精华内容
下载资源
问答
  • 在学校中,多学弟学妹们,在网上多网友问我,你平时怎么学的?能不能分享一下,好厉害呀 。工具用好才是硬道理,今天就给大家带来比较硬的东西

    在学校中,很多学弟学妹们,在网上很多网友问我,你平时怎么学的?能不能分享一下,好厉害呀 。
    今天就给大家带来比较硬的东西。
    在这里插入图片描述

    1、搜索神器(一)

    该不会真有人不会使用度娘吧。真可谓渡劫神器,不会不要紧,给你准备好了。

    直达https://www.baidu.com/
    在这里插入图片描述

    2、搜索神器(二)

    前面的这个渡劫神器不能检索国外的文献资料,下面推荐一个。
    你可能担心无法搜索。不要紧,我准备好了,下一次推荐。

    直达https://www.google.com//
    在这里插入图片描述

    3、

    4、简直就是程序员的圣地,程序员发泄的好地方,BUG无路可逃

    没错,这就是CSDN了。也是我最喜欢,好处那是大大滴。
    直达https://www.csdn.net/

    在这里插入图片描述

    5、你还担心无事可做吗?

    你还担心无事可做吗?那就试试这个,简直就是无敌。
    直达https://github.com/
    在这里插入图片描述

    6、穷到没钱买了课程资源?

    那是不存在的,试试这个。
    直达https://www.bilibili.com/

    在这里插入图片描述

    7、毫秒级图片文字提取工具,不知道太亏了

    如果有这么一个图片:老板让你把其中的数据都抄下来,你怎么办?还一个一个的写吗。看神器来救你了。
    在这里插入图片描述
    反应也是毫秒级
    直达https://ocr.space/
    在这里插入图片描述
    也可以json格式
    在这里插入图片描述

    8、世界顶级服务器监控工具,从此不再愁

    直达http://www.brendangregg.com/linuxperf.html
    在这里插入图片描述

    9、数学建模大法呀

    真的没见过比这个更全的,pdf、ppt、写好的通用模型,测试数据,样样都有。

    直达https://github.com/8042965/MathModel
    在这里插入图片描述

    10、对于小白和大神通用的数据采集工具

    直达http://www.houyicaiji.com/

    在这里插入图片描述

    11、这个工具让你不在为翻译文档而发愁(不花钱,超好用)

    直达https://translate.google.com/
    在这里插入图片描述

    12、做软件的想研究与硬件结合怎么办?看这个,真的硬

    机智云
    可以实现socket动态传输数据等,可以免费用哦,做为实验工具的话,很好用的。
    在这里插入图片描述
    直达https://dev.gizwits.com/
    在这里插入图片描述

    13、基于TF-IDF算法实现的在线分词工具

    还在为你的PPT内容发愁吗?试试吧。

    直达https://cws.9sep.org/extract

    在这里插入图片描述
    在这里插入图片描述

    14、20套大数据可视化前端源代码

    可以找我私聊拿到哦,或者等我把代码放上,直接放这里不太好。等我上传好了,会把链接放这。
    在这里插入图片描述

    15、正则表达式神器

    直达https://tool.oschina.net/regex#
    在这里插入图片描述

    16、从此不再为论文发愁

    直达http://tool.yovisun.com/scihub/
    在这里插入图片描述

    17、前端人脸识别-提取-合成

    前端人脸识别-提取-合成
    直达https://refined-x.com/projects/codes/tracking.html
    在这里插入图片描述

    18、一款超好用的谷歌浏览器插件,插件JSON数据格式

    在这里插入图片描述
    在这里插入图片描述

    19、文档转换神器,没有转不了的

    在这里插入图片描述
    在这里插入图片描述

    20、在线API接口

    阿凡达数据提供免费API106款,无次数限制,对于开发人员来说,很棒,比较稳定。
    直达https://www.avatardata.cn
    在这里插入图片描述

    展开全文
  • 最近在看机器学习的东西时发现了一些特别好玩的东西,机器学习中又分为训练集和测试集,如何把一组很大的数据分为这两个集合呢?可以使用接下来的函数完成: 当然由于random这个随机数生成函数每次产生的数不...

