徐丹的写作课
徐丹的写作课

20180507W6D1精读任务

文章Bitcoin is a faith-based financial asset for a populist era
比特币狂热的背后

一 地道表达

1 disdain 小看，伤害名誉
2 trolling social media comment 找骂的社交媒体评论
挑衅
3 watch … with a mixture of puzzlement and horror 惊恐交加地看某某事物
4 impervious
无动于衷的，不受影响的
5 manias
狂热
6 荷兰的郁金香泡沫 the Tulip bubble in the Netherlands
7 chime
合奏，伴随
8 barometer
气压计
9 a disruptive act of financial iconoclasm 金融领域破除偶像崇拜的颠覆性的行为
10 a simple analytical error一个简单分析法错误
Analytical error 分析误差
11 伴随着对传统权威形式的信心崩溃和对专家的蔑视
have chimed with a collapse in confidence in traditional forms of authority and a distain for experts.

你可能感兴趣的:(20180507W6D1精读任务)

  • Go 语言测试框架详解：保障代码质量的利器 kjj987 log4japache
    目录引言测试在Go语言开发中的重要性早期发现缺陷验证功能正确性支持代码重构与维护Go语言内置测试框架概述单元测试测试表驱动法集成测试编写高质量测试代码的技巧与最佳实践保持测试的独立性合理设置测试的边界条件使用Mock对象简化测试定期运行测试并持续集成结语引言在软件开发的全生命周期中，确保代码质量是一项核心任务。高质量的代码不仅能够准确无误地实现业务功能，还应具备良好的可维护性、扩展性和稳定性。而测
  • YOLO11改进-模块-引入多尺度差异融合模块MDFM 一勺汤 YOLOv11模型改进系列深度学习人工智能YOLOYOLOv11目标检测模块改进
    遥感变化检测（RSCD）专注于识别在不同时间获取的两幅遥感图像之间发生变化的区域。近年来，卷积神经网络（CNN）在具有挑战性的RSCD任务中展现出了良好的效果。然而，这些方法未能有效地融合双时相特征，也未提取出对后续RSCD任务有益的有用信息。此外，它们在特征聚合中没有考虑多层次特征交互，并且忽略了差异特征与双时相特征之间的关系，从而影响了RSCD的结果。为解决上述问题，本文通过孪生卷积网络提取不
  • Prompt工程全解析：从入门到精通的终极指南 二川bro 智能AI人工智能prompt
    Prompt工程全解析：从入门到精通的终极指南发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，可以分享一下给大家。点击跳转到网站。https://www.captainbed.cn/ccc一、Prompt设计核心法则1.1角色定位法则[角色设定]你是一位资深全栈工程师，拥有10年React和Node.js开发经验[任务要求]为电商系统设计购物车模块，要求：1.支持商品增删改查2.实时计算总价
  • 新手村：混淆矩阵 嘉羽很烦 机器学习机器学习
    新手村：混淆矩阵一、前置条件知识点要求学习资源分类模型基础理解分类任务（如二分类、多分类）和常见分类算法（如逻辑回归、决策树）。《Hands-OnMachineLearningwithScikit-Learn》Python基础熟悉变量、循环、函数、列表、字典等基本语法。《PythonCrashCourse》或在线教程（如Codecademy）scikit-learn基础掌握模型训练、预测、评估的基
  • 计算机视觉（Computer Vision, CV）的入门到实践的详细学习路线 云梦优选 计算机数据库大数据计算机视觉学习人工智能
    一、基础准备1.数学基础线性代数深入矩阵运算，理解矩阵乘法、转置、逆等基本概念。掌握特征值与特征向量的几何意义，理解其在图像压缩、特征提取中的应用。学习奇异值分解（SVD）及其在降维和数据压缩中的具体应用。概率与统计熟悉贝叶斯定理及其在分类任务中的应用，如朴素贝叶斯分类器。理解常见概率分布（如正态分布、二项分布）及其性质。学习统计推断方法，如假设检验、置信区间估计，以评估模型性能。微积分掌握梯度、
