学机器学习的机械工程师
学机器学习的机械工程师

概率统计学习第一天

随机事件和随机变量

一、随机事件

  • 古典概型：简单来说，随机事件的样本空间只有有限个样本点，每个样本点出现等可能且每次试验有且仅有一个样本点发生。

                                                                                  \mathbb{P}\left ( A{} \right )= \frac{m}{n}      其中m为事件A的m个样本，n为总样本数

 

  • 条件概率：某些事件发生的情况下考虑事件A发生的概率，比如下事件B发生的情况下考虑A的发生概率

                                                                                 \mathbb{P}\left ( A| B\right )= \frac{\mathbb{P}\left ( AB \right )}{\mathbb{P}\left ( B \right )}

  • 全概率公式

                                                                               \mathbb{P}\left ( A \right )=\sum_{i=1}^{\infty }\mathbb{P}\left ( B_{i}\right )\mathbb{P}\left ( A|B_{i} \right )  其中Bi 为样本空间的一个划分。

  • 贝叶斯公式

                                                                  \mathbb{P}\left ( B_{i}|A \right )=\frac{\mathbb{P}\left (B_{i} A\right )}{\mathbb{P}\left ( A \right )}=\frac{\mathbb{P}\left ( A|B_{i} \right )\mathbb{P}\left ( B_{i} \right )}{\sum_{j=1}^{\infty }\mathbb{P}\left ( B_{j} \right )\mathbb{P}\left ( A|B_{j} \right )}  其中P（Bi）称为先验概率，P（Bi|A）为后验概率。

二、随机变量及其分布

  • 离散型随机变量：如果随机变量 $X$ 的全部可能取值只有有限多个或可列无穷多个，则称 $X$为离散型随机变量。掷骰子的结果就是离散型随机变量。

离散型随机变量的分布函数为：$$ F (x) = P (X<=x ) =\sum_{x_k <=x}{ P (X=x_k) } = \sum_{x_k <=x}{ P_k} $$

  • 常见的离散型分布

  1. 伯努利实验，二项分布：一个随机试验只有两种可能的结果 $A$和$\overline A$且$$ P(A) = p，P(\overline A) =1-p=q $$，0<p<1.概率统计学习第一天_第1张图片

  2. 随机变量的数字特征

1.数学期望：代表随机变量取值的平均值

2.方差：用来描述随机变量取值相对于均值的离散程度的一个量

3.协方差和相关系数：描述随机变量X与随机变量Y之间的线性联系程度数字量

 

 

 

你可能感兴趣的:(概率统计)