    最近在看机器学习的东西时发现了一些特别好玩的东西,机器学习中又分为训练集和测试集,如何把一组很大的数据分为这两个集合呢?可以使用接下来的函数完成:
    这里写图片描述
    当然由于random这个随机数生成函数每次产生的数不一定都是刚好达到你的期望,所以总会有一点小小的误差。例如阈值为0.5两个数组的数量却不是一样的:
    这里写图片描述
    但对于一个很大的数据集来说,这点误差可以忽略。

    展开全文
  • 9.6 聚合:最小、最大和之间任何东西 本节是《Python 数据科学手册》(Python Data Science Handbook)摘录。 译者:飞龙 协议:CC BY-NC-SA 4.0 通常,当面对大量数据时,第一步是计算相关数据汇总统计信息...

    9.6 聚合:最小、最大和之间的任何东西

    本节是《Python 数据科学手册》(Python Data Science Handbook)的摘录。

    译者:飞龙

    协议:CC BY-NC-SA 4.0

    通常,当面对大量数据时,第一步是计算相关数据的汇总统计信息。也许最常见的汇总统计数据是均值和标准差,它允许你汇总数据集中的“典型”值,但其他汇总也很有用(总和,乘积,中位数,最小值和最大值,分位数等)。

    NumPy 具有内置的快速的聚合函数,可用于处理数组;我们将在这里讨论和演示其中的一些内容。

    对数组中的值求和

    作为一个简单的例子,考虑计算数组中所有值的总和。Python 本身可以使用内置的sum函数来实现:

    import numpy as np
    
    L = np.random.random(100)
    sum(L)
    
    # 55.61209116604941
    

    NumPy 的sum函数的语法非常相似,结果在最简单的情况下是相同的:

    np.sum(L)
    
    # 55.612091166049424
    

    但是,因为它在编译代码中执行操作,所以操作的 NumPy 版本计算速度更快:

    big_array = np.random.rand(1000000)
    %timeit sum(big_array)
    %timeit np.sum(big_array)
    
    '''
    10 loops, best of 3: 104 ms per loop
    1000 loops, best of 3: 442 μs per loop
    '''
    

    但要小心:sum函数和np.sum函数不相同,有时会产生混乱!特别是,它们的可选参数具有不同的含义,并且np.sum知道多个数组维度,我们将在下一节中看到。

    最小和最大

    类似地,Python 内置了minmax函数,用于查找任何给定数组的最小值和最大值:

    min(big_array), max(big_array)
    
    # (1.1717128136634614e-06, 0.9999976784968716)
    

    NumPy 的相应函数具有相似的语法,并且同样运行得更快:

    np.min(big_array), np.max(big_array)
    
    # (1.1717128136634614e-06, 0.9999976784968716)
    
    %timeit min(big_array)
    %timeit np.min(big_array)
    
    '''
    10 loops, best of 3: 82.3 ms per loop
    1000 loops, best of 3: 497 μs per loop
    '''
    

    对于minmaxsum和其他几个 NumPy 聚合,更短的语法是使用数组对象本身的方法:

    print(big_array.min(), big_array.max(), big_array.sum())
    
    # 1.17171281366e-06 0.999997678497 499911.628197
    

    只要有可能,请确保在 NumPy 数组上运行时,使用这些聚合的 NumPy 版本!

    多维聚合

    一种常见类型的聚合操作是沿行或列的聚合。假设你有一些存储在二维数组中的数据:

    M = np.random.random((3, 4))
    print(M)
    
    '''
    [[ 0.8967576   0.03783739  0.75952519  0.06682827]
     [ 0.8354065   0.99196818  0.19544769  0.43447084]
     [ 0.66859307  0.15038721  0.37911423  0.6687194 ]]
    '''
    

    默认情况下,每个NumPy聚合函数都将返回整个数组的聚合:

    M.sum()
    
    # 6.0850555667307118
    

    聚合函数接受另一个参数来指定计算聚合的轴。 例如,我们可以通过指定axis = 0,寻找每列中的最小值:

    M.min(axis=0)
    
    # array([ 0.66859307,  0.03783739,  0.19544769,  0.06682827])
    

    该函数返回四个值,对应于四列数字。同样,我们可以在每行中找到最大值:

    M.max(axis=1)
    
    # array([ 0.8967576 ,  0.99196818,  0.6687194 ])
    

    此处指定轴的方式,可能会使来自其他语言的用户感到困惑。axis关键字指定要折叠的数组的维度,而不是将返回的维度。

    因此,指定axis = 0意味着折叠第一个轴:对于二维数组,这意味着将聚合每列中的值。

    其它聚合函数

    NumPy 提供了许多其他聚合函数,但我们不会在这里详细讨论它们。

    此外,大多数聚合都有一个NaN安全的替代品来计算结果,同时忽略缺失值,缺失值由特殊的 IEEE 浮点NaN值标记(对于缺失数据的更全面讨论,请参阅“处理缺失数据)。其中一些NaN安全的函数直到 NumPy 1.8 才被添加,所以它们在旧的 NumPy 版本中不可用。

    下表提供了 NumPy 中可用的实用聚合函数的列表:

    函数名称 NaN 安全的版本 描述
    np.sum np.nansum 计算元素的和
    np.prod np.nanprod 计算元素的积
    np.mean np.nanmean 计算元素的均值
    np.std np.nanstd 计算标准差
    np.var np.nanvar 计算方差
    np.min np.nanmin 寻找最小值
    np.max np.nanmax 寻找最大值
    np.argmin np.nanargmin 寻找最小值的下标
    np.argmax np.nanargmax 寻找最大值的下标
    np.median np.nanmedian 计算元素的中值
    np.percentile np.nanpercentile 计算元素的百分位数
    np.any N/A 计算是否任何元素是真
    np.all N/A 计算是否所有元素是真

    我们将在本书的其余部分经常看到这些聚合。

    示例:美国总统的平均身高是多少?

    NumPy 中可用的聚合对于汇总一组值非常有用。举个简单的例子,让我们考虑所有美国总统的身高。此数据位于president_heights.csv文件中,该文件是一个简单的逗号分隔的标签和值的列表:

    !head -4 data/president_heights.csv
    
    '''
    order,name,height(cm)
    
    1,George Washington,189
    
    2,John Adams,170
    
    3,Thomas Jefferson,189
    '''
    

    我们将使用 Pandas 软件包,来读取文件并提取信息(请注意,高度以厘米为单位)。我们将在第三章中更全面地探索 Pandas。

    import pandas as pd
    data = pd.read_csv('data/president_heights.csv')
    heights = np.array(data['height(cm)'])
    print(heights)
    
    '''
    [189 170 189 163 183 171 185 168 173 183 173 173 175 178 183 193 178 173
     174 183 183 168 170 178 182 180 183 178 182 188 175 179 183 193 182 183
     177 185 188 188 182 185]
    '''
    

    现在我们有了这个数据数组,我们可以计算各种汇总统计数据:

    print("Mean height:       ", heights.mean())
    print("Standard deviation:", heights.std())
    print("Minimum height:    ", heights.min())
    print("Maximum height:    ", heights.max())
    
    '''
    Mean height:        179.738095238
    Standard deviation: 6.93184344275
    Minimum height:     163
    Maximum height:     193
    '''
    

    请注意,在每种情况下,聚合操作都会将整个数组缩减为单个汇总值,从而为我们提供值分布的信息。

    我们也可能打算计算分位数:

    print("25th percentile:   ", np.percentile(heights, 25))
    print("Median:            ", np.median(heights))
    print("75th percentile:   ", np.percentile(heights, 75))
    
    '''
    25th percentile:    174.25
    Median:             182.0
    75th percentile:    183.0
    '''
    

    我们看到美国总统的身高中值为 182 厘米,或者只有 6 英尺。

    当然,有时看到这些数据的直观表示更有用,我们可以使用 Matplotlib 中的工具来完成(我们将在第四章中更全面地讨论 Matplotlib)。 例如,此代码生成以下图表:

    %matplotlib inline
    import matplotlib.pyplot as plt
    import seaborn; seaborn.set()  # 设置绘图风格
    
    plt.hist(heights)
    plt.title('Height Distribution of US Presidents')
    plt.xlabel('height (cm)')
    plt.ylabel('number');
    

    png

    这些聚合是探索性数据分析的一些基本部分,我们将在本书的后续章节中进行更深入的探索。

    展开全文
  • 最近在搞高德地图,发现文档真的不怎么样。写的东西不全面不说,有的问题也没有指出来。现在有一个非常严肃的问题:高德地图定位的时候偏差很大怎么规避?还望各位大神指点
  • IDA,强大

    千次阅读 2013-10-21 16:34:52
    IDA,这款可以把程序反编译成C语言的东西。。 我用我们老师C++课上留的一道小学奥赛水平的弱智题的程序代码为例,先用MinGW编译,结果用IDA反编译出了几千个函数,全都是sub_加编号的名称,每一个都短,...


    IDA,这款可以把程序反编译成C语言的东西。。

    我用我们老师C++课上留的一道小学奥赛水平的弱智题的程序代码为例,先用MinGW编译,结果用IDA反编译出了几千个函数,全都是sub_加编号的名称,每一个都很短,变量名都是v1、v2等等的,一点也看不懂,我甚至连主函数在哪里都找不到。

    然后又用VS2010编译,再反编译,令我大开眼界,函数名、变量名全能被正确地反编译出来,主程序反编译得也非常漂亮(那道题我就写了一个主函数)。

    给大家展示下,

    源程序的主函数:

    int main(void){
        now = tail = 0;
        stk[0] = "http://www.acm.org/";
        while ((cin >> in)&&(in[0] != 'Q')){
            if (in[0] == 'V')    {
                now += 1;

                cin >> stk[now];
                cout << stk[now] << endl;

                tail = now;
            };

            if (in[0] == 'B')   {
                if (now == 0){
                    cout << "Ignored" << endl;
                }else{
                    -- now;
                    cout << stk[now] << endl;
                };
            };

            if (in[0] == 'F')   {
                if (now == tail){
                    cout << "Ignored" << endl;
                }else{
                    ++ now;
                    cout << stk[now] << endl;
                };
            };
        };

        return 0;
    };

    用VS2010编译,然后反编译出的主函数:

    int __cdecl main()
    {
    int v0; // eax@1
    int *v1; // eax@2
    int *v2; // eax@5
    char v3; // zf@7
    int v4; // eax@7
    int v5; // eax@8
    int *v6; // ecx@9
    int v7; // eax@13
    int *v8; // ecx@16
    int v9; // eax@20
    int v10; // eax@23
    void *v12; // [sp-4h] [bp-Ch]@20

