returnnn.Sequential(nn.Conv2d(inp,oup,1,1,0,bias=False),nn.BatchNorm2d(oup),nn.SiLU())defconv_nxn_bn(inp,oup,kernal_s
  • 机器学习：多元线性回归闭式解（Python） 捕捉一只Diu python机器学习线性回归
    importnumpyasnpimportmatplotlib.pyplotaspltclassLRClosedFormSol:def__init__(self,fit_intercept=True,normalize=True):""":paramfit_intercept:是否训练bias:paramnormalize:是否标准化数据"""self.theta=None#训练权重系数self.
  • 【陈工笔记】SNN（Spiking Neural Network）的理解 我看到你啦滴 网络神经网络
    （不足之处较多，望包涵。用于自学，帮助理解。）1、LIFNode在网络架构中的简单应用例子#定义并初始化网络net=nn.Sequential(nn.Flatten(),nn.Linear(28*28,14*14,bias=False),#这里不加bias应该是偏置在SNN中不好表示neuron.LIFNode(tau=tau),nn.Linear(14*14,10,bias=False),neu
  • 局部响应归一化 阿布儿
    图片.png图片.pngai(x,y)表示在这个输出结构中的一个位置[a,b,c,d]，可以理解成在某一张图中的某一个通道下的某个高度和某个宽度位置的点，即第a张图的第d个通道下的高度为b宽度为c的点。论文公式中的N表示通道数(channel)。a,n/2,k,α,β分别表示函数中的input,depth_radius,bias,alpha,beta，其中n/2,k,α,β都是自定义的，特别注意一
  • python对cmip6数据进行偏差校正Delta houhaha_ python开发语言
    降水要素importxarrayasxrimportosimportmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspdimportpymannkendallfromscipy.statsimportpearsonrfromsklearn.metricsimportr2_score,mean_squared_error#思路#bias=obs/
  • LSTM学习笔记 牧羊女说 PyTorchlstm学习笔记
    上一篇文章中我们提到，CRNN模型中用于预测特征序列上下文的模块为双向LSTM模块，本篇中就来针对该模块的结构和实现做一些理解。BidirectionalLSTM模块结构如下图所示：在Pytorch中，已经集成了LSTM模块，定义如下：CLASStorch.nn.LSTM(self,input_size,hidden_size,num_layers=1,bias=True,batch_first=
  • 分组卷积 AI视觉网奇 深度学习基础
    groups=math.gcd(in_channel,depth)ifgroups>1:groups=groups//4self.res_layer=Sequential(BatchNorm2d(in_channel),Conv2d(in_channel,depth,(3,3),(1,1),1,bias=False,groups=groups),PReLU(depth),Pytorch的分组卷积新
  • 深度学习记录--偏差/方差(bias/variance) 蹲家宅宅 深度学习记录深度学习人工智能
    误差问题拟合神经网络函数过程中会出现两种误差：偏差(bias)和方差(variance)偏差和误差的区别欠拟合(underfitting)当偏差(bias)过大时，如左图，拟合图像存在部分不符合值，称为欠拟合(underfitting)过拟合(overfitting)当方差(variance)过大时，如右图，拟合图像过于特殊，不够集中(即方差过大)，称为过拟合(overfitting)误差和tra
  • java线程Thread和Runnable区别和联系 zx_code javajvmthread多线程Runnable
    我们都晓得java实现线程2种方式，一个是继承Thread，另一个是实现Runnable。 模拟窗口买票，第一例子继承thread，代码如下 package thread; public class ThreadTest { public static void main(String[] args) { Thread1 t1 = new Thread1(
  • 【转】JSON与XML的区别比较 丁_新 jsonxml
    1.定义介绍 (1).XML定义 扩展标记语言 (Extensible Markup Language, XML) ，用于标记电子文件使其具有结构性的标记语言，可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。 XML使用DTD(document type definition)文档类型定义来组织数据;格式统一，跨平台和语言，早已成为业界公认的标准。 XML是标
  • c++ 实现五种基础的排序算法 CrazyMizzz C++c算法
    #include<iostream> using namespace std; //辅助函数，交换两数之值 template<class T> void mySwap(T &x, T &y){ T temp = x; x = y; y = temp; } const int size = 10; //一、用直接插入排
  • 我的软件 麦田的设计者 我的软件音乐类娱乐放松
         这是我写的一款app软件，耗时三个月，是一个根据央视节目开门大吉改变的，提供音调，猜歌曲名。1、手机拥有者在android手机市场下载本APP，同意权限，安装到手机上。2、游客初次进入时会有引导页面提醒用户注册。（同时软件自动播放背景音乐）。3、用户登录到主页后，会有五个模块。a、点击不胫而走，用户得到开门大吉首页部分新闻，点击进入有新闻详情。b、
