自我监督第4页

Java后端面试到底要如何准备？

3.整理自己的技术栈4.收拾好自己的自我介绍5.被八股文6.模拟面试7.针对模拟面试表现出来的问题进行改进8.开始投投简历本人10年开发经验，做过coder、做过领导、也做过架构师，面试过500人+。

财高八斗者·2025-03-05 17:39

前端vue面试题

一.自我介绍(我是谁来自哪里,今天来的目的,面试的岗位是什么,几年的工作经验,掌握的技术栈有哪些,开发过什么项目,项目中负责的板块是什么)面试官您好!

微微的猪食小窝·2025-03-05 17:37

【数据分析之道-NumPy(二)】多种方式创建数组_创建一个3行4列的二维数组(1)

✍本文录入于《数据分析之道》，本专栏针对大学生、初级数据分析工程师精心打造，对python基础知识点逐一击破，不断学习，提升自我。

2401_84159839·2025-03-05 15:21

2025机械考研复试面试问题汇总篇（含13门科目），考研机械复试专业面试常见重点问题总结！考研机械复试专业面试准备看这一篇就够了！

机械复试调剂英语自我介绍口语专业面试常见问题总结机械保研面试-CSDN博客https://blog.csdn.net/weixin_56510835/article/details/143101233本专栏包含的所有文章内容

一个 00 后的码农·2025-03-05 14:49

全栈（Java+vue）实习面试题（含答案）

在广州一个小公司（BOSS标注是0-20人，薪资2-3k)，直接面试没有笔试，一开始就直接拿着简历问，也没有自我介绍，问题是结合场景题和八股文、基础。废话不多说，直接分享面试题目个大家做参考。

小钊（求职中）·2025-03-05 09:36

【NB-Iot自我学习之路_2】NB模组模式介绍【利尔达电信篇】

一、前言本次开发NB模块是使用利尔达集团的NB86模组，连接平台是中国电信开发者平台。二、NB模组模式NB-IoT场景包含PSM、DRX、eDRX三种省电模式，中国电信物联网开放平台默认的省电模式为PSM模式。三种省电模式的说明如下：模式说明命令下发机制PSMpowersavingmode，省电模式。对下行业务时延无要求，对于下行业务消息，可等待设备发送上行数据进入连接态后再发送，以进一步节省终端

Litchi_kang·2025-03-05 09:32

【NB-Iot自我学习之路_4】NB模组初始化流程【移动篇】+【电信篇】

一、前言移动的NB模组连接移动的平台。利尔达的NB模组连接电信的平台。二、移动NB模组对接移动平台流程串口通讯波特率为9600，数据位为8，停止位为1，奇偶检验为None。初始化流程2.1M5310-A上电检查流程（1）AT//判断模组是否上电开机成功（2）AT+CSQ//信号质量检查（3）AT+CEREG?//判断PS域附着状态，标识位返回1或5表示附着正常（4）AT+CGATT?//检查模组P

Litchi_kang·2025-03-05 09:32

深度学习代码分析——自用

tab=readme-ov-file借助了一些人工智能1_train_stage1.py代码功能总览该代码是弱监督语义分割（WSSS）流程的Stage1训练与测试脚本，核心任务是通过多标签分类模型生成图像级标签

肆——·2025-03-05 08:28

一文讲清楚自我学习和深度学习

自我学习（Self-Learning）和深度学习（DeepLearning）是两个不同的概念，但它们在某些应用场景中可以有交集。下面我们将分别介绍这两个概念，并探讨如何将它们结合起来用于自我学习系统。

平凡而伟大(心之所向)·2025-03-05 07:51

机器学习笔记 - 监督学习备忘清单

一、监督学习简介给定一组数据点关联到一组结果，我们想要构建一个分类器，学习如何从预测。1、预测类型下表总结了不同类型的预测模型：2、模型类型下表总结了不同的模型：

坐望云起·2025-03-05 02:37

预训练模型微调与下游任务迁移学习技术

预训练模型通过在海量数据上的自监督学习,学习到了丰富的特征表示,为下游任务提供了强大的初始化。而对预训练模型进行有效的微调,可以充分利用预训练知识,在有限数据上快速达到出色的性能。

AGI大模型与大数据研究院·2025-03-04 22:37

多层感知机 (Multilayer Perceptron, MLP)

MLP是监督学习的模型，常用于分类和回归问题。组成部分输入层（InputLayer）：接收输入数据的特征。例如，如果我们有一个特征向量x=[x1,x2,…,xn]\mathbf{

