- AI大模型副业变现之路，有技术就有收入！
AI大模型-王哥
人工智能AI大模型大模型大模型学习大模型教程大模型入门
在当今时代，AI大模型的应用越来越广泛，利用这些技术开展副业赚钱已成为可能。以下是一份详细的指南，帮助你了解需要学习的内容以及如何操作。一、需要学习的内容基础知识储备（1）数学知识：线性代数、概率论与数理统计、微积分等，这些是理解AI算法的基础。（2）编程技能：掌握Python编程语言，因为Python在AI领域有丰富的库和框架支持。（3）机器学习原理：了解常见的机器学习算法，如线性回归、决策树、
- 2019-03-20记录及学习计划更正
逆风飞翔的鸟
今天早晨早早的就坐上了返回学校的高铁，自己复习的进度稍慢了一些，不过没关系，这几天再追回来，最近发现虽然自己数学的做题能力有所提升，但是熟练程度还差很多，所以接下来高等数学要多做题，线性代数基础已经复习完毕，不能丢下，每天要做一定量的练习来保持住自己的水平。概率论与数理统计自己感觉有些困难，需要从课本开始认真的复习。关于英语我已经用百词斩背了有400左右的单词了，但是不是很扎实，所以自己要提升自己
- 【个人学习笔记】概率论与数理统计知识梳理【五】
已经是全速前进了
概率论
文章目录第五章、大数定律及中心极限定理一、大数定律1.1基本概念1.2弱大数定理二、中心极限定理独立同分布的中心极限定理定理总结第五章、大数定律及中心极限定理写博客比想象中费劲得多，公式得敲好久，所以只得随缘更更了，想写一些机器学习相关的东西，但是强迫症又不允许我把这个扔掉不管，我太难了Orz这一节的内容比较深，即使我是一个喜欢数学的工科生，也没有精力再去深究了，各式各样的大数定律及中心极限定理我
- 概率论与数理统计实验 附源码及实验报告 可打包为exe
货又星
概率论经验分享笔记python开源
Hi,I’m@货又星I’minterestedin…I’mcurrentlylearning…I’mlookingtocollaborateon…Howtoreachme…README目录（持续更新中）各种错误处理、爬虫实战及模板、百度智能云人脸识别、计算机视觉深度学习CNN图像识别与分类、PaddlePaddle自然语言处理知识图谱、GitHub、运维…WeChat：1297767084GitH
- 概率论与数理统计——二、随机变量及其分布
米妮爱分享
1随机变量随机变量是把样本S映射到R(实值单值)函数随机变量的引入可以来描述各种随机现象，并能利用数学分析的方法对随机实验的结果进行深入广泛的研究和讨论。2离散随机变量及其分布律（一）（0-1）分布（二）伯努力试验、二项分布（三）泊松分布3随机变量的分布函数计算分布函数时，根据其分布律，计算某一范围的概率时，左边x是小于不等于x的，当等于时，拆开的等式在3.1中还需要加上等于此值的概率，见例子。4
- 如何快速入门深度学习
人生万事须自为，跬步江山即寥廓。
机器学习人工智能chatgpt
深度学习是人工智能领域的一个重要分支，它模拟人脑的神经网络结构，通过大量的数据训练模型，使计算机能够自动学习和理解数据。深度学习在图像识别、语音识别、自然语言处理等领域取得了显著的成果。如果你想快速入门深度学习，可以按照以下步骤进行：1.学习基础知识在学习深度学习之前，你需要具备一定的数学基础，包括线性代数、概率论与数理统计、微积分等。此外，你还需要掌握一门编程语言，如Python，因为大多数深度
- 概率论与数理统计 第八章 假设检验
Jarkata
课前导读统计推断的另一类重要问题是假设检验问题。参数估计的主要任务是找参数值等于多少，或在哪个范围内取值。而假设检验则主要是看参数的值是否等于某个特定的值。通常进行假设检验即选定一个假设，确定用以决策的拒绝域的形式，构造一个检验统计量，求出拒绝域或检验统计量的p值，查看结果是否落在拒绝域内或p值是否小于显著性水平，做出决策的一个过程。第一节检验的基本原理举个例子，体现假设检验的思想：假设检验的统计
- 考研计划 东南大学