  • 【NLP】 3. Distributional Similarity in NLP（分布式相似性） pen-ai NLP机器学习自然语言处理分布式人工智能
    DistributionalSimilarityinNLP（分布式相似性）分布式相似性（DistributionalSimilarity）是自然语言处理（NLP）中的核心概念，基于“相似的单词出现在相似的上下文中”这一假设。它用于衡量单词之间的相似性，广泛应用于词向量、信息检索、文本分类等任务。1.分布式假设（DistributionalHypothesis）分布式相似性基于以下假设：“Yoush
  • 从过拟合到强化学习：机器学习核心知识全解析 吴师兄大模型 0基础实现机器学习入门到精通机器学习人工智能过拟合强化学习pythonLLMscikit-learn
    Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手
  • Ansible 如何使用 Playbook 批量部署应用？ IT专家-大狗 ansible
    AnsiblePlaybook是Ansible中用于自动化任务执行的配置文件，采用YAML格式编写。通过Playbook，运维人员可以定义多个任务（Tasks），让Ansible按照指定的顺序执行，从而实现应用的批量部署。下面带来使用Playbook批量部署应用的方法。步骤一：准备Ansible环境在开始使用AnsiblePlaybook部署应用之前，需要先安装和配置Ansible。安装Ansib
  • es 慢查询引起 cpu报警处理方法 qq_35640866 elasticsearchelasticsearch大数据搜索引擎
    1、查看当前任务GET_cat/tasks?v分析执行时间长的语句2、查看当前热线程GET_nodes/hot_threads3、查看任务详情，id要是父节点。分析查询语句GET/_tasks/HnZ6wy9fS_u9FTVTIAvoVg:296607276744、取消任务POST_tasks/HnZ6wy9fS_u9FTVTIAvoVg:29660727674/_cancel慢查询的防治方法1、
  • 3月份学习任务、工作计划 Kamui_0us 学习
    3月18日报名六级3月22日之前收集团日材料3月22日收集五四述职材料3月29日计算解二级学英语：为了六级为了绩点为了大英赛为了雅思接续规划留学计划恶补数学，拉下的慢慢补回来今日学习任务：学习本周的解析几何课程，背六级单词，还有时间可以看看github有关知识
  • 大语言模型微调和大语言模型应用区别 AI Echoes 深度学习人工智能自然语言处理
    大语言模型微调和大语言模型应用区别微调与应用LLM的区别微调大语言模型（LLM）是指取一个已经预训练好的模型，进一步用特定数据集训练，使其更好地适应某个任务或领域，比如为医疗聊天机器人优化医疗术语理解。应用LLM则是直接使用这些预训练模型来完成任务，如通过提示生成文本或回答问题，无需更改模型本身。研究表明，微调适合需要领域专精的任务，而应用更适合通用任务，效果因模型和任务复杂性而异。学习所需技术栈
  • 一篇文章介绍清楚什么是Web自动化智能体？ 霍格沃兹测试开发学社 人工智能前端自动化运维人工智能deepseek语言模型开源
    Web自动化正逐渐成为提升效率、降低成本的利器。无论是数据抓取、表单填写，还是复杂的业务流程自动化，Web自动化智能体都能轻松应对。那么，这些智能体是如何工作的？它们的核心元素有哪些？今天，我们就来一探究竟！大模型智能体的“大脑”Web自动化智能体的核心驱动力来自于大模型（如ChatGPT、Claude、Ollama）。这些大模型赋予了智能体强大的自然语言理解和任务规划能力。任务理解：智能体能够准
  • 【NLP】 5. Word Analogy Task（词类比任务）与 Intrinsic Metric（内在度量） pen-ai NLP机器学习自然语言处理word人工智能
    WordAnalogyTask（词类比任务）定义：WordAnalogyTask是用于评估词向量质量的内在指标（IntrinsicMetric）。该任务基于这样的假设：如果词向量能够捕捉单词之间的语义关系，那么这些关系应该能够在向量空间中保持一定的结构。示例：在一个理想的词向量空间中，单词之间的关系应该满足如下等式：king−man+woman≈queenking−man+woman≈queenk