  • AI大模型学习路线（2025最新）神仙级大模型教程分享，非常详细收藏这一篇就够！ AI大模型-大飞 人工智能学习语言模型大模型大模型学习LLMAI大模型
    大模型学习路线图前排提示，文末有大模型AGI-CSDN独家资料包哦！第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRos
  • 数学基础（线性代数、概率统计、微积分）缺乏导致概念难以理解问题大全 猫头虎技术团队 已解决的Bug专栏线性代数opencv数据挖掘语音识别计算机视觉人工智能机器学习
    数学基础（线性代数、概率统计、微积分）缺乏导致概念难以理解问题大全机器学习/深度学习的核心算法背后，往往需要用到矩阵运算、特征向量、梯度下降等；如果连矩阵乘法、特征值、偏导数都没搞懂，就很难理解模型原理。摘要文章目录数学基础（线性代数、概率统计、微积分）缺乏导致概念难以理解问题大全摘要1.开发场景介绍1.1场景背景1.2技术细节2.开发环境3.问题分析3.1线性代数缺失带来的挑战3.2概率统计短板
  • Python概率论 麻辣小兔喵 Pythonpython概率论机器学习
    概率论是数学的一个分支，它研究随机事件的概率和统计规律。在Python中，有很多强大的概率统计库可以帮助我们进行概率计算和数据分析，比如NumPy、SciPy和Pandas等库。下面我将为您介绍一些基本的概率概念以及如何在Python中实现它们。1.概率的基本概念在概率论中，我们通常会用以下的符号表示：P(A)：表示事件A发生的概率，其取值范围在[0,1]之间。P(A|B)：表示在事件B发生的条件
  • 人工智能学习进阶之路 lumutong 人工智能学习
    以下是人工智能学习路径的详细规划，分5个阶段循序渐进，建议学习周期1.5-2年：一、筑基阶段（3-6个月）数学基础线性代数：矩阵运算（推荐《LinearAlgebraDoneRight》）微积分：偏导数/梯度（MIT18.01课程）概率统计：贝叶斯定理（可汗学院概率课）编程基础Python语法（《PythonCrashCourse》）数据处理库：NumPy/Pandas（官方文档+Kaggle练习
  • 我2025上岸大模型就靠它了，冲击大厂大模型岗位！大模型学习路线（2025最新）从零基础入门到精通_大模型学习路线 大模型老炮 学习人工智能程序员Agent大模型教学知识库大模型
    大模型学习路线图第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。\1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRoss，《概率论与随机过程》在线课程：KhanAcad
  • 大模型学习路线（2025最新）神仙级大模型教程分享，非常详细收藏这一篇就够 AGI大模型学习 学习人工智能大模型大模型学习AI程序员大模型教程
    大模型学习路线图前排提示，文末有大模型AGI-CSDN独家资料包哦！第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRos
  • 神仙级大模型教程分享，不用感谢，请叫我活雷锋！大模型 学习路线非常详细_大模型学习路线（2025最新） 程序员辣条 学习人工智能大模型产品经理智能体大模型教程AI大模型
    大模型学习路线图第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRoss，《概率论与随机过程》在线课程：KhanAcade
  • 学习大模型路线图：从菜鸟到造物主的通关秘籍 天学林总 DeepSeek学AI人工智能
    大家好！今天我们要解锁一个神秘代码——大模型AI自学路线图。这不是枯燥的课程表，而是通往“数字造物主”的藏宝图！从零基础到训出你的第一个AI，只需五步，全程高能，即刻出发！第一关：筑基期——数学与代码的“扎马步”目标：用30天打造AI思维的基础骨骼核心装备：-数学三件套：-线性代数：矩阵是AI的乐高积木（重点：矩阵乘法、特征值）-概率统计：让AI学会“赌概率”（贝叶斯定理、正态分布）-微积分：反向
  • 计算机模拟和建模仿真算法 hdpai2018
    蒙特卡罗方法也称统计模拟方法，是以概率统计理论为指导的数值计算方法。随机数是我们实现蒙特卡罗模拟的基本工具。在解决实际问题的时候应用蒙特·卡罗方法主要有两部分工作：1．用蒙特·卡罗方法模拟某一过程时，需要产生某一概率分布的随机变量。2．用统计方法把模型的数字特征估计出来，从而得到实际问题的数值解。元胞自动机不同于一般的动力学模型，元胞自动机不是由严格定义的物理方程或函数确定，而是用一系列模型构造的