  • linux awk命令详解 被触发 linux awk
    awk是行处理器: 相比较屏幕处理的优点，在处理庞大文件时不会出现内存溢出或是处理缓慢的问题，通常用来格式化文本信息 awk处理过程: 依次对每一行进行处理，然后输出 awk命令形式: awk [-F|-f|-v] ‘BEGIN{} //{command1; command2} END{}’ file [-F|-f|-v]大参数，-F指定分隔符，-f调用脚本，-v定义变量 var=val
  • 各种语言比较 _wy_ 编程语言
                        Java Ruby PHP 擅长领域                  
  • oracle 中数据类型为clob的编辑 知了ing oracle clob
    public void updateKpiStatus(String kpiStatus,String taskId){ Connection dbc=null; Statement stmt=null; PreparedStatement ps=null; try { dbc = new DBConn().getNewConnection(); //stmt = db
  • 分布式服务框架 Zookeeper -- 管理分布式环境中的数据 矮蛋蛋 zookeeper
    原文地址： http://www.ibm.com/developerworks/cn/opensource/os-cn-zookeeper/ 安装和配置详解 本文介绍的 Zookeeper 是以 3.2.2 这个稳定版本为基础，最新的版本可以通过官网 http://hadoop.apache.org/zookeeper/来获取，Zookeeper 的安装非常简单，下面将从单机模式和集群模式两
  • tomcat数据源 alafqq tomcat
    数据库 JNDI(Java Naming and Directory Interface，Java命名和目录接口)是一组在Java应用中访问命名和目录服务的API。 没有使用JNDI时我用要这样连接数据库： 03.  Class.forName("com.mysql.jdbc.Driver");  04.  conn
  • 遍历的方法 百合不是茶 遍历
                                                          遍历 在java的泛
  • linux查看硬件信息的命令 bijian1013 linux
    linux查看硬件信息的命令 一.查看CPU： cat /proc/cpuinfo   二.查看内存： free   三.查看硬盘： df   linux下查看硬件信息 1、lspci 列出所有PCI 设备； lspci - list all PCI devices:列出机器中的PCI设备（声卡、显卡、Modem、网卡、USB、主板集成设备也能
  • java常见的ClassNotFoundException bijian1013 java
    1.java.lang.ClassNotFoundException: org.apache.commons.logging.LogFactory   添加包common-logging.jar2.java.lang.ClassNotFoundException: javax.transaction.Synchronization    
  • 【Gson五】日期对象的序列化和反序列化 bit1129 反序列化
    对日期类型的数据进行序列化和反序列化时，需要考虑如下问题：   1. 序列化时，Date对象序列化的字符串日期格式如何 2. 反序列化时，把日期字符串序列化为Date对象，也需要考虑日期格式问题 3. Date A -> str -> Date B,A和B对象是否equals   默认序列化和反序列化     import com
  • 【Spark八十六】Spark Streaming之DStream vs. InputDStream bit1129 Stream
      1. DStream的类说明文档：   /** * A Discretized Stream (DStream), the basic abstraction in Spark Streaming, is a continuous * sequence of RDDs (of the same type) representing a continuous st
  • 通过nginx获取header信息 ronin47 nginx header
    1. 提取整个的Cookies内容到一个变量，然后可以在需要时引用，比如记录到日志里面， if ( $http_cookie ~* "(.*)$") {         set $all_cookie $1; }     变量$all_cookie就获得了cookie的值，可以用于运算了
  • java-65.输入数字n，按顺序输出从1最大的n位10进制数。比如输入3，则输出1、2、3一直到最大的3位数即999 bylijinnan java
    参考了网上的http://blog.csdn.net/peasking_dd/article/details/6342984 写了个java版的： public class Print_1_To_NDigit { /** * Q65.输入数字n，按顺序输出从1最大的n位10进制数。比如输入3，则输出1、2、3一直到最大的3位数即999 * 1.使用字符串
  • Netty源码学习-ReplayingDecoder bylijinnan javanetty
    ReplayingDecoder是FrameDecoder的子类，不熟悉FrameDecoder的，可以先看看 http://bylijinnan.iteye.com/blog/1982618 API说，ReplayingDecoder简化了操作，比如： FrameDecoder在decode时，需要判断数据是否接收完全： public class IntegerH
  • js特殊字符过滤 cngolon js特殊字符js特殊字符过滤