  • Manus（一种AI代理或自动化工具）与DeepSeek（一种强大的语言模型或AI能力）结合使用任务自动化和智能决策 zzlyx99 人工智能自动化语言模型
    一、Manus与DeepSeek差异十分好奇DeepSeek和Manus究竟谁更厉害些，DeepSeek是知识型大脑，Manus则是全能型执行者。即DeepSeek专注于语言处理、知识整合与专业文本生成。其核心优势在于海量参数支持的深度学习和知识推理能力，例如撰写论文、润色法律合同、解答专业问题等。Manus则更强调从规划到交付的闭环能力。它通过工具链调用（如浏览器、代码编辑器）自主执行复杂任务，
  • MySQL底层原理 编织幻境的妖 mysql数据库
    1.请解释MySQL的逻辑架构和物理架构。MySQL的逻辑架构和物理架构涉及到多个层面，包括网络连接、服务处理、存储引擎以及数据存储等部分。具体如下：逻辑架构：连接层（ConnectionLayer）：客户端通过TCP/IP或其他方式连接到MySQL服务器。为了解决频繁创建和销毁连接带来的性能问题，MySQL使用TCP连接池和线程池来管理连接和执行任务。服务层（ServiceLayer）：这一层包
  • 大规模语言模型从理论到实践 开源指令数据集 AI天才研究院 DeepSeekR1&大数据AI人工智能大模型AI大模型企业级应用开发实战AI大模型应用入门实战与进阶计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    大规模语言模型从理论到实践开源指令数据集1.背景介绍大规模语言模型（LargeLanguageModels,LLMs）近年来在自然语言处理（NLP）领域取得了显著的进展。诸如GPT-3、BERT等模型在各种任务中表现出色，从文本生成到翻译，再到问答系统，几乎无所不能。这些模型的成功离不开庞大的训练数据集和复杂的算法架构。然而，如何有效地构建和利用开源指令数据集，仍然是一个值得深入探讨的话题。2.核
  • 订单管理系统，大学生数据结构期末作业/C语言实践作业 陌路物是人非 排序算法数据结构算法
    任务：订单管理系统的设计与实现设计并实现一个订单管理系统界面分成两部分，分别是管理员和用户的界面主要功能：用户：（1）用户的登录及注册（2）用户信息修改（3）购买物品（4）充值（5）升序排序（按金额）物品管理员：（1）显示所有订单（2）插入订单信息（3）删除订单信息（4）排序订单（快排按编号）（5）统计订单信息（6）添加物品注意事项：一共需要建立4个文件（key.txt、物品清单.txt、用户信息
  • Java多线程与并发编程实战——从基础到进阶 AI天才研究院 Python实战Java实战自然语言处理人工智能语言模型编程实践开发语言架构设计
    作者：禅与计算机程序设计艺术1.简介互联网企业都在大力拓展自己的业务，而新的技术革命也带来了海量的数据量，因此，单机并发处理能力已经无法满足现代信息时代对高速数据的需求。大数据和云计算带来的分布式系统架构，让单台计算机不仅能够执行单个任务，而且可以横向扩展处理大量任务。在这种情况下，如何充分利用多核CPU、共享内存等资源并发地处理多项任务就成为现代系统设计者们必备技能之一。本书将以实操为导向，全面
  • 智能化开发新时代：DeepSeek加持下的编程革命 MoonbeamOwl67
    最新接入DeepSeek-V3模型，点击下载最新版本InsCodeAIIDE标题：智能化开发新时代：DeepSeek加持下的编程革命在当今快速发展的科技时代，软件开发已经成为推动社会进步的重要动力。然而，对于许多开发者而言，编写高质量的代码仍然是一项充满挑战的任务。从复杂的算法设计到繁琐的调试过程，每一个环节都需要耗费大量的时间和精力。而随着人工智能技术的迅猛发展，一种全新的编程方式正在悄然改变这
  • TRAE与Cursor最佳实践指南（截至2025年3月） xinxiyinhe AI编程人工智能pythonAI编程人工智能python
    一、核心能力适配策略TRAE的Builder模式开发流程需求拆解：将复杂需求分解为可执行子任务（如先搭建项目框架，再分模块实现功能），通过多轮对话逐步生成代码。多模态输入：上传设计草图或错误截图，结合自然语言描述需求，提升代码生成精准度（例如电商页面开发可直接上传原型图）。版本控制：利用“历史会话回溯”功能快速回退到指定版本，避免代码修改失控。Cursor的高效协作模式插件生态整合：复用VSCod