风与易水
考研学习
考研计划2021考研自用，目前已经上岸东南大学，祝各位顺利！数一：高数、线代、概率论与数理统计使用参考资料：1.《同济高数、浙大概率论与数理统计》2.《李永乐基础强化系列材料》3.武忠祥教学视频4.李林8805.武老师的高数辅导讲义+李永乐线代讲义5.李林的1086.《李林冲刺6套卷，李林预测4套卷》复习策略：1.2月初~6月底第一轮打基础，以武忠祥2020视频【教材（查阅相关知识点）】为主，深刻
- 武忠祥2025高等数学，基础阶段的百度网盘+视频及PDF
m0_54050778
pdf概率论
考研数学武忠祥基础主要学习以下几个方面的内容：1.微积分:主要包括极限、连续、导数、积分等概念，以及它们的基本性质和运算方法。2.线性代数:主要包括向量、向量空间、线性方程组、矩阵、行列式、特征值和特征向量等概念，以及它们的基本性质和运算方法。3概率论与数理统计:主要包括随机事件和概率、条件概率、独立性、随机变量及其分布、数学期望方差和协方差、大数定律和中心极限定理等概念以及它们的基本性质和运算方
- 大二下 课程安排
三冬四夏会不会有点漫长
#大二下计划
专业选修web前端开发信息与网络安全必修数据库原理4概率论与数理统计4软件设计与体系结构3编译技术3软件设计实践2大学体育1选修（待更新）目标大二下一定要好好学习，不然最后总的排名真的就垫底了，大一上绩点专业排名33/139，大一下绩点专业排名91/139，大二上待更新，整个大一绩点专业排名71/139，希望大二下能尽自己的全力学，绩点考到尽可能高，把自己不太行的过往的成绩往上拉一拉
- 不知道几天能学完《概率论与数理统计》之1.1随机统计
不安全的安保
不知道几天能学完概率论概率论
引言确定性（必然）：一定发生/一定不发生随机性（偶然）:可能发生/不发生统计规律：对事情做出大量重复性的实验试图找出某种规律1.1.1随机事件与随机试验试验：为了找出实践规律，对客观事物进行观察、测量，然后进行科学实验等等这类统称为试验随机试验：使用E表示三个要求相同条件下可以重复实验结果不止一个无法预测哪个结果会出现举个例子：抛硬币随机抛硬币可以出现两次正面硬币有正面和反面在硬币落地之前无法得知
- 2024年高校建设大数据实验室建设的意义
泰迪智能科技
大数据实验室大数据
数据挖掘与大数据分析是以计算机基础为基础，以挖掘算法为核心，紧密面向行业应用的一门综合性学科。其主要技术涉及概率论与数理统计、数据挖掘、算法与数据结构、计算机网络、并行计算等多个专业方向，因此该学科对于实验室具有较高的专业要求。实验室不仅要提供基础的开发环境，还要提供大数据的运算环境以及用于实验的实战大数据案例。这些实验素材的准备均需专业的大数据实验室作为支撑。目前，在我国高校的专业设置上与数据挖
- 概率论与数理统计————3.随机变量及其分布
辣个骑士
概率论与数理统计概率论
一、随机变量设E是一个随机试验，S为样本空间，样本空间的任意样本点e可以通过特定的对应法则X，使得每个样本点都有与之对应的数对应，则称X=X（e）为随机变量二、分布函数分布函数：设X为随机变量，x是任意实数，则事件{Xx}为随机变量X的分布函数，记为F（x）即：F（x）=P（Xx）（1）几何意义：（2）某点处的概率：P（a）=P（Xa）-P（X0;F(x)=cx0三、离散型随机变量及其分布离散型随
- 概率论与数理统计————古典概型、几何概型和条件概率
辣个骑士
概率论与数理统计概率论
一、古典概型特点（1）有限性：试验S的样本空间的有限集合（2）等可能性：每个样本点发生的概率是相等的公式：P（A）=A为随机事件的样本点数；S是样本空间二、几何概型计算公式：p（A）=A的长度、面积或体积S的长度、面积或体积三、条件概率条件概率：设A、B为两个事件，且p（B）>0,则在事件B条件下事件A发生的概率为P（A|B）=p（|A）=1-P（B|A）乘法公式：事件的独立性：若事件A、B满足P
- 概率论与数理统计————1.随机事件与概率
辣个骑士
概率论与数理统计概率论