    tail = 0;
    now = 0;
    std__basic_string_char_std__char_traits_char__std__allocator_char_____assign();
    v0 = std__operator___char_std__char_traits_char__std__allocator_char____0(std__cin);
    if ( (*(_DWORD *)(*(_DWORD *)(*(_DWORD *)v0 + 4) + v0 + 12) & 6) == 0 ? v0 + *(_DWORD *)(*(_DWORD *)v0 + 4) : 0 )
    {
        do
        {
          v1 = (int *)in;
          if ( (unsigned int)dword_405098 < 0x10 )
            v1 = &in;
          if ( *(_BYTE *)v1 == 81 )
            break;
          v2 = (int *)in;
          if ( (unsigned int)dword_405098 < 0x10 )
            v2 = &in;
          v3 = *(_BYTE *)v2 == 86;
          v4 = now;
          if ( v3 )
          {
            ++now;
            std__operator___char_std__char_traits_char__std__allocator_char____0(std__cin);
            v5 = std__operator___char_std__char_traits_char__std__allocator_char_(std__cout, &stk + 7 * now);
            std__basic_ostream_char_std__char_traits_char____operator__(v5, std__endl);
            v4 = now;
            tail = now;
          }
          v6 = (int *)in;
          if ( (unsigned int)dword_405098 < 0x10 )
            v6 = &in;
          if ( *(_BYTE *)v6 == 66 )
          {
            if ( v4 )
            {
              now = v4 - 1;
              v7 = std__operator___char_std__char_traits_char__std__allocator_char_(std__cout, &stk + 7 * now);
            }
            else
            {
              v7 = std__operator___std__char_traits_char_(std__cout);
            }
            std__basic_ostream_char_std__char_traits_char____operator__(v7, std__endl);
            v4 = now;
          }
          v8 = (int *)in;
          if ( (unsigned int)dword_405098 < 0x10 )
            v8 = &in;
          if ( *(_BYTE *)v8 == 70 )
          {
            if ( v4 == tail )
            {
              v12 = std__endl;
              v9 = std__operator___std__char_traits_char_(std__cout);
            }
            else
            {
              v12 = std__endl;
              now = v4 + 1;
              v9 = std__operator___char_std__char_traits_char__std__allocator_char_(std__cout, &stk + 7 * now);
            }
            std__basic_ostream_char_std__char_traits_char____operator__(v9, v12);
          }
          v10 = std__operator___char_std__char_traits_char__std__allocator_char____0(std__cin);
        }
        while ( (*(_DWORD *)(*(_DWORD *)(*(_DWORD *)v10 + 4) + v10 + 12) & 6) == 0 ? v10 + *(_DWORD *)(*(_DWORD *)v10 + 4) : 0 );
    }
    return 0;
    }

    可以看出多出了很多临时变量,那些多数是寄存器变量,此外把C++的代码全部反编译成了C的代码。。

    另外,刚刚找到了MinGW编译出的主函数,反编译完的不太一样,可以和VS的对比一下:

    int __cdecl sub_4015D0()
    {
    int v0; // eax@2
    int v2; // eax@4
    char v3; // dl@6
    int v4; // eax@17
    int v5; // ebx@17
    int v6; // esi@17
    int v7; // eax@17
    char v8; // al@19
    int v9; // eax@20
    int v10; // eax@22
    int v11; // ebx@22
    char v12; // al@24
    int v13; // eax@25
    int v14; // eax@26
    int v15; // ebx@26
    int v16; // esi@26
    int v17; // eax@26
    char v18; // al@28
    int v19; // eax@29
    int v20; // eax@30
    int v21; // ebx@30
    int v22; // esi@30
    int v23; // eax@30
    char v24; // al@32
    int v25; // eax@33
    int v26; // eax@38
    int v27; // ebx@38
    char v28; // al@40
    int v29; // eax@41