  • 软件需求-软件客户需求权利书 workflower UML建模需求分析软件需求软件工程设计模式
    权利#1：要求分析人员使用符合客户语言习惯的表达需求讨论应集中于业务需要和任务，故要使用业务术语，你应将其教给分析人员，而你不一定要懂得计算机的行业术语。权利#2：要求分析人员了解客户的业务及目标通过与用户交流来获取用户需求、分析人员才能更好地了解你的业务任务和怎样才能使产品更好地满足你的需要。这将有助于开发人员设计出真正满足你的需要并达到你期望的优秀软件。为帮助开发人员和分析人员，可以考虑邀请他
  • 数字电路设计的基本流程 minstbe 数字电路设计fpga开发
    数字电路设计的整个流程可以看作是围绕RTL设计这一关键环节展开的完整芯片设计过程。以下是从RTL出发，逐步扩展到其他环节的详细描述：1.系统级设计（System-LevelDesign）目标：确定芯片的总体功能和性能指标。定义芯片的架构，包括模块划分、数据路径、控制路径等。关键内容：需求分析：确定芯片需要完成的任务，例如计算能力、功耗、面积等。系统建模：使用工具（如MATLAB、SystemC）搭
  • 【技术支持】cron4j的scheduler调度模式 daban2008 技术支持javacron4j
    调度模式（schedulingpattern）schedulingpattern是一个UNIX的类定时任务模式，由一个以空格分隔为五个部分的字符串组成。从左到右依次为分、时、天、月、周。精确到秒则需要quartz。字段规则分从0到59时从0到23天从1到31，字母L可以表示月的最后一天月从1到12，可以别名：jan",“feb”,“mar”,“apr”,“may”,“jun”,“jul”,“aug
  • 万人在单一世界互动问答集(2)---公开数据多少玩家能进行多少即时互动？ 微网兔子 後端技術网络服务器c++unity架构游戏程序
    在先前的测试数据，每个逻辑伺服器能处理约80万个任务/秒，每个任务影响3-5个物件。若我们假设10个逻辑伺服器，每秒可处理800万个互动，而这是在24,000名玩家的情境下（每个代理服务处理2,400名玩家，假设10个代理）。测试数据显示，每个代理服务处理2,400名玩家时，流量为220MiB/s。若我们同样线性推算，则60,000名玩家将产生约5.5GiB/s（约5500MiB/s）的网路流量，
  • 垃圾收集算法 zhangpeng455547940 Java数据结构与算法设计算法jvmjava
    常见算法引用计数记录每个对象的引用次数，当引用次数为零时回收对象标记-清除根引用可达分析、扫描内存回收不可达对象分代回收基于观察到大多数对象生命周期较短，而少数对象生命周期较长的优化算法空闲回收在CPU空闲时运行垃圾回收器，以减少对程序执行的影响增量回收将垃圾回收任务分解为多个小步骤，逐步完成。可以避免一次性垃圾回收导致的长时间暂停，从而减少对程序性能的影响Java最新垃圾回收算法Java最新垃圾
  • 【论文阅读方法】沐神课程：如何读论文 晴空对晚照 论文阅读论文阅读
    一篇论文的一般结构titleabstractintroductionmethodexperienceconclusion三明治论文阅读法第一遍：海选title+abstract+conclusion——确定要不要读第二遍：精读对整个文章过一遍，知道每一块在做什么可以从标题开始读到最后，注意不用咬文嚼字，不要太细节，公式、证明等很细节的部分可以忽略掉重点弄清楚每一个图表，算法在做什么，x轴y轴每一个
  • KNN算法性能优化技巧与实战案例 可问 可问春风 算法性能优化
    KNN算法性能优化技巧与实战案例K最近邻（KNN）在分类和回归任务中表现稳健，但其计算复杂度高、内存消耗大成为IT项目中的主要瓶颈。以下从算法优化、数据结构、工程实践三方面深入解析性能提升策略，并附典型应用案例。一、核心性能瓶颈维度挑战描述计算复杂度单次预测需计算全部训练样本距离，时间复杂度为（n=样本数，d=特征维度）内存占用需全量存储训练数据，大规模数据集难以加载高维灾难高维数据中距离计算失去
  • 华为OD机试 - 小朋友来自多少小区（Python/JS/C/C++ 2024 C卷 100分） 哪 吒 华为odpythonjavascript