一、随机事件随机试验：满足三个特点（1）可重复性：可在相同的条件下重复进行（2）可预知性：每次试验的可能不止一个，事先知道试验的所有可能结果（3）不确定性：每次试验不能确定实验结果随机试验记作E样本空间：随机试验E的所有可能的结果构成的集合样本点：样本空间的每个元素是一个样本点随机事件：样本空间的子集为一个随机事件（事件放生：该事件的某个样本点出现）必然事件：必然发生的事件不可能事件：不可能发生的
- 不动点迭代c语言for循环,概率论与数理统计-西北师范大学数学与统计学院.PDF
Jezzy WANG
不动点迭代c语言for循环
概率论与数理统计-西北师范大学数学与统计学院数学与统计学院数学与应用数学专业云亭班专业平台必修课程教学大纲数学与统计学院数学与应用数学专业云亭班专业平台必修课程包括以下11门课程：概率论与数理统计、实变函数、泛函分析、拓扑学、微分几何、C语言、近世代数、运筹学、常微分方程、复变函数、大学物理。概率论与数理统计一、说明课程性质：该课程是数学与应用数学专业云亭班专业平台必修课程之一，第5学期开设。周4
- 概率论与数理统计-第7章 假设检验
Ciian
概率论与数理统计概率论
假设检验的基本概念二、假设检验的基本思想假设检验的基本思想实质上是带有某种概率性质的反证法，为了检验一个假设H0,是否正确，首先假定该假设H0正确，然后根据抽取到的样本对假设H0作出接受或拒绝的决策，如果样本观察值导致了不合理的现象发生，就应拒绝假设H0,否则应接受假设H0·三、假设检验的两类错误第一类错误当假设H0正确时，小概率事件也有可能发生，此时，我们会拒绝假设H0,因而犯了“弃真”的错误，
- 概率论与数理统计系列笔记之第六章——参数估计
欧阳妙妙
概率论
概率论与数理统计笔记（第六章——参数估计）对于统计专业来说，书本知识总有遗忘，翻看教材又太麻烦，于是打算记下笔记与自己的一些思考，主要参考用书是茆诗松老师编写的《概率论与数理统计教程》，其他知识待后续书籍补充。文章目录概率论与数理统计笔记（第六章——参数估计）6.1点估计的概念以及无偏性6.1.1点估计及无偏性6.1.2有效性6.2矩估计以及相合性6.2.1替换原理和矩法估计6.2.2概率函数已知
- 【概率论与数理统计】第二章知识点复习与习题
小萨摩！
期末考试概率论
思维导图笔记一、随机变量定义：设随机试验的样本空间为S={e}，X=X(e)是定义在样本空间S上的实值单值函数。称X=X(e)为随机变量。类似于函数、映射的概念。既然类似于函数，就有定义域和至于，通过定义知道，定义域为样本空间，值域为实数集。即对随机事件数量化。二、离散型随机变量及其分布律1离散型随机变量定义：全部可能取到的值是有限个或可列无限多个的随机变量。这里有限一定可列，可列不一定有限。而分
- 张宇1000题概率论与数理统计 第九章 参数估计与假设检验
古月忻
#概率论张宇考研其他
目录AAA组6.设x1,x2,⋯ ,xnx_1,x_2,\cdots,x_nx1,x2,⋯,xn是来自总体X∼N(μ,σ2)X\simN(\mu,\sigma^2)X∼N(μ,σ2)（μ,σ2\mu,\sigma^2μ,σ2都未知）的简单随机样本的观测值，则σ2\sigma^2σ2的最大似然估计值为（ ）。(A)1n∑i=1n(xi−μ)2;(A)\cfrac{1}{n}\displaystyl
- 概率论与数理统计 Chapter4. 参数估计
Espresso Macchiato
基础数学概率论参数估计极大似然估计矩估计区间估计
概率论与数理统计Chapter4.参数估计1.基础概念1.总体2.样品3.统计量1.样本方差2.k阶原点矩3.k阶中心矩2.参数的点估计1.矩估计1.正态分布2.指数分布3.均匀分布4.二项分布5.泊松分布2.极大似然估计1.正态分布2.指数分布3.二项分布4.均匀分布5.泊松分布3.贝叶斯估计3.点估计的优良性准则1.无偏性1.均值2.方差3.标准差2.最小方差无偏估计3.相合性4.区间估计1.