  • 机器学习第七讲：概率统计 → 预测可能性，下雨概率70%就是典型应用
    机器学习第七讲：概率统计→预测可能性，下雨概率70%就是典型应用资料取自《零基础学机器学习》。查看总目录：学习大纲关于DeepSeek本地部署指南可以看下我之前写的文章：DeepSeekR1本地与线上满血版部署：超详细手把手指南一、天气预报的数学智慧☔️（教材第七章入门案例1）核心原理：气象台通过分析历史数据与实时传感器的多维信息：flowchartTDA[卫星云图]-->C[概率模型]B[气压值
  • AI 的 6 大核心方向 + 学习阶段路径 星火撩猿 AI&大模型人工智能学习
    一、机器学习（ML）目标：用数据“训练”模型，完成分类、回归、聚类等任务。学习阶段：（1）基础数学：线性代数、概率统计、微积分（适度）（2）ML基础算法：线性回归、决策树、KNN、SVM（用scikit-learn）（3）模型优化：交叉验证、正则化、特征工程（4）无监督学习：K-Means、PCA、DBSCAN（5）实战项目：房价预测、信用评分、客户分类等推荐工具：Python、scikit-le
  • 什么是先验？（CVPR25）Detail-Preserving Latent Diffusion for Stable Shadow Removal论文阅读 hwg985 去雾论文阅读
    文章目录先验（Prior）是什么？1.先验的数学定义2.先验在深度生成模型中的角色3.为什么需要先验？4.先验的常见类型5.如何选择或构造先验？6.小结先验（Prior）是什么？在概率统计与机器学习（尤其是贝叶斯方法）中，“先验”通常指先验分布（priordistribution）——在看到数据之前，我们对某个随机变量（参数、潜变量、预测结果等）所持有的信念或假设，用概率分布来刻画。1.先验的数学
  • 从零到前沿：2025年人工智能系统性学习路径与最新技术融合指南 小李独爱秋 人工智能人工智能学习
    一、构建人工智能认知框架（一）基础学科筑基数学核心能力线性代数：掌握矩阵运算（张量分解在推荐系统的应用）与特征值分析（PCA降维原理）概率统计：贝叶斯网络在医疗诊断中的应用，蒙特卡洛方法在强化学习的采样策略优化理论：2025年主流的元学习（Meta-Learning）框架中的二阶优化算法发展计算机科学基础数据结构：图神经网络（GNN）中的邻接矩阵存储优化操作系统：分布式训练中的GPU资源调度策略（
  • 基础知识-线性代数、高数 倚天仗剑走天涯 线性代数
    在前一段时间，师兄给我们布置了关于假期的学习任务，同时也推荐了相关的学习资料。虽然距离考研结束已经过去了几个月的时间，但是线性代数还有高数的知识还是比较有印象。根据前辈推荐的学习安排，我通过速成课程回顾了线性代数和高数的知识，概率统计在考研中没有涉及暂时比较不熟悉。另外前辈在视频中说过深度学习对数学知识没有考研要求的那么高，我的计划是先较快地把数学知识回顾一遍然后在学习深度学习时碰到相关知识之后再
  • 人工智能学习框架全解析：从零到大师的进阶之路 非著名架构师 知识文档面试文档人工智能学习deepseek大模型深度学习架构
    在人工智能（AI）高速发展的时代，掌握AI技术已成为众多技术人员和企业决策者的核心需求。然而，AI学习体系庞大，涉及深度学习、机器学习、数据处理等多个领域，如何从零起步，高效进阶，最终掌握核心技术？本文将为您提供一条清晰的AI学习路径。一、人工智能的学习框架学习AI可以从以下四个关键阶段入手：基础入门：数学与编程基础，掌握AI核心概念线性代数、概率统计、微积分Python编程（Numpy、Pand
  • AI工程师成长指南：从入门到精通的完整路线图 赛博AI Lewis 人工智能
    AI工程师RoadmapAI工程师成长指南：从入门到精通的完整路线图随着人工智能技术的快速发展，AI工程师已成为全球科技行业的热门职业。本文基于行业标准Roadmap，结合核心技能与实战经验，为你梳理一条清晰的成长路径，助你从零基础迈向专业领域。一、夯实基础：数学、编程与机器学习数学基础线性代数：矩阵运算、特征值分解是深度学习模型（如神经网络）的核心数学工具。概率统计：贝叶斯推断、假设检验为模型评
  • 大模型学习路线（2025最新）年薪800K程序员分享给你，存一下吧很难找全的！ AI大模型-王哥 学习产品经理人工智能AI大模型程序员大模型学习
