百度学习

首先先自我介绍一下 我是末流985小硕一枚（本科同校），方向主要是深度学习和数据挖掘，研究生第二年去新加坡交流了一年，研究生期间表现还可以，有一些非主流比赛的获奖，然后3篇sci论文+1篇待发中。 下面说说面试情况，那就按照顺序来了： 1.华为（算法工程师） 华为是我面的第一家公司，现场面的时候相当紧张 由于面的算法工程师，相关面试官较少，我大概等了3个小时才到我 第一面 （1）先自我介绍 （2）接着问项目，我做的项目主要是深度学习和数据挖掘相关的，所以讲了很多深度学习的东西，然后面试官的部门刚好也在做，所以对深度学习很感兴趣，他们主要用caffe,我的话有对caffe还比较熟悉所以答得比较顺利，然后问了神经网络的优化问题，他们希望把深度学习用到终端上，因为我研究方向正好是模型简化，也实现过一些简化方法，所以也答得比较顺利。 （4）问了一些基础算法，EM算法、决策树、随机森林等 （5）面试官给我介绍了一下他们部门具体是干啥的。。然后夸了一遍他们部门，反正听起来我还是很吸引我的，是我想干的一些事情。 （5）第一面按道理是没有资格谈薪资的，面试官可能觉得更我聊得比较欢，就问我期望薪资。由于是第一场面，也不知道什么行情，我按照往年的行情说了个sp价格，15k。。。。结果面试官很轻松地表示没啥问题（我就知道自己蠢，说低了，希望最好不要做参考） 第二面 面完一面，我就回去坐了5分钟

这个项目是为了练习对数据可视化的操作——这里使用的百度接口echarts 拿到这个题目，首先去学习了一下柱状图，饼图等图并且自己用小例子大概也都实现了一下， 自我感觉良好，模板接口都给做好了，把数据导进去就行了，多简单，而且图又那么的好用还高大尚； 然后我就又一次自信满满地上手了。。。 我就又又一次地蒙了，比如最简单的第一个图要求分析出企业股东，自然人股东，企业股东。什么鬼？？啥词啊，说明白点不好吗？我又不是学经管啥的，我哪懂这些呀， 不得已屁颠屁颠去百度了。 我就想：让我做啥，怎么去处理数据，。你明白地告诉我不就完了嘛，我用代码分分钟给你实现了。多好呀，多简单。 这就是老师讲的吧： 程序只是一门工具，对数据的处理才是关键的，做出系统整个架构这是我们软件工程师以后要做的。 AI发展这么快，说不准以后都不需要程序员了。就像 vs ，使用起来真的好舒服很简单，不用敲代码，系统给你生成，挺智能的。 总结体会： 程序语言只是一门工具，具有专业知识很重要。 比如你要去银行工作，那么你就要学习有关银行金融的一些东西，专业名词起码要知道，相关知识也要了解。 来源： https://www.cnblogs.com/sengzhao666/p/11918647.html

1.遇到新技术时，很多时候都是从百度然后copy,但是有些第三方插件需要引入依赖，而如果只是拷贝网上的代码，有很多方法或参数就会感到无处入手，一脸懵逼。这时候最好的方法是查看引入的包名称，然后上网百度其官方api，多阅读api文档就好了 来源： https://www.cnblogs.com/zhlblogs/p/11904609.html

在最初学习编程时（我觉得自己现在依然是个初学者），我遇到的绝大多数问题都能在百度上直接找到答案，很轻松。但是最近一段时间的学习过程中，尤其是在制作微信小程序时，我明显感觉到有一些问题不能轻松解决了，一个bug要半天甚至一天才能解决，这成为了我的常态。我思考“为什么现在解决一个bug用的时间边长了？”。我发现，在最初我遇到一个问题A，然后去百度、CSDN等地方搜索，搜索出的结果与问题A的相似度往往在90%以上。根据找的结果，我可以直接解决问题。但是现在不一样了，现在遇到一个问题B，往往搜索结果和问题B只沾个边。 于是，我发现了“试错”。“试错”就像是在一个屋子里找东西，有的时候会有一些提示，有的时候没有。简单来说，就是遇到问题后自己解决，不在依赖百度等（会从别人的文章中得到启发），还要尝试很多方法，并进行排除。我感觉“试错”才是学习过程中的常态。在“试错”时，感觉自己像一个探索者，因为自己在找一条正确的路。 最近还有一种不能表达自己的感觉，就像很多话闷在心里，想说出来，但就是表达不出来。这是啥情况？ 转载请标明出处: 学习编程的一些感受 文章来源: 学习编程的一些感受

百度正式发布PaddlePaddle深度强化学习框架PARL 近日，百度 PaddlePaddle 正式发布了深度强化学习框架 PARL，同时开源了基于该框架的、在 NeurIPS 2018 强化学习赛事中夺冠的模型完整训练代码。 项目地址如下：https://github.com/PaddlePaddle/PARL PARL 框架的名字来源于 PA ddlepaddle R einfocement L earning，是一款基于百度 PaddlePaddle 打造的深度强化学习框架。PARL 与现有强化学习工具和平台相比，具有更高的可扩展性、可复现性和可复用性，支持大规模并行和稀疏特征，能够快速 对工业级应用案例的验证。 为了帮助用户快速搭建可以和环境交互的机器人，PARL 抽象出数个基础类，包括 Model、Algorithm、Agent 等。 Model 类负责强化学习算法中的网络前向计算（forward）部分，通常嵌套在 Algorithm 类中。 Algorithm 类则定义了网络的更新机制（backward），通常属于一个 Agent。 Agent 类负责和环境进行交互，负责数据 I/O，并且收集数据训练集下的 algorithm。 通过这样的设计方案，PARL 保证了算法的可扩展性：针对同一个场景，用户想调研不同的网络结构对算法效果影响的时候，比如调研 RNN

工业社会的高速稳定发展离不开完善的基础设施。作为智能时代的操作系统，深度学习框架便是AI领域不可或缺的基础设施。11月5日，“WAVE SUMMIT+”2019深度学习开发者秋季峰会在北京召开。这是继4月23日首场深度学习开发者峰会后，百度再次为广大开发者们带来的深度学习盛宴。 本届峰会， 飞桨（PaddlePaddle） 全新发布和重要升级21个产品方向，包括面向产业应用场景的四大端到端开发套件、融合数据和知识的预训练结合迁移学习的飞桨Master模式、端侧推理引擎Paddle Lite 2.0、EasyDL专业版、前沿技术工具组件等。 可以看到飞桨的易用性全面提升，极大降低开发门槛的同时，面向产业应用的支撑能力更强。飞桨正成为开发者把握AI时代的工业化大生产平台，加速产业智能化的核心动力。 飞桨是历经产业实践打磨的“趁手利器” 峰会上，百度首席技术官、深度学习技术及应用国家工程实验室主任王海峰讲到：“深度学习正在推动人工智能进入工业化大生产阶段，具有很强的通用性，同时具备了标准化、自动化和模块化的基本特征，推动人工智能技术从实验室走向产业，并且越来越大规模使用起来。而深度学习技术和平台也在不断发展，在未来的时间里也将继续发挥重要作用。我们秉承开源开放的理念，把飞桨平台开源开放，与所有开发者一起，推动科技发展、产业创新和社会进步。” （百度首席技术官王海峰）