- 概率论与数理统计浙大第五版 第七章 部分习题+R代码
⑨充满智慧与力量⑨
概率论
习题七1、μ1=E(X)=μ=1n∑i=1nxi=18(74.001+74.005+74.003+74.001+74.000+73.998+74.006+74.002)=74.002\mu_1=E(X)=\mu\\=\frac{1}{n}\sum_{i=1}^nx_i\\=\frac{1}{8}(74.001+74.005+74.003+74.001+74.000+73.998+74.006+74
- 概率论与数理统计-第6章 参数估计
Ciian
概率论与数理统计概率论
6.1点估计问题概述一、点估计的概念二、评价估计量的标准无偏性定义1：设^θ(X1,…,Xn)是未知参数θ的估计量，若E(^θ)=θ,则称^θ为θ的无偏估计量定理1：设X1,…,Xn,为取自总体X的样本，总体X的均值为μ，方差为σ2,则(I)样本均值¯X是μ的无偏估计量；(2)样本方差S2是σ2的无偏估计量；&1有效性无偏性是有效性的前提。定义2：例题：*1相合性（一致性）我们不仅希望一个估计量是
- 最小描述长度MDL(Minimum Description Length）及信息论介绍
Avasla
机器学习算法概率论
信息论介绍信息论是应用数学的一个分支，主要研究的是对一个信号包含信息的多少进行量化。它最初被发明是用来研究在一个含有噪声的信道上用离散的字母表来发送消息，例如通过无线电传输来通信。在这种情况下，信息论告诉我们如何对消息设计最有编码以及计算消息的期望长度，这些消息是使用多种不同编码机制、从特斯能够的概率分布上采样得到的。百度百科的解释是：信息论是运用概率论与数理统计的方法研究信息、信息熵、通信系统、
- 概率论与数理统计（期末复习）
蓝桉802
概率论
第四章数学期望与方差1.期望的性质：E(C)=C;E(X+C)=E(X)+C;E(CX)=CE(X);E(kX+C)=kE(X)+C;E(X+Y)=E(X)+E(Y);E(X-Y)=E(X-Y);;X与Y独立：E(XY)=E(X)E(Y);2.方差的性质：D(X)=E(X^2)-[E(X)]^2D(C)=0;D(X+C)=D(X);D(CX)=C^2D(X);D(kX+C)=k^2D(X);X与Y
- 概率论与数理统计 知识点+课后习题
兑生
大学课程概率论
文章目录[学习资源整合](https://www.cnblogs.com/duisheng/p/17872980.html)总复习知识点⭐常用分布的数学期望和方差选择题填空题大题1.概率2.概率3.概率4.P5.概率6.概率密度函数F(X)F(X)F(X)7.分布列求方差V(X)V(X)V(X)8.求分布函数F(X)F(X)F(X)9.求F(X)F(X)F(X)和P(X)P(X)P(X)10.求未
- AI技术体系和领域浅总结
TisUs
数学基础微积分《高等数学》线性代数《线性代数》概率统计《概率论与数理统计》信息论《信息论基础》（机械工业出版社）集合论和图论《离散数学》博弈论《博弈论》（中国人民大学出版社）张量分析现代几何计算机基础计算机原理程序设计语言操作系统分布式系统算法基础机器学习算法机器学习基础（估计方法特征工程）线性模型（线性回归）逻辑回归决策树模型（GBDT）支持向量机贝叶斯分类器神经网络（深度学习）：MLPCNNR
- 概率论与数理统计基础知识
竹叶青lvye
程序员的数学概率论
计算机视觉一些算法中常会用到概论的一些知识，为了便于理解和快速回忆，博主这边对常用的一些知识点做下整理，主要来源于如下这本书籍。1.随机试验的每一可能结果称为一个基本事件，一个或一组基本事件统称随机事件，或简称事件。典型的随机试验有掷骰子、扔硬币、抽扑克牌以及轮盘游戏等。2.事件的概率是衡量该事件发生的可能性的量度。概率论（数学分支）_百度百科概率（统计学术语）_百度百科3.随机事件,是指的一个事
- 二月
goldfish2017
2018年已经过完一个月了，一月份完成了公司搬办公室，开年会中了个末等奖，修车的钱给保险公司也都给报销了，部门公司也彻底成为全资子公司，原来老板特意把年终奖提前给发了，手头能多少宽裕点了。如果考试成绩不理想，还是年后想办法谋求再回北京找工作，如果成绩还可以，就需要准备加试复试。一月份完成了概率论与数理统计的通读，看了两三遍课本和视频才大概了解，编译原理在年前完成通读教材一遍。减少同时关注事情的数量
- 极大似然估计定义及例题
脑子不好真君
数学概率论与数理统计极大似然估计
一、极大似然估计定义实际上就是说，我们在总体中抽取样本，我们希望在样本中发生的情况最大化，用在样本中发生的情况去估计总体中发生情况。二、例题注意：对分布函数求导得概率密度函数三、参考书目茆诗松,周纪芗等.概率论与数理统计(第三版).中国统计出版社,2007王松桂等.概率论与数理统计(第三版).科学出版社,2011同济大学数学系.概率论与数理统计.人民邮电出版社,2017