    sub_413960();
    dword_4741B8 = 0;
    dword_4741BC = 0;
    sub_449910(dword_474020, "http://www.acm.org/", 19);
    while ( 1 )
    {
        v0 = sub_40566C(&dword_4741E0, &dword_4741B4);
        if ( *(_BYTE *)(v0 + *(_DWORD *)(*(_DWORD *)v0 - 12) + 20) & 5 )
          return 0;
        v2 = dword_4741B4;
        if ( *(_DWORD *)(dword_4741B4 - 4) >= 0 )
        {
          sub_448C58(&dword_4741B4);
          v2 = dword_4741B4;
        }
        v3 = *(_BYTE *)v2;
        if ( *(_BYTE *)v2 == 81 )
          return 0;
        if ( *(_DWORD *)(v2 - 4) >= 0 )
        {
          sub_448C58(&dword_4741B4);
          v2 = dword_4741B4;
          v3 = *(_BYTE *)dword_4741B4;
        }
        if ( v3 == 86 )
        {
          ++dword_4741BC;
          sub_40566C(&dword_4741E0, 4 * dword_4741BC + 4669472);
          v23 = sub_466D2C(&dword_474280, dword_474020[dword_4741BC], *(_DWORD *)(dword_474020[dword_4741BC] - 12));
          v21 = v23;
          v20 = *(_DWORD *)(*(_DWORD *)v23 - 12);
          v22 = *(_DWORD *)(v21 + v20 + 124);
          if ( !v22 )
            goto LABEL_43;
          if ( *(_BYTE *)(v22 + 28) )
          {
            v24 = *(_BYTE *)(v22 + 39);
          }
          else
          {
            sub_40623C(*(_DWORD *)(v21 + v20 + 124));
            v24 = (*(int (__cdecl **)(int, signed int))(*(_DWORD *)v22 + 24))(v22, 10);
          }
          v25 = sub_4464E0(v21, v24);
          sub_4466CC(v25);
          dword_4741B8 = dword_4741BC;
          v2 = dword_4741B4;
        }
        if ( *(_DWORD *)(v2 - 4) >= 0 )
        {
          sub_448C58(&dword_4741B4);
          v2 = dword_4741B4;
        }
        if ( *(_BYTE *)v2 == 66 )
        {
          if ( dword_4741BC )
          {
            --dword_4741BC;
            v17 = sub_466D2C(&dword_474280, dword_474020[dword_4741BC], *(_DWORD *)(dword_474020[dword_4741BC] - 12));
            v15 = v17;
            v14 = *(_DWORD *)(*(_DWORD *)v17 - 12);
            v16 = *(_DWORD *)(v15 + v14 + 124);
            if ( !v16 )
              goto LABEL_43;
            if ( *(_BYTE *)(v16 + 28) )
            {
              v18 = *(_BYTE *)(v16 + 39);
            }
            else
            {
              sub_40623C(*(_DWORD *)(v15 + v14 + 124));
              v18 = (*(int (__cdecl **)(int, signed int))(*(_DWORD *)v16 + 24))(v16, 10);
            }
            v19 = sub_4464E0(v15, v18);
            sub_4466CC(v19);
            v2 = dword_4741B4;
          }
          else
          {
            sub_466D2C(&dword_474280, "Ignored", 7);
            v10 = *(_DWORD *)(dword_474280 - 12);
            v11 = *(int *)((char *)&dword_4742FC + v10);
            if ( !v11 )
              goto LABEL_43;
            if ( *(_BYTE *)(v11 + 28) )
            {
              v12 = *(_BYTE *)(v11 + 39);
            }
            else
            {
              sub_40623C(*(int *)((char *)&dword_4742FC + v10));
              v12 = (*(int (__cdecl **)(int, signed int))(*(_DWORD *)v11 + 24))(v11, 10);
            }
            v13 = sub_4464E0(&dword_474280, v12);
            sub_4466CC(v13);
            v2 = dword_4741B4;
          }
        }
        if ( *(_DWORD *)(v2 - 4) >= 0 )
        {
          sub_448C58(&dword_4741B4);
          v2 = dword_4741B4;
        }
        if ( *(_BYTE *)v2 == 70 )
        {
          if ( dword_4741BC == dword_4741B8 )
          {
            sub_466D2C(&dword_474280, "Ignored", 7);
            v26 = *(_DWORD *)(dword_474280 - 12);
            v27 = *(int *)((char *)&dword_4742FC + v26);
            if ( !v27 )
    LABEL_43:
              sub_406800();
            if ( *(_BYTE *)(v27 + 28) )
            {
              v28 = *(_BYTE *)(v27 + 39);
            }
            else
            {
              sub_40623C(*(int *)((char *)&dword_4742FC + v26));
              v28 = (*(int (__cdecl **)(int, signed int))(*(_DWORD *)v27 + 24))(v27, 10);
            }
            v29 = sub_4464E0(&dword_474280, v28);
            sub_4466CC(v29);
          }
          else
          {
            ++dword_4741BC;
            v7 = sub_466D2C(&dword_474280, dword_474020[dword_4741BC], *(_DWORD *)(dword_474020[dword_4741BC] - 12));
            v5 = v7;
            v4 = *(_DWORD *)(*(_DWORD *)v7 - 12);
            v6 = *(_DWORD *)(v5 + v4 + 124);
            if ( !v6 )
              goto LABEL_43;
            if ( *(_BYTE *)(v6 + 28) )
            {
              v8 = *(_BYTE *)(v6 + 39);
            }
            else
            {
              sub_40623C(*(_DWORD *)(v5 + v4 + 124));
              v8 = (*(int (__cdecl **)(int, signed int))(*(_DWORD *)v6 + 24))(v6, 10);
            }
            v9 = sub_4464E0(v5, v8);
            sub_4466CC(v9);
          }
        }
    }
    }