    大模型学习路线图前排提示，文末有大模型AGI-CSDN独家资料包哦！第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRos
  • 青少年编程与数学 02-013 初中数学知识点 07课题、专业相关性分析 明月看潮生 编程与数学第02阶段青少年编程编程与数学专业相关性数据科学人工智能
    青少年编程与数学02-013初中数学知识点07课题、专业相关性分析一、统计与概率（1）数据收集与整理（2）描述性统计（3）概率（4）回归分析二、数学建模与算法三、跨学科应用四、教育与实践总结在初中数学知识点中，与计算机及数据科学、人工智能关系较为密切的内容主要集中在统计与概率部分。这些知识点不仅是数学学科的重要组成部分，更是数据科学和人工智能领域的基础。一、统计与概率统计与概率是初中数学的重要分支
  • 2025年大模型学习路线：神仙级教程无私分享，助你成为AI领域高手！大模型学习路线就看这一篇就够了！ 大模型入门教程 学习人工智能AI大模型大模型大模型学习大模型教程程序员
    大模型学习路线图第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRoss，《概率论与随机过程》在线课程：KhanAcade
  • Deepseek给遥感人的学习与职业发展建议 Python与遥感 学习
    Deepseek给遥感人的学习与职业发展建议一、夯实四大基础支柱物理基础深入理解电磁波谱特性（可见光/红外/微波）、大气传输模型、辐射定标原理；掌握不同传感器（光学/SAR/LiDAR）的成像机理与数据特性差异；推荐学习：《遥感物理与定量反演基础》。数学工具矩阵运算（影像处理核心）、傅里叶变换（SAR处理）、概率统计（分类算法）；掌握数值分析、最优化理论（用于反演算法）；实践推荐：用Python实
  • 使用 Math.NET 进行数值计算的指南 墨瑾轩 一起学学C#【一】.net决策树算法
    关注墨瑾轩，带你探索编程的奥秘！超萌技术攻略，轻松晋级编程高手技术宝库已备好，就等你来挖掘订阅墨瑾轩，智趣学习不孤单即刻启航，编程之旅更有趣使用Math.NET进行数值计算的指南️‍♂️数值计算的魅力：从基础到进阶引言在科学计算、工程设计甚至是金融分析等领域，数值计算都是不可或缺的一环。Math.NETNumerics作为.NET平台上的一款强大而全面的数值计算库，提供了包括线性代数、概率统计、信
  • 00计算机视觉学习内容 依旧阳光的老码农 计算机视觉计算机视觉人工智能
    计算机视觉（ComputerVision）开发需要掌握数学基础、编程语言、图像处理、机器学习、深度学习等多个方面的知识。以下是一个系统的学习路线：1️⃣数学基础（核心理论支撑）计算机视觉涉及很多数学概念，以下是必备数学知识：✅线性代数（矩阵运算是计算机视觉的核心）向量、矩阵运算（加减、乘法、转置）特征值与特征向量SVD（奇异值分解），用于图像压缩、降维齐次坐标变换（用于3D计算机视觉）✅概率统计（
  • 01计算机视觉学习计划 依旧阳光的老码农 计算机视觉计算机视觉人工智能
    计算机视觉系统学习计划（3-6个月）本计划按照数学→编程→图像处理→机器学习→深度学习→3D视觉→项目实战的顺序，确保从基础到高级，结合理论和实践。第一阶段（第1-2个月）：基础夯实✅目标：掌握数学基础、Python/C++编程、基本图像处理1️⃣数学基础（2周）每日2小时线性代数：矩阵运算、特征值分解（推荐《线性代数及其应用》）概率统计：高斯分布、贝叶斯定理微积分：偏导数、梯度下降傅里叶变换：图
  • 01 目录-具身智能学习规划 天机️灵韵 具身智能人工智能具身智能机器人生物信息学
    具身智能（EmbodiedIntelligence）强调智能体通过身体与环境的动态交互实现学习和决策，是人工智能、机器人学、认知科学和神经科学交叉的前沿领域。其核心在于打破传统AI的“离身认知”，将智能与物理实体、感知-运动系统紧密结合。以下是具身智能学习规划的框架：一、基础理论储备数学与编程基础数学：概率统计、线性代数、微积分、优化理论、微分几何（运动规划）。编程：Python（主流工具链）、C
  • 初学者推荐学习AI的路径 ProgramHan 学习人工智能
    学习人工智能的路径可以分为基础知识、编程技能、机器学习、深度学习、数据处理与可视化、自然语言处理（NLP）、计算机视觉（CV）、强化学习、实践项目和持续学习几个阶段。以下是一个简要的路径：1️⃣基础知识数学基础（线性代数、微积分、概率统计）编程基础（Python/R等语言）算法与数据结构2️⃣机器学习基础理解监督学习（如回归、分类）、无监督学习（如聚类、PCA）掌握机器学习库（如scikit-le