- 插入表主键冲突做更新
a-john
有以下场景：
用户下了一个订单，订单内的内容较多，且来自多表，首次下单的时候，内容可能会不全（部分内容不是必须，出现有些表根本就没有没有该订单的值）。在以后更改订单时，有些内容会更改，有些内容会新增。
问题：
如果在sql语句中执行update操作，在没有数据的表中会出错。如果在逻辑代码中先做查询，查询结果有做更新，没有做插入，这样会将代码复杂化。
解决：
mysql中提供了一个sql语
- Android xml资源文件中@、@android:type、@*、？、@+含义和区别
Cb123456
@+@?@*
一.@代表引用资源
1.引用自定义资源。格式：@[package:]type/name
android：text="@string/hello"
2.引用系统资源。格式：@android:type/name
android:textColor="@android:color/opaque_red"
- 数据结构的基本介绍
天子之骄
数据结构散列表树、图线性结构价格标签
数据结构的基本介绍
数据结构就是数据的组织形式，用一种提前设计好的框架去存取数据，以便更方便，高效的对数据进行增删查改。正确选择合适的数据结构，对软件程序的高效执行的影响作用不亚于算法的设计。此外，在计算机系统中数据结构的作用也是非同小可。例如常常在编程语言中听到的栈，堆等，就是经典的数据结构。
经典的数据结构大致如下：
一：线性数据结构
(1)：列表
a
- 通过二维码开放平台的API快速生成二维码
一炮送你回车库
api
现在很多网站都有通过扫二维码用手机连接的功能，联图网(http://www.liantu.com/pingtai/)的二维码开放平台开放了一个生成二维码图片的Api,挺方便使用的。闲着无聊，写了个前台快速生成二维码的方法。
html代码如下:(二维码将生成在这div下)
? 1
&nbs
- ImageIO读取一张图片改变大小
3213213333332132
javaIOimageBufferedImage
package com.demo;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import javax.imageio.ImageIO;
/**
* @Description 读取一张图片改变大小
* @author FuJianyon
- myeclipse集成svn（一针见血）
7454103
eclipseSVNMyEclipse
&n
- 装箱与拆箱----autoboxing和unboxing
darkranger
J2SE
4.2 自动装箱和拆箱
基本数据(Primitive)类型的自动装箱(autoboxing)、拆箱(unboxing)是自J2SE 5.0开始提供的功能。虽然为您打包基本数据类型提供了方便，但提供方便的同时表示隐藏了细节，建议在能够区分基本数据类型与对象的差别时再使用。
4.2.1 autoboxing和unboxing
在Java中，所有要处理的东西几乎都是对象(Object)
- ajax传统的方式制作ajax
aijuans
Ajax
//这是前台的代码
<%@ page language="java" import="java.util.*" pageEncoding="UTF-8"%> <% String path = request.getContextPath(); String basePath = request.getScheme()+
- 只用jre的eclipse是怎么编译java源文件的？
avords
javaeclipsejdktomcat
eclipse只需要jre就可以运行开发java程序了，也能自动 编译java源代码，但是jre不是java的运行环境么，难道jre中也带有编译工具？ 还是eclipse自己实现的？谁能给解释一下呢问题补充：假设系统中没有安装jdk or jre，只在eclipse的目录中有一个jre，那么eclipse会采用该jre，问题是eclipse照样可以编译java源文件，为什么呢？
&nb
- 前端模块化
bee1314
模块化
背景： 前端JavaScript模块化，其实已经不是什么新鲜事了。但是很多的项目还没有真正的使用起来，还处于刀耕火种的野蛮生长阶段。 JavaScript一直缺乏有效的包管理机制，造成了大量的全局变量，大量的方法冲突。我们多么渴望有天能像Java（import），Python (import)，Ruby(require)那样写代码。在没有包管理机制的年代，我们是怎么避免所
- 处理百万级以上的数据处理
bijian1013
oraclesql数据库大数据查询
