Home
Language
English
Türkçe
Bahasa Indonesia
About
Privacy Policy
Terms of Service
Pricing
Sign In
Download All
Share
K
@K70255019
Los Angeles, CA
Joined December 2017
493
Following
52
Followers
3K
Posts
K
@K70255019
about 2 hours ago
@Xxxxxwze8
每月还有600助学金呢
K
@K70255019
about 2 hours ago
@huabuyu502
@cry110119
读研是保下限。看是否走技术路线(技术方向,读研必要,如果公司本身不错可以先上班,然后读非全)。读研如果能明确提升,晚一年也值得考虑…再说到非技术路线,本科早点去更容易混熟。当然也是更难走的路。低概率高收益…个人意见,平常也多和师兄师姐老师打听打听去向。那个更靠谱
K
@K70255019
about 18 hours ago
@cry110119
1、一般更要拼命去个好大学,长见识。读研降低你人生路上的下限。(例外情况,是你本科也有顶好的工作) 2、穷人家不像富人家能支持,前面折腾后面也能托举。 3、基础奖学金覆盖学费,无息贷款2.5万/年,好点项目组每月2000补贴,你算算。还能拼国奖2万。非全学费4.5万,还得租房。
K
@K70255019
3 days ago
@Guillermin45548
大专然后申本(水也水一个),将来你会感谢我…
Who to follow
Jared Holland
@JaredHolla25625
看看
ZAC
@zabaka67
TBA
futalin
@xiujingjie
freedom
K
@K70255019
3 days ago
@carpediemx01
当英语博主
K
@K70255019
8 days ago
@Wutongshu2732
还有女纤夫呢…另外这个不是穿不起衣服,纤夫属于家庭创收的劳动力。而是穿衣服了长期湿答答,皮肤会烂。
K
@K70255019
28 days ago
@14256617zgq
@dearemon
日本小姑娘
K
@K70255019
28 days ago
@qg7777
+1层
K
@K70255019
29 days ago
@Amy526969
我觉得有意为之。通过信息垄断让一部分学生主动向行政教师靠拢….
K
@K70255019
29 days ago
@nannan07788
割草就是休息吧…
K
@K70255019
29 days ago
@nursenika1840
国内学历内卷。大城市稍微大点好点的企业,泛技术岗,基本都只要硕士。(本科有各种buff的优秀学生除外,但大多还是普通孩子)。个人体感,15年左右是个分界点。
K
@K70255019
about 1 month ago
@HoneyWhiteCloud
我炸过xbox 手柄…
K
@K70255019
about 1 month ago
@ilovecatlovecar
亦非
K70255019
retweeted
快乐永远
@syeerzy
about 1 month ago
【独家干货,谢绝转载内网(你懂的)】 Vibe coding时代,软件护城河到底是什么?【上】 Linus说:AI是伟大的工具,但只是工具。优秀开发者仍能写出优秀代码,普通开发者仍更容易写出有Bug的代码。AI时代同样如此。关键在于深刻理解你所构建的系统。 什么叫“深刻理解你所构建的系统”? 就是除了知道它“是什么样”,还知道它“为什么是这样”。靠AI抄袭功能的对手,往往只知道前者,不知道后者。 举个简单例子。我们有一套铁路钢轨伤损自动识别系统,算法准确度领先全球竞争对手一代。设备成本约6万多,标准定价300万人民币,卖最贵的一套成交405万,带一点模型微调。 6万多卖三四百万(同类竞品约1.5万美元),客户都喊贵,但仍买。因为它是历史上第一个真正解决这个问题的算法。 这块蛋糕太肥,国家队、友商、代理商都眼红。他们为什么不自己用AI抄一个?尤其是国家队,在用行政命令强迫我们提交源码审核后,看着源码,那群博士为什么不抄? 拆一个简单细节,就能看清原因。 我写的主模型是116维支持向量机:把问题转化为在116维超空间中求解若干个115维超曲面,把空间切成二十多个区域,对应二十几种定性情况,再分流到二级模型做定量分析。 这116维里小部分维度,行业专家一看就懂;其余绝大多数,连我手下几个博士都觉得是玄学,像瞎猫碰上死老鼠,像炼丹硬凑出来的参数。 对比:中车株洲所和铁科院搞了很多年,准确率停在65%–70%;Sperry Rail做了半个世纪,做到80+%;我的模型在同等条件下第三方盲测(测试集不在任何训练数据中)分类准确率99.985%,当场评审都怀疑作弊。 其实116个维度里没有一个是拼凑或炼丹烧出来的。每个维度都有真实物理含义,每个选择都有理由。 其中一维是:“某一特定波长目标区域内所有反射点的(x−y)的方差”。定义很简单,核心就是x−y。但所有人都不屑,觉得它只是一百多个奇怪维度里比较简单的一个。 他们觉得毫无意义,是因为他们知道x是什么、y是什么,也知道这两个数直接相减看起来没意义。 y是反射点距轨道面深度,单位毫米。钢轨高度十几厘米,所以y小于200(byte)。 x是反射点距检测起点的距离。由火车车轮转速编码器触发采样,按标准换算,x以1/32英寸为单位。一次检测可能跑几百到一两千公里,所以x是几百万、几千万甚至几十亿的长整数(int64)。 x和y单位不同(毫米 vs 1/32英寸),数量级也差很多。大家不理解:一个几十亿的大整数减去三四十的小整数,有什么物理含义?求方差有什么价值?探头能发三十多种不同波长和角度的超声波,为什么只对某一种波长求这个方差? 但它是116维里最重要的几个之一。 这个波长来自一个特定探头:从轨道正前方看垂直于轨面,从侧面看以约52度夹角向斜前方发射。为什么是这个角度?我不知道。Sperry Rail半个世纪前选了它,全世界跟着用,效果不错。 超声波在钢轨内部遇障碍物漫反射,只有垂直于发射方向的反射才能原路返回并被接收。因此回波位置应落在约38度倾斜面上;从侧面看,就是一条38度斜线。 