ALGORITHM LOL·2025-03-04 20:19

SSM框架学习——SpringMVC简介与入门案例

博客是为了记录自我的学习历程，加强记忆方便复习，如有不足之处还望多多包涵！非常欢迎大家的批评指正。

程序员Lyle·2025-03-04 19:40

m0_74823892·2025-03-04 18:08

DAMA数据管理知识体系全接触-数据治理-大数据

第1章数据管理1.1引言数据管理的定义：是为了交付、控制、保护并提升数据和信息资产的价值，在其整个生命周期中制定计划、制度、规程和实践活动，并执行和监督的过程。

我思故我在6789·2025-03-04 18:38

SFT与RLHF的关系

在大模型训练中，SFT（监督微调）和RLHF（基于人类反馈的强化学习）是相互关联但目标不同的两个阶段，通常需要结合使用以优化模型性能，而非互相替代。

一只积极向上的小咸鱼·2025-03-04 11:12

探索STM32流水灯仿真：从入门到精通

源代码可以进行自我修改，方便学习和实践项目地址:https://gitcode.com/open-source-toolkit/4dd09项目介绍

常岱昶Salena·2025-03-04 09:27

人生必读书籍《高效能人士的七个习惯》

最近研读了史蒂芬・柯维的《高效能人士的七个习惯》，这本书犹如一盏明灯，照亮了我在个人成长与自我管理道路上前行的方向，让我收获颇丰。

Hello kele·2025-03-04 01:57

DeepSeek-R1：通过强化学习激励大型语言模型的推理能力

DeepSeek-R1-Zero是一个通过大规模强化学习（RL）训练而成的模型，无需监督微调（SFT）作为初步步骤，展示了卓越的推理能力。

AI专题精讲·2025-03-03 22:05

保姆级教程手把手教你如何快速部署一个属于你自己的微信AI机器人-支持群聊

阿木木AEcru·2025-03-03 20:16

2小时学懂【多元统计分析】——聚类分析（R语言）

聚类分析是一种无监督学习方法，用于将相似的观测值（或对象）分组到集群中。

木小鹿·2025-03-03 18:56

聚类分析tensorflow实例_新手必看的机器学习算法集锦（聚类篇）

继上一篇《机器学习算法之分类》中大致梳理了一遍在机器学习中常用的分类算法，类似的，这一姊妹篇中将会梳理一遍机器学习中的聚类算法，最后也会拓展一些其他无监督学习的方法供了解学习。

道酝欣赏·2025-03-03 18:55

GPT-4.5

通过扩展无监督学习，GPT-4.5增强了识别模式、建立联系和创造性洞察的能力，尽管它并不是专门为推理任务设计的。早期测试者表示，与GPT-4.5交互的

开发者每周简报·2025-03-03 15:38

Day7、Vue3 组件通信技术

鼓励：每一次自我怀疑，都是成长的信号，它在提醒你正站在突破的边缘。大胆向前，你的能力远超想象，自信会为你推开成功之门。———————

码有余悸·2025-03-03 13:25

基础篇（二）从监督学习到强化学习：机器学习的不同范式

从监督学习到强化学习：机器学习的不同范式在机器学习的广阔领域中，监督学习和强化学习是两种最重要的范式。它们各自有其独特的特点和应用场景，但也存在紧密的联系。

带上一无所知的我·2025-03-03 11:39

Redis缓存穿透，缓存击穿，缓存雪崩实战代码总结

大家好，给大家先做个自我介绍我是码上代码，大家可以叫我码哥我也是一个普通本科毕业的最普通学生，我相信大部分程序员或者想从事程序员行业的都是普通家庭的孩子，所以我也是靠自己的努力，从毕业入职到一家传统企业

码上代码·2025-03-03 10:00

华为笔试 4.24 第二题：这一题只通过了36%why

offer准备在剩下这几个月做一段软件开发实习，我之前有小公题解|#[NOIP2010]数字统计##includeusingnamespacestd;intm阿里控股爱橙科技啥啥治理中心Java一面50分钟自我介绍

huaxinjiayou·2025-03-03 06:30

2024年前端提效项目盘点之：低代码拖拽生成页面（架构设计篇）

现在把这一些系列实践的经验自我总结一下，形成一个低代码专栏。每个项目都分为思路架构设计和实践各两篇文章。

前端77·2025-03-03 06:30

WatchDog 看门狗

在分布式系统中，watchdog常常与分布式锁、健康检查、超时机制等结合使用，来确保系统在异常情况下能够及时发现问题并进行自我修复。

不要成为根号三·2025-03-03 05:15

探索 Mobile-Agent：X-PLUG 推出的创新型移动智能操作代理

目录前言一、项目概述二、主要功能1、操作定位2、自我规划3、自我反思4、多应用操作三、技术原理四、应用场景1、自动化移动设备操作2、移动设备性能评估3、提高移动应用程序适应性五、在线体验六、本地部署1.

寻道AI小兵·2025-03-02 21:17

敏捷研发项目如何管理

其中，打造跨职能自组织团队尤为重要，因为敏捷方法强调团队内不同角色的充分协作，允许成员在自我管理与快速交付之间取得平衡。

·2025-03-02 17:51

Transformer预测 | 基于TCN-Transformer的股票价格预测（Pytorch）

文章目录预测效果文章概述程序设计参考资料预测效果文章概述Transformer预测|基于TCN-Transformer的股票价格预测（Python）Transformer模型本质上都是预训练语言模型，大都采用自监督学习