一.处理百万级以上的数据提高查询速度的方法： 1.应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描。
2.对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 o
- mac 卸载 java 1.7 或更高版本
征客丶
javaOS
卸载 java 1.7 或更高
sudo rm -rf /Library/Internet\ Plug-Ins/JavaAppletPlugin.plugin
成功执行此命令后，还可以执行 java 与 javac 命令
sudo rm -rf /Library/PreferencePanes/JavaControlPanel.prefPane
成功执行此命令后，还可以执行 java
- 【Spark六十一】Spark Streaming结合Flume、Kafka进行日志分析
bit1129
Stream
第一步，Flume和Kakfa对接，Flume抓取日志，写到Kafka中
第二部，Spark Streaming读取Kafka中的数据，进行实时分析
本文首先使用Kakfa自带的消息处理（脚本）来获取消息，走通Flume和Kafka的对接 1. Flume配置
1. 下载Flume和Kafka集成的插件，下载地址：https://github.com/beyondj2ee/f
- Erlang vs TNSDL
bookjovi
erlang
TNSDL是Nokia内部用于开发电信交换软件的私有语言，是在SDL语言的基础上加以修改而成，TNSDL需翻译成C语言得以编译执行，TNSDL语言中实现了异步并行的特点，当然要完整实现异步并行还需要运行时动态库的支持，异步并行类似于Erlang的process（轻量级进程），TNSDL中则称之为hand，Erlang是基于vm(beam)开发，
- 非常希望有一个预防疲劳的java软件, 预防过劳死和眼睛疲劳,大家一起努力搞一个
ljy325
企业应用
非常希望有一个预防疲劳的java软件，我看新闻和网站，国防科技大学的科学家累死了，太疲劳，老是加班，不休息，经常吃药，吃药根本就没用，根本原因是疲劳过度。我以前做java,那会公司垃圾，老想赶快学习到东西跳槽离开，搞得超负荷，不明理。深圳做软件开发经常累死人，总有不明理的人，有个软件提醒限制很好，可以挽救很多人的生命。
相关新闻：
（1）IT行业成五大疾病重灾区：过劳死平均37.9岁
- 读《研磨设计模式》-代码笔记-原型模式
bylijinnan
java设计模式
声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
/**
* Effective Java 建议使用copy constructor or copy factory来代替clone()方法：
* 1.public Product copy(Product p){}
* 2.publi
- 配置管理---svn工具之权限配置
chenyu19891124
SVN
今天花了大半天的功夫，终于弄懂svn权限配置。下面是今天收获的战绩。
安装完svn后就是在svn中建立版本库，比如我本地的是版本库路径是C:\Repositories\pepos。pepos是我的版本库。在pepos的目录结构
pepos
component
webapps
在conf里面的auth里赋予的权限配置为
[groups]
- 浅谈程序员的数学修养
comsci
设计模式编程算法面试招聘
浅谈程序员的数学修养
- 批量执行 bulk collect与forall用法
daizj
oraclesqlbulk collectforall
BULK COLLECT 子句会批量检索结果，即一次性将结果集绑定到一个集合变量中，并从SQL引擎发送到PL/SQL引擎。通常可以在SELECT INTO、
FETCH INTO以及RETURNING INTO子句中使用BULK COLLECT。本文将逐一描述BULK COLLECT在这几种情形下的用法。
有关FORALL语句的用法请参考：批量SQL之 F
- Linux下使用rsync最快速删除海量文件的方法
dongwei_6688
OS
1、先安装rsync：yum install rsync
2、建立一个空的文件夹：mkdir /tmp/test
3、用rsync删除目标目录：rsync --delete-before -a -H -v --progress --stats /tmp/test/ log/这样我们要删除的log目录就会被清空了，删除的速度会非常快。rsync实际上用的是替换原理，处理数十万个文件也是秒删。
- Yii CModel中rules验证规格
dcj3sjt126com
rulesyiivalidate
Yii cValidator主要用法分析：