  • DeepSeek 学习路线图 CarlowZJ 学习deepseek
    以下是基于最新搜索结果整理的DeepSeek学习路线图，涵盖从基础到高级的系统学习路径，帮助你全面掌握DeepSeek的使用和应用开发。一、基础知识与预备技能1.数学基础线性代数：掌握矩阵运算和向量空间，这是深度学习的核心。概率统计：理解贝叶斯理论和概率分布，用于模型训练和推理。微积分：了解优化算法中的梯度下降等概念。2.编程基础Python：掌握Python编程，这是深度学习和AI开发的主要语言
  • 人工智能的本质解构：从二进制桎梏到造物主悖论 Somnolence.·.·.·. 人工智能人工智能ai
    一、数学牢笼中的困兽：人工智能的0-1本质人工智能的底层逻辑是数学暴力的具象化演绎。晶体管开关的物理震荡被抽象为布尔代数的0-1序列，冯·诺依曼架构将思维简化为存储器与运算器的机械对话。即使深度神经网络看似模拟人脑突触，其本质仍是矩阵乘法的迭代游戏——波士顿动力机器人的空翻动作不过是微分方程求解的物理引擎呈现，AlphaGo的围棋神话只是蒙特卡洛树搜索的概率统计。这种基于有限离散数学的架构，注定人
  • 文本生成型人工智能：逻辑算法与文字组合的重构艺术 Somnolence.·.·.·. 人工智能人工智能算法重构人机交互aichatgpt
    引言在数字化浪潮的推动下，文本生成型人工智能（如GPT系列、Claude、Deepseek等）正逐步从技术工具演化为人类社会的"数字镜像"。其本质并非简单的文字堆砌，而是基于算法逻辑对海量语言数据的学习与重组。这一过程既模仿了人类的思维模式，又受制于技术基础设施的物理边界。以下从三个维度解析其运行逻辑与技术哲学。一、数据训练：从概率统计到仿生逻辑的跨越文本生成型AI的核心在于通过神经网络模型对语言
  • AGI方向研究 微醺欧耶 agi
    要成为一名合格的AGI（通用人工智能）实习生，你需要具备跨学科的知识体系、扎实的技术能力以及前沿研究视野。以下是基于你当前基础的能力扩展方向、关键研究领域以及未来发展的详细分析：---###**一、AGI实习生需具备的核心能力**####1.**数学与理论基础**-**数学基础**：线性代数（矩阵运算、特征值）、概率统计（贝叶斯理论、分布模型）、微积分（梯度优化）、信息论（熵、KL散度）。-**计
  • 数学与机器学习：共舞于智能时代的双璧 每天五分钟玩转人工智能 机器学习人工智能
    随着人工智能的崛起，机器学习作为其核心技术之一，正引领着新一轮的科技革命。而在这场革命中，数学以其深邃的理论和精妙的工具，为机器学习提供了坚实的支撑。数学与机器学习之间的关系，如同琴瑟和鸣，共同编织出智能时代的华美乐章。数学，作为自然科学的皇后，以其严谨的逻辑和精确的推理，为机器学习提供了坚实的理论基础。机器学习算法的设计、优化和应用，都离不开数学的支持。无论是线性代数、概率统计，还是微积分、最优
  • jQuery 键盘事件keydown ,keypress ,keyup介绍 107x jsjquerykeydownkeypresskeyup
    本文章总结了下些关于jQuery 键盘事件keydown ,keypress ,keyup介绍，有需要了解的朋友可参考。 一、首先需要知道的是： 1、keydown() keydown事件会在键盘按下时触发. 2、keyup()  代码如下 复制代码 $('input').keyup(funciton(){      
  • AngularJS中的Promise bijian1013 JavaScriptAngularJSPromise
    一.Promise         Promise是一个接口，它用来处理的对象具有这样的特点：在未来某一时刻（主要是异步调用）会从服务端返回或者被填充属性。其核心是，promise是一个带有then()函数的对象。         为了展示它的优点，下面来看一个例子，其中需要获取用户当前的配置文件： var cu
  • c++ 用数组实现栈类 CrazyMizzz 数据结构C++
    #include<iostream> #include<cassert> using namespace std; template<class T, int SIZE = 50> class Stack{ private: T list[SIZE];//数组存放栈的元素 int top;//栈顶位置 public: Stack(
  • java和c语言的雷同 麦田的设计者 java递归scaner