机器学习之心·2025-03-02 13:35

模型优化之强化学习（RL）与监督微调（SFT）的区别和联系

强化学习（RL）与监督微调（SFT）是机器学习中两种重要的模型优化方法，它们在目标、数据依赖、应用场景及实现方式上既有联系又有区别。

搏博·2025-03-02 10:08

韭菜的自我修养——认知篇

这个社会充满了镰刀和韭菜的故事。大佬们有资金、资源、人脉、信息差。他们通过各种眼花缭乱的操作轻轻松松占据了食物链的顶端。人和人之间更是通过圈层隔开，一个圈层就是一个世界。**普通人大多充当的角色，无疑是韭菜。韭菜们越茁壮的成长，镰刀们越无情的收割。最终结局是，大部分人永远处于手停口停的状态。犹如地主家的那头驴，不断拉磨换取生存。思考一个问题，普通人能避免韭菜的命运吗？甚至能拥有一把小小的镰刀吗？一

_findyi·2025-03-02 10:36

【大模型】什么是蒸馏版大模型

大模型蒸馏一、知识蒸馏与无监督样本训练1.知识蒸馏的核心原理目标：将复杂大模型（Teacher）的知识迁移到轻量化小模型（Student）中，提升小模型性能。

深度求索者·2025-03-02 07:12

字节跳动后端日常实习一二+hr面面经（已OC）

看了一圈大厂发现字节实习生给的薪资最高，福利也挺不错的，就通过内推投了字节的后端实习，很快就收到了面试邀约，从一面到收到offer一共6天，以下是本次面试的面经（部分题目可能记不太清了）一面：上来先是自我介绍

桜翊·2025-03-02 02:05

字节跳动后端开发一面面经

2023-08-07字节跳动后端开发一面1自我介绍：学历背景-实习/项目-校园经历-获奖2介绍一下java全栈实习：业务-解决方案-工作-成果-反思3xx功能怎么做的：业务-表设计-前端原型-功能-前后端接口

我喝AD钙·2025-03-02 02:05

字节后端面试面经综合分析

目录一、字节豆包后端一面面经解析（一）自我介绍（二）实习项目拷打（三）手撕代码（四）C++多态相关问题（五）智能指针相关问题（六）malloc相关问题（七）mmap相关问题（八）多线程相关问题（九）MySQL

阿贾克斯的黎明·2025-03-02 01:30

网络安全审计员

网络安全审计员是负责监督和评估组织网络安全状况的专业人员。他们需具备深厚的网络安全知识，包括但不限于

网络安全-老纪·2025-03-01 23:49

嵌入式面经111题答案汇总_含技术答疑_嵌入式三大项目分享

字节AdsInfra系统架构开发实习面经Timeline：3.20投递4.12一面4.25二面4.29挂一面1、自我介绍2、实习做的题解|#牛客每个人最近的登录日期(五)#selectt.date,ifnull

huaxinjiayou·2025-03-01 21:34

磁力链接那些事：开源工具大盘点

安全可靠：开源社区的监督和审查

fxrz12·2025-03-01 19:15

SQL 实战—递归 SQL：层级结构查询与处理树形数据

递归SQL是指在SQL查询中，自我引用以遍历层级结构或处理递归关系的一种方式。MySQL8.0、PostgreSQL和SQLServer等数据库均

m0_74823239·2025-03-01 09:41

BERT模型深入理解——自然语言处理的里程碑

BERT创新性地使用预训练+微调模式，先用预训练在大量无标注的语料中进行自监督学习，学习到语言的通用规律，然后在少量有标注的数据中进行有监督学习，适配更精细化的任务。这种模式一直影响到最新的大模型结

cufewxy2018·2025-03-01 06:47

深度学习-【完整代码+数据集】逻辑回归预测乳腺癌检测案例

，做过高程，项目经理，架构师主要内容：Java项目开发、Python项目开发、大学数据和AI项目开发、单片机项目设计、面试技术整理、最新技术分享收藏点赞不迷路关注作者有好处文末获得源码机器学习分为：有监督学习

编程千纸鹤·2025-03-01 06:14

项目沟通管理成功的关键密码，你掌握了吗？

项目沟通管理涵盖确保项目信息得以及时、恰当地规划、收集、生成、存储、检索、管理、控制、监督与最终处置的全部流程。

洋洋科创星球·2025-03-01 00:35

支持向量机（Support Vector Machine，SVM）详细解释（带示例）

目录基本概念线性可分情况线性不可分情况工作原理示例Python案例代码解释基本概念支持向量机是一种有监督的机器学习算法，可用于分类和回归任务。

浪九天·2025-02-28 16:37

深入详解人工智能机器学习：强化学习

与监督学习不同的是，强化学习不依赖于给定的输入输出对，而是通过试探和反馈不断改进决策策略。强化

猿享天开·2025-02-28 15:58

机器学习：强化学习的epsilon贪心算法

它与监督学习和无监督学习不同，强调试错探索（Exploration-Exploitation）以及基于奖励信号的学习。

田乐蒙·2025-02-28 15:25

微软发布 Phi-4 迷你模型,适合本地部署ChatBot

该模型经历了一个增强过程，包含了监督微调和直接偏好优化，以支持精确的指令遵循和稳健的安全措施。

吴脑的键客·2025-02-28 13:43

推荐频道

自我监督