    展开全文
  • 今天在执行maven命令时候,控制台输出大量下载链接情况,到网上查了资料 发现要设置一下: 配置命令:-DarchetypeCatalog=internal 再次执行install时候,下载过文件链接不会重复下载 注意: 使用maven...
  • 面对一个不严厉研究生导师,怎么做才能学到东西?修改 在知乎上差不多一直潜水,认真回答过几次问题,这是第一次问。马上研究生就要开学了,本人要读本校研究生,本科成绩一般,没获得保送机会。 ------先...
  • 发送字符串较简单,我们先来看一段发送字符串的代码: unsigned char buff[]={"i love you/n"};... //挨个地往SBUF里面写入一个字节,这里是相当于把事先准备好的东西往盒子里放,等到把盒子里的被取走了,
  • 但是我一直只会用最基本命令,虽然把HJKL定位键已操纵地熟练。但是Vim其他强大地方却几乎没有触及过。 学一样东西,就要把它学精。 这里记录了一些常用使用技巧。 零、将VIM打造为超级IDE 先附上链接 ...
  • 适合普通大学生前端开发学习路线

    千次阅读 多人点赞 2021-04-12 15:22:41
    假如你没有明确目标,或许可以按照我说学习路线来学习一波,我写每一份学习路线,不会全面,因为我认为,东西太多,反而不利于新手学习,所以我列举,都是比较必要知识,当你把这些知识学了时候...
  • 找工作终于告一段落了,之前实习的时候就想着写一篇面经,后来忙就...,如果能耐心读完,相信对你会找到你需要的东西。 一、心态 心态重要! 心态重要! 心态重要! 重要的事情说三遍,这一点我觉得是必
  • 对于很多想学习java编程的小伙伴来说如何学习是个很大的问题,不知道 从何下手,所谓万变不离其宗,掌握好基础才是关键,根据本人学习及工作经验给大家总结了入门学习Java的路线,希望能对你们有所帮助。 1、首先要...
  • 2020年Java程序员应该学习10技术

    万次阅读 多人点赞 2020-01-09 10:22:21
    每6个月更新一次Java版本,以及发布很多流行的框架,如Spring 5、Spring Security 5和Spring Boot 2等,这些都给我们带来了很大的挑战。 在2019年初,我认为Java 10还是比较新的,但是,在我学习完所有Java 10的特性...
  • 为什么多压缩文件上都有这个东西? 有时候我们在网上下载文件时候,会碰到这样一种情况,网站不仅给出了文件大小,还给出了一个MD5码,这个MD5码是什么东西。 MD5是什么 MD5是MD5消息摘要算法简称(英语:MD...
  • 工作中会遇到需要查看几百MB文本文件,一般工具根本打不开,有些能打开,查找起来也慢,最近发现一款工具,非常好用,除了初始加载花点时间外,各种运行流畅。 工具名: PilotEdit 下载链接:...
  • 今天hadoop报出: No space left on device 设备上没有剩余空间.df -hFilesystemSizeUsedAvailUse%Mounted on/dev/mapper/VolGroup00...不知道VolGroup00-LogVol00是什么东西Google得出:1,/dev/mapper/VoLGroup00-LogVo
  • 回忆自己大学四年得与失

    万次阅读 多人点赞 2014-07-20 01:36:59
    初到大学的我们都是懵懂的,记得高考结束才让同学帮我申请了个QQ,到了大学却调剂到了一个我最陌生的东西——计算机,有效的沟通非常必要,KISS原则:Key、important、straight、smart.有一个学长曾经说过这样一句话:...
  • 线程堆栈大小使用介绍