    软件启动时的初始化代码，加载用户信息2015年5月27号 从头学java二 1、语言的三种基本结构：顺序、选择、循环。废话不多说，需要指出一下几点：      a、return语句的功能除了作为函数返回值以外，还起到结束本函数的功能，return后的语句 不会再继续执行。      b、for循环相比于whi
  • LINUX环境并发服务器的三种实现模型 被触发 linux
    服务器设计技术有很多，按使用的协议来分有TCP服务器和UDP服务器。按处理方式来分有循环服务器和并发服务器。 1  循环服务器与并发服务器模型 在网络程序里面，一般来说都是许多客户对应一个服务器，为了处理客户的请求，对服务端的程序就提出了特殊的要求。 目前最常用的服务器模型有： ·循环服务器：服务器在同一时刻只能响应一个客户端的请求 ·并发服务器：服
  • Oracle数据库查询指令 肆无忌惮_ oracle数据库
    20140920   单表查询 -- 查询************************************************************************************************************ -- 使用scott用户登录   -- 查看emp表   desc emp  
  • ext右下角浮动窗口 知了ing JavaScriptext
    第一种 <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/1999/
  • 浅谈REDIS数据库的键值设计 矮蛋蛋 redis
    http://www.cnblogs.com/aidandan/ 原文地址：http://www.hoterran.info/redis_kv_design 丰富的数据结构使得redis的设计非常的有趣。不像关系型数据库那样，DEV和DBA需要深度沟通，review每行sql语句，也不像memcached那样，不需要DBA的参与。redis的DBA需要熟悉数据结构，并能了解使用场景。
  • maven编译可执行jar包 alleni123 maven
    http://stackoverflow.com/questions/574594/how-can-i-create-an-executable-jar-with-dependencies-using-maven <build> <plugins> <plugin> <artifactId>maven-asse
  • 人力资源在现代企业中的作用 百合不是茶 HR 企业管理
    //人力资源在在企业中的作用人力资源为什么会存在，人力资源究竟是干什么的 人力资源管理是对管理模式一次大的创新，人力资源兴起的原因有以下点： 工业时代的国际化竞争，现代市场的风险管控等等。所以人力资源 在现代经济竞争中的优势明显的存在，人力资源在集团类公司中存在着 明显的优势(鸿海集团)，有一次笔者亲自去体验过红海集团的招聘，只 知道人力资源是管理企业招聘的 当时我被招聘上了，当时给我们培训 的人
  • Linux自启动设置详解 bijian1013 linux
    linux有自己一套完整的启动体系，抓住了linux启动的脉络，linux的启动过程将不再神秘。 阅读之前建议先看一下附图。 本文中假设inittab中设置的init tree为： /etc/rc.d/rc0.d /etc/rc.d/rc1.d /etc/rc.d/rc2.d /etc/rc.d/rc3.d /etc/rc.d/rc4.d /etc/rc.d/rc5.d /etc
  • Spring Aop Schema实现 bijian1013 javaspringAOP
    本例使用的是Spring2.5 1.Aop配置文件spring-aop.xml <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springframework.org/schema/beans" xmln
  • 【Gson七】Gson预定义类型适配器 bit1129 gson
    Gson提供了丰富的预定义类型适配器，在对象和JSON串之间进行序列化和反序列化时，指定对象和字符串之间的转换方式，   DateTypeAdapter   public final class DateTypeAdapter extends TypeAdapter<Date> { public static final TypeAdapterFacto
