感觉要寄寄，太紧张了简单的算法题没斯出来，最后让我讲思路算法题刚开始看错了，给的案例是 1 3 3 3 5 7 7 9 答案 1 5 9第一次做完输出 1 3 5 7 9 发现做错了，只给10分钟，后面改完发现时间不够了没调试最后输出了 1 5 闹麻了问题（大部分都是项目）1.自我介绍2.讲一讲自己那个项目最熟悉，从业务和技术的角度讲一下为什么要做3.做这个项目的过程中遇到什么难点如何解决的4.你这个项目中如何统计PV，UV呢，如果要弄成折线图，选某个时间段内的值如何去查询，去重呢？5.你说你用aop解决的如何解决的呢，aop原理是什么，讲一下什么是aop6.讲一下什么是面向切面7.从网络角度...

6.20从腾讯离职秋招，10.20终于拿到第一个意向，同时小论文也中稿了四个月来60场面试，持续焦虑，看着其他人纷纷上岸，内心自卑焦躁不过终究是柳暗花明又一村虽然这些成就在大佬眼里不算什么，但对于我这个普通人来讲，已经满足了双非转码+0基础的我，一路走来磕磕绊绊非常要感谢自己的导师和学长指导，还有志同道合的26届老哥们的陪伴继续前进吧，不能就此停歇。学如逆水行舟，不进则退终于不用再焦虑了！

秋招一败涂地。。。😭

对抗生成网络算法基础知识 基本思想 生成对抗网络（GAN）的核心思想是通过两个神经网络——生成器（Generator）和判别器（Discriminator）的对抗训练实现数据生成。生成器负责生成尽可能逼真的假数据，判别器则试图区分真实数据和生成数据。二者在博弈中不断优化，最终生成器能产生难以被判别器识别的数据。 GAN的基本架构  生成器（Generator）：输入通常是随机噪声向量（如高斯分布），通过反卷积或上采样操作生成数据（如图像）。其目标是最大化判别器的误判率。 判别器（Discriminator）：输入为真实数据或生成数据，输出为数据真实性的概率（0到1）。其目标是准确区分真假数据。...