yii验证rulesit 分类： Yii yii的rules验证 cValidator主要属性 attributes ,builtInValidators,enableClientValidation,message,on,safe,skipOnError
- 基于vagrant的redis主从实验
dcj3sjt126com
vagrant
平台: Mac
工具: Vagrant
系统: Centos6.5
实验目的: Redis主从
实现思路
制作一个基于sentos6.5, 已经安装好reids的box, 添加一个脚本配置从机, 然后作为后面主机从机的基础box
制作sentos6.5+redis的box
mkdir vagrant_redis
cd vagrant_
- Memcached(二)、Centos安装Memcached服务器
frank1234
centosmemcached
一、安装gcc
rpm和yum安装memcached服务器连接没有找到，所以我使用的是make的方式安装，由于make依赖于gcc，所以要先安装gcc
开始安装，命令如下，[color=red][b]顺序一定不能出错[/b][/color]：
建议可以先切换到root用户，不然可能会遇到权限问题：su root 输入密码......
rpm -ivh kernel-head
- Remove Duplicates from Sorted List
hcx2013
remove
Given a sorted linked list, delete all duplicates such that each element appear only once.
For example,Given 1->1->2, return 1->2.Given 1->1->2->3->3, return&
- Spring4新特性——JSR310日期时间API的支持
jinnianshilongnian
spring4
Spring4新特性——泛型限定式依赖注入
Spring4新特性——核心容器的其他改进
Spring4新特性——Web开发的增强
Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC
Spring4新特性——Groovy Bean定义DSL
Spring4新特性——更好的Java泛型操作API
Spring4新
- 浅谈enum与单例设计模式
247687009
java单例
在JDK1.5之前的单例实现方式有两种(懒汉式和饿汉式并无设计上的区别故看做一种)，两者同是私有构
造器，导出静态成员变量，以便调用者访问。
第一种
package singleton;
public class Singleton {
//导出全局成员
public final static Singleton INSTANCE = new S
- 使用switch条件语句需要注意的几点
openwrt
cbreakswitch
1. 当满足条件的case中没有break，程序将依次执行其后的每种条件（包括default）直到遇到break跳出
int main()
{
int n = 1;
switch(n) {
case 1:
printf("--1--\n");
default:
printf("defa
- 配置Spring Mybatis JUnit测试环境的应用上下文
schnell18
springmybatisJUnit
Spring-test模块中的应用上下文和web及spring boot的有很大差异。主要试下来差异有：
单元测试的app context不支持从外部properties文件注入属性
@Value注解不能解析带通配符的路径字符串
解决第一个问题可以配置一个PropertyPlaceholderConfigurer的bean。
第二个问题的具体实例是：
- Java 定时任务总结一
tuoni
javaspringtimerquartztimertask
Java定时任务总结 一.从技术上分类大概分为以下三种方式： 1.Java自带的java.util.Timer类，这个类允许你调度一个java.util.TimerTask任务; 说明： java.util.Timer定时器，实际上是个线程，定时执行TimerTask类 &
- 一种防止用户生成内容站点出现商业广告以及非法有害等垃圾信息的方法
yangshangchuan
rank相似度计算文本相似度词袋模型余弦相似度
本文描述了一种在ITEYE博客频道上面出现的新型的商业广告形式及其应对方法，对于其他的用户生成内容站点类型也具有同样的适用性。
最近在ITEYE博客频道上面出现了一种新型的商业广告形式，方法如下：
1、注册多个账号（一般10个以上）。
2、从多个账号中选择一个账号，发表1-2篇博文