  • 【Spark八十八】Spark Streaming累加器操作（updateStateByKey) bit1129 update
    在实时计算的实际应用中，有时除了需要关心一个时间间隔内的数据，有时还可能会对整个实时计算的所有时间间隔内产生的相关数据进行统计。 比如： 对Nginx的access.log实时监控请求404时，有时除了需要统计某个时间间隔内出现的次数，有时还需要统计一整天出现了多少次404，也就是说404监控横跨多个时间间隔。   Spark Streaming的解决方案是累加器，工作原理是，定义
  • linux系统下通过shell脚本快速找到哪个进程在写文件 ronin47
    一个文件正在被进程写 我想查看这个进程 文件一直在增大 找不到谁在写 使用lsof也没找到 这个问题挺有普遍性的，解决方法应该很多，这里我给大家提个比较直观的方法。 linux下每个文件都会在某个块设备上存放，当然也都有相应的inode, 那么透过vfs.write我们就可以知道谁在不停的写入特定的设备上的inode。 幸运的是systemtap的安装包里带了inodewatch.stp，位
  • java-两种方法求第一个最长的可重复子串 bylijinnan java算法
    import java.util.Arrays; import java.util.Collections; import java.util.List; public class MaxPrefix { public static void main(String[] args) { String str="abbdabcdabcx";
  • Netty源码学习-ServerBootstrap启动及事件处理过程 bylijinnan javanetty
    Netty是采用了Reactor模式的多线程版本，建议先看下面这篇文章了解一下Reactor模式： http://bylijinnan.iteye.com/blog/1992325 Netty的启动及事件处理的流程，基本上是按照上面这篇文章来走的 文章里面提到的操作，每一步都能在Netty里面找到对应的代码 其中Reactor里面的Acceptor就对应Netty的ServerBo
  • servelt filter listener 的生命周期 cngolon filterlistenerservelt生命周期
    1. servlet    当第一次请求一个servlet资源时，servlet容器创建这个servlet实例，并调用他的 init(ServletConfig config)做一些初始化的工作，然后调用它的service方法处理请求。当第二次请求这个servlet资源时，servlet容器就不在创建实例，而是直接调用它的service方法处理请求，也就是说
  • jmpopups获取input元素值 ctrain JavaScript
    jmpopups 获取弹出层form表单 首先，我有一个div，里面包含了一个表单，默认是隐藏的，使用jmpopups时，会弹出这个隐藏的div，其实jmpopups是将我们的代码生成一份拷贝。 当我直接获取这个form表单中的文本框时，使用方法：$('#form input[name=test1]').val()；这样是获取不到的。 我们必须到jmpopups生成的代码中去查找这个值，$(
  • vi查找替换命令详解 daizj linux正则表达式替换查找vim
    一、查找 查找命令 /pattern<Enter> ：向下查找pattern匹配字符串 ?pattern<Enter>：向上查找pattern匹配字符串 使用了查找命令之后，使用如下两个键快速查找： n：按照同一方向继续查找 N：按照反方向查找 字符串匹配 pattern是需要匹配的字符串，例如： 1:  /abc<En
  • 对网站中的js,css文件进行打包 dcj3sjt126com PHP打包
    一，为什么要用smarty进行打包 apache中也有给js,css这样的静态文件进行打包压缩的模块，但是本文所说的不是以这种方式进行的打包，而是和smarty结合的方式来把网站中的js,css文件进行打包。 为什么要进行打包呢，主要目的是为了合理的管理自己的代码 。现在有好多网站，你查看一下网站的源码的话，你会发现网站的头部有大量的JS文件和CSS文件，网站的尾部也有可能有大量的J
  • php Yii: 出现undefined offset 或者 undefined index解决方案 dcj3sjt126com undefined