    千次阅读 2015-09-27 17:35:21
    先来讲说线程内存相关的东西,主要有下面几条:进程中的所有的线程...有大数据量处理的应用中,有时我们有必要在栈空间分配一个大的内存块或者要分配多小的内存块,但是线程的栈空间的最大值在线程创建的时候就已经定
  • 浅谈东西方科技差距原因

    千次阅读 2015-08-31 04:52:44
    其实人性都是一样的,因为人类文明跟人类进化史相比,是几万年比40多亿年。从欧洲文艺复兴开始以来,东西方的科技对比发生了颠倒...对于这些人来说,无论是在勤劳方面,还是在吃喝嫖赌方面,其实东西方没有多大的差异。
  • 自从写公众号以来,有多同学通过公众号加到我微信,其中一部分是零基础,在交流过程中,我发现"学编程是不是要学好英语"诸如此类问题成了大家担心自己是否能学好编程困惑。 虽然编程和英语看似是两个不同...
  • 我自己有点心虚,对于Java的对象,我了解的尚且还不够深入,对于一些底层的东西,还有待进一步了解学习。这一篇博文,来讲讲Java对象的大小,学习如何计算Java对象的大小。如果你想深入Java 对象的内存设计,以及在...
  • 人工背后是什么?

    千次阅读 2015-11-29 20:04:13
    国家开始鼓励回乡农民创业,说要做好务工人员回乡创业的服务工作。非常奇特的氛围:一方面招人难,人工贵;一方面腾笼换鸟,机器...互联网+,工业4.0,大数据等等都是非常好的东西,但这些东西都是需要知识和技术
  • 而且作者热心,有问必答。 以下演示一下使用sqlite步骤,先创建一个数据库,然后查询其中内容。2个重要结构体和5个主要函数: sqlite3 *pdb, 数据库句柄,跟文件句柄FILE类似 sqlite3_stmt *stmt, 这个...
  • CSDNMarkDown图片大小调整

    万次阅读 多人点赞 2017-01-20 19:21:35
    Question前写日子用CSDNMarkDown写博客,经常是图片大小太了,导致文章真正看起来不爽~ 但是CSDNMarkDown又没有![](./pic/pic1_50.png =100x20)注意 =前有个空格,可以只写宽度。 但是用过小伙伴...
  • C++语言特性

    万次阅读 2015-03-08 18:38:17
    又重新看了一个多月的书,也算是基本上了解了一些基础的东西,学习C++就得掌握它所具备的三特性。  封装性是基础,继承性是关键,多态性是补充,并且多态性存在于继承的环境中。  封装性  C++语言中支持...
  • 互联网产品用户体验设计定律

    千次阅读 多人点赞 2012-05-01 15:42:15
    好友发过来一PPT,文件名是互联网产品的体验设计,认真看完,收获颇多,其中印象最深刻的... 中国软件,技术就不用多说了,大家心知肚明,市场可以说一下,一定是很大超级大的,将近15亿的人口,企事业的数量更是庞大
  • 之前有朋友问过,链路层的东西,其实抽象,刚好看到相关的内容,在此分享一下;   可以参考下面的文章: 0. 前言 何为双链路实时计算体系? 微观实时计算链路 a) 最细粒度商品/店铺/用户数据的实时...
  • 先来讲说线程内存相关的东西,主要有下面几条: 进程中的所有的线程共享相同的地址空间。...有大数据量处理的应用中,有时我们有必要在栈空间分配一个大的内存块或者要分配多小的内存块,但是线程的栈空间的最
  • 关于最大传输单元(MTU)整理

    千次阅读 2017-12-07 10:28:53
    某些ISP接入的MTU可能会比常规使用的MTU小,这时如果设置了过大的MTU,就可能会导致多服务无法使用的问题。可以通过ping程序确定MTU的值。 Windows可以打开命令提示符,使用 PING -l &...
  • 面试一些东西

    万次阅读 2012-03-09 10:13:56
    这个包括多大学就业网信息,绝对好网站 http://www.121job.cn/article/list.asp?classid=42 这个是多学校就业网和BBS上信息,可能有些已经不更新了,但是还是有多好信息 ... hail求职 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 65,679
精华内容 26,271
关键字:

很大很大的东西