38度斜线可写成: y = tan(38°)x + b ≈ 0.7813x + b 因单位不同,还需除以常量:1/32英寸等于0.7937毫米。 巧合的是,0.7813与0.7937很接近,相除后变成: y = 0.9844x + b 即 b = 0.9844x − y 检测时火车以40–80公里时速行驶,误差很大。工程上完全可用1代替0.9844,于是简化为 b = x − y。 对一障碍物,b应是常量;对噪声,b会变化。因此b的方差能把噪声和真正的障碍物回声分开:障碍物方差接近0(精度原因实际不为0,但仍很小),噪声方差很大。 这就是“毫无意义的”x−y方差的真正意义。 在这则推文之前,除我之外没人知道这一点。 这还只是最简单的一个维度。其余几十个带着根号和三角函数的分段表达式,看起来更像玄学。国家队拿到源码,看见1.414当然知道是√2,但为什么用它,没人知道。 我是唯一钻到火车车底,测量三十多种探头精确角度和超声波频率的人;去了解各型号晶片老化造成的增益衰减;查询每种钢轨规格、几何角度和材质对超声波的影响;弄清高铁钢轨为何比普通铁路软,以及由此带来的声学变化;试验超声波在电线、接头、缝隙中的多次反射路径;实测各种(尤其不标准)焊接工艺下焊缝内部的反射特征;跑遍全国,看内蒙古风沙侵蚀、深圳地铁轨底海风湿蚀、南北温差对钢轨的影响。 所以当国家想“国进民退”时,我能写几十页文档告诉中车和国铁工电部领导去阻止。让他们感叹:“几十年来第一次看到这么全面的研究报告。” 我是这个星球上对这个问题研究最深的人。你们只是把检测波形图喂给YOLO和大模型做图像识别和目标检测,算法怎么可能跑赢我? 这就是软件护城河。 【前面是“上”。后面想聊:为分析飞机黑匣子而掌握多种民航飞机全参译码,并分析丽江机场和贡嘎机场的气候模型;为做火车监控日志分析而去培训学校学会多款火车驾驶;为理解日志数据而研究列车管、气压、空气动力及各种气缸的物理特性。如果这篇没什么人气,可能不会写“下”。】
See More
K
@K70255019
about 1 month ago
@RickyYu6612
为啥不上润滑液…我遇到的也是一下子戳进去…
K
@K70255019
about 1 month ago
@pangyusio
高人
K
@K70255019
about 1 month ago
K70255019's tweet video.
K
@K70255019
about 2 months ago
@maoshen
必须买回来。每天都乐醒。别的房子没这效果
K
@K70255019
about 2 months ago
@j115114
生分了…
Last Seen Users on Sotwe
Boobs Squad - The place for curves
Seen from
United Kingdom
Zeynep Türk İfşalar
Seen from
United States
Morad Amine
Seen from
France
Çıtır Sex İzle - Çıtır Liseli Sex
Seen from
Germany
Robert
Seen from
United States
MAGNET (🔞)
Seen from
Turkey
Blanca
Seen from
Italy
Cevas🇪🇨😈
Seen from
United States
johnmackly
Seen from
Switzerland
♠️Norh ♠️ كبلز المدينة
Trends for you
1
Bagent
Under 10K tweets
2
Packers
Under 10K tweets
3
Ben Johnson
Under 10K tweets
4
Eagles
Under 10K tweets
5
Drake Maye
Under 10K tweets
6
Keenum
Under 10K tweets
7
Malik Willis
Under 10K tweets
8
Watson
Under 10K tweets
9
Jordan Love
Under 10K tweets
10
#skol
Under 10K tweets
Most Popular Users
1
Elon Musk
@elonmusk
241.5M followers
2
Barack Obama
@barackobama
118.9M followers
3
Cristiano Ronaldo
@cristiano
114.6M followers
4
Donald J. Trump
@realdonaldtrump
111.8M followers
5
Narendra Modi
@narendramodi
107.1M followers
6
Rihanna
@rihanna
98.7M followers
7
NASA
@nasa
92.3M followers
8
Justin Bieber
@justinbieber
91.8M followers
9
KATY PERRY
@katyperry
90M followers
10
Taylor Swift
@taylorswift13
84M followers
11
Lady Gaga
@ladygaga
75.5M followers
12
Virat Kohli
@imvkohli
73.5M followers
13
Kim Kardashian
@kimkardashian
70.9M followers
14
YouTube
@youtube
68.8M followers
15
Neymar Jr
@neymarjr
66.5M followers
16
Bill Gates
@billgates
65.2M followers
17
Selena Gomez
@selenagomez
63.1M followers
18
The Ellen Show
@theellenshow
62.2M followers
19
CNN
@cnn
61.8M followers
20
X
@x
60.7M followers
Olivia
Online
✨
⭐
💫