    在开发Yii 时，在程序中定义了如下方式：        if($this->menuoption[2] === 'test')，那么在运行程序时会报：undefined offset:2，这样的错误主要是由于php.ini 里的错误等级太高了，在windows下错误等级
  • linux 文件格式（1） sed工具 eksliang linuxlinux sed工具sed工具linux sed详解
    转载请出自出处： http://eksliang.iteye.com/blog/2106082 简介       sed 是一种在线编辑器，它一次处理一行内容。处理时，把当前处理的行存储在临时缓冲区中，称为“模式空间”（pattern space），接着用sed命令处理缓冲区中的内容，处理完成后，把缓冲区的内容送往屏幕。接着处理下一行，这样不断重复，直到文件末尾
  • Android应用程序获取系统权限 gqdy365 android
    引用 如何使Android应用程序获取系统权限         第一个方法简单点，不过需要在Android系统源码的环境下用make来编译：         1. 在应用程序的AndroidManifest.xml中的manifest节点
  • HoverTree开发日志之验证码 hvt .netC#asp.nethovertreewebform
    HoverTree是一个ASP.NET的开源CMS，目前包含文章系统，图库和留言板功能。代码完全开放，文章内容页生成了静态的HTM页面，留言板提供留言审核功能，文章可以发布HTML源代码，图片上传同时生成高品质缩略图。推出之后得到许多网友的支持，再此表示感谢！留言板不断收到许多有益留言，但同时也有不少广告，因此决定在提交留言页面增加验证码功能。ASP.NET验证码在网上找，如果不是很多，就是特别多
  • JSON API：用 JSON 构建 API 的标准指南中文版 justjavac json
    译文地址：https://github.com/justjavac/json-api-zh_CN 如果你和你的团队曾经争论过使用什么方式构建合理 JSON 响应格式， 那么 JSON API 就是你的 anti-bikeshedding 武器。 通过遵循共同的约定，可以提高开发效率，利用更普遍的工具，可以是你更加专注于开发重点：你的程序。 基于 JSON API 的客户端还能够充分利用缓存，
  • 数据结构随记_2 lx.asymmetric 数据结构笔记
    第三章 栈与队列 一．简答题 1. 在一个循环队列中，队首指针指向队首元素的  前一个    位置。  2.在具有n个单元的循环队列中，队满时共有  n-1  个元素。  3. 向栈中压入元素的操作是先  移动栈顶指针&n
  • Linux下的监控工具dstat 网络接口 linux
    1) 工具说明dstat是一个用来替换 vmstat,iostat netstat,nfsstat和ifstat这些命令的工具, 是一个全能系统信息统计工具. 与sysstat相比, dstat拥有一个彩色的界面, 在手动观察性能状况时, 数据比较显眼容易观察; 而且dstat支持即时刷新, 譬如输入dstat 3, 即每三秒收集一次, 但最新的数据都会每秒刷新显示. 和sysstat相同的是,
  • C 语言初级入门--二维数组和指针 1140566087 二维数组c/c++指针
    /* 二维数组的定义和二维数组元素的引用 二维数组的定义： 当数组中的每个元素带有两个下标时，称这样的数组为二维数组； (逻辑上把数组看成一个具有行和列的表格或一个矩阵); 语法： 类型名 数组名[常量表达式1][常量表达式2] 二维数组的引用： 引用二维数组元素时必须带有两个下标，引用形式如下： 例如： int a[3][4];  引用：
  • 10点睛Spring4.1-Application Event wiselyman application
    10.1 Application Event Spring使用Application Event给bean之间的消息通讯提供了手段 应按照如下部分实现bean之间的消息通讯 继承ApplicationEvent类实现自己的事件 实现继承ApplicationListener接口实现监听事件 使用ApplicationContext发布消息
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他