    1.js中用正则表达式 过滤特殊字符, 校验所有输入域是否含有特殊符号function stripscript(s) {    var pattern = new RegExp("[`~!@#$^&*()=|{}':;',\\[\\].<>/?~！@#￥……&*（）&mdash;—|{}【】‘；：”“'。，、？]"
  • hibernate使用sql查询 ctrain Hibernate
    import java.util.Iterator; import java.util.List; import java.util.Map; import org.hibernate.Hibernate; import org.hibernate.SQLQuery; import org.hibernate.Session; import org.hibernate.Transa
  • linux shell脚本中切换用户执行命令方法 daizj linuxshell命令切换用户
    经常在写shell脚本时，会碰到要以另外一个用户来执行相关命令，其方法简单记下：   1、执行单个命令：su - user -c "command" 如：下面命令是以test用户在/data目录下创建test123目录 [root@slave19 /data]# su - test -c "mkdir /data/test123" 
  • 好的代码里只要一个 return 语句 dcj3sjt126com return
    别再这样写了：public boolean foo() {    if (true) {         return true;     } else {          return false;    
  • Android动画效果学习 dcj3sjt126com android
    1、透明动画效果 方法一：代码实现 public View onCreateView(LayoutInflater inflater, ViewGroup container, Bundle savedInstanceState) { View rootView = inflater.inflate(R.layout.fragment_main, container, fals
  • linux复习笔记之bash shell (4)管道命令 eksliang linux管道命令汇总linux管道命令linux常用管道命令
    转载请出自出处： http://eksliang.iteye.com/blog/2105461     bash命令执行的完毕以后，通常这个命令都会有返回结果，怎么对这个返回的结果做一些操作呢？那就得用管道命令‘|’。     上面那段话，简单说了下管道命令的作用，那什么事管道命令呢？     答：非常的经典的一句话，记住了，何为管
  • Android系统中自定义按键的短按、双击、长按事件 gqdy365 android
    在项目中碰到这样的问题： 由于系统中的按键在底层做了重新定义或者新增了按键，此时需要在APP层对按键事件（keyevent）做分解处理，模拟Android系统做法，把keyevent分解成： 1、单击事件：就是普通key的单击； 2、双击事件：500ms内同一按键单击两次； 3、长按事件：同一按键长按超过1000ms（系统中长按事件为500ms）； 4、组合按键：两个以上按键同时按住；
  • asp.net获取站点根目录下子目录的名称 hvt .netC#asp.nethovertreeWeb Forms
    使用Visual Studio建立一个.aspx文件(Web Forms)，例如hovertree.aspx,在页面上加入一个ListBox代码如下： <asp:ListBox runat="server" ID="lbKeleyiFolder" />   那么在页面上显示根目录子文件夹的代码如下： string[] m_sub
  • Eclipse程序员要掌握的常用快捷键 justjavac javaeclipse快捷键ide
      判断一个人的编程水平，就看他用键盘多，还是鼠标多。用键盘一是为了输入代码（当然了，也包括注释），再有就是熟练使用快捷键。   曾有人在豆瓣评 《卓有成效的程序员》：“人有多大懒，才有多大闲”。之前我整理了一个 程序员图书列表，目的也就是通过读书，让程序员变懒。  写道 程序员作为特殊的群体，有的人可以这么懒，懒到事情都交给机器去做，而有的人又可
  • c++编程随记 lx.asymmetric C++笔记
     为了字体更好看，改变了格式……   &&运算符：   #include<iostream> using namespace std; int main(){      int a=-1,b=4,k;      k=(++a<0)&&!(b--
  • linux标准IO缓冲机制研究 音频数据 linux
    一、什么是缓存I/O(Buffered I/O)缓存I/O又被称作标准I/O,大多数文件系统默认I/O操作都是缓存I/O。在Linux的缓存I/O机制中，操作系统会将I/O的数据缓存在文件系统的页缓存(page cache)中，也就是说，数据会先被拷贝到操作系统内核的缓冲区中，然后才会从操作系统内核的缓冲区拷贝到应用程序的地址空间。1.缓存I/O有以下优点:A.缓存I/O使用了操作系统内核缓冲区，
  • 随想 生活 暗黑小菠萝 生活
    其实账户之前就申请了，但是决定要自己更新一些东西看也是最近。从毕业到现在已经一年了。没有进步是假的，但是有多大的进步可能只有我自己知道。   毕业的时候班里12个女生，真正最后做到软件开发的只要两个包括我，PS：我不是说测试不好。当时因为考研完全放弃找工作，考研失败，我想这只是我的借口。那个时候才想到为什么大学的时候不能好好的学习技术，增强自己的实战能力，以至于后来找工作比较费劲。我
  • 我认为POJO是一个错误的概念 windshome javaPOJO编程J2EE设计
                  这篇内容其实没有经过太多的深思熟虑，只是个人一时的感觉。从个人风格上来讲，我倾向简单质朴的设计开发理念；从方法论上，我更加倾向自顶向下的设计；从做事情的目标上来看，我追求质量优先，更愿意使用较为保守和稳妥的理念和方法。    &
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他