    华为OD机试2024E卷题库疯狂收录中，刷题点这里专栏导读本专栏收录于《华为OD机试真题（Python/JS/C/C++）》。刷的越多，抽中的概率越大，私信哪吒，备注华为OD，加入华为OD刷题交流群，每一题都有详细的答题思路、详细的代码注释、3个测试用例、为什么这道题采用XX算法、XX算法的适用场景，发现新题目，随时更新。一、题目描述幼儿园组织活动，老师布置了一个任务：每个小朋友去了解与自己同一个
  • 【基于PyTorch】多项式贝叶斯分类器实现中文文本情感分类任务 鱼弦 机器学习设计类系统pytorch分类人工智能
    多项式贝叶斯分类器实现中文文本情感分类任务介绍多项式朴素贝叶斯（MultinomialNaiveBayes,MultinomialNB）是一种常用于文本分类的算法，特别适用于多类别文本分类。其在处理离散数据（如文本数据中的词频）时表现优异，可以用于情感分析、垃圾邮件检测等任务。应用使用场景情感分析：识别用户评论的情感，例如正面评论和负面评论。垃圾邮件检测：鉴别电子邮件是否为垃圾邮件。新闻分类：将新
  • AGI的学习与适应能力 AGI大模型与大数据研究院 计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    “AGI的学习与适应能力”1.背景介绍1.1人工通用智能(AGI)的定义人工通用智能(ArtificialGeneralIntelligence,AGI)是指能够像人类一样具有广泛的理解和学习能力、可以完成多种复杂任务的人工智能系统。与狭义人工智能(NarrowAI)专注于特定领域和特定任务不同,AGI旨在模拟人类整体认知能力,包括感知、推理、学习、计划、创造力和自我意识等。1.2AGI的重要性和
  • Java序列化进阶篇 g21121 java序列化
            1.transient         类一旦实现了Serializable 接口即被声明为可序列化，然而某些情况下并不是所有的属性都需要序列化，想要人为的去阻止这些属性被序列化，就需要用到transient 关键字。
  • escape()、encodeURI()、encodeURIComponent()区别详解 aigo JavaScriptWeb
    原文：http://blog.sina.com.cn/s/blog_4586764e0101khi0.html   JavaScript中有三个可以对字符串编码的函数，分别是： escape,encodeURI,encodeURIComponent，相应3个解码函数：,decodeURI,decodeURIComponent 。 下面简单介绍一下它们的区别 1 escape()函
  • ArcgisEngine实现对地图的放大、缩小和平移 Cb123456 添加矢量数据对地图的放大、缩小和平移Engine
    ArcgisEngine实现对地图的放大、缩小和平移:  个人觉得是平移，不过网上的都是漫游，通俗的说就是把一个地图对象从一边拉到另一边而已。就看人说话吧.  具体实现: 一、引入命名空间    using ESRI.ArcGIS.Geometry;    using ESRI.ArcGIS.Controls; 二、代码实现.
  • Java集合框架概述 天子之骄 Java集合框架概述
       集合框架 集合框架可以理解为一个容器，该容器主要指映射(map)、集合(set)、数组(array)和列表(list)等抽象数据结构。 从本质上来说，Java集合框架的主要组成是用来操作对象的接口。不同接口描述不同的数据类型。   简单介绍：   Collection接口是最基本的接口，它定义了List和Set，List又定义了LinkLi
  • 旗正4.0页面跳转传值问题 何必如此 javajsp
    跳转和成功提示 a)        成功字段非空forward 成功字段非空forward，不会弹出成功字段，为jsp转发，页面能超链接传值,传输变量时需要拼接。接拼接方式list.jsp?test="+strweightUnit+"或list.jsp?test="+weightUnit+&qu
  • 全网唯一:移动互联网服务器端开发课程 cocos2d-x小菜 web开发移动开发移动端开发移动互联程序员
        移动互联网时代来了！     App市场爆发式增长为Web开发程序员带来新一轮机遇，近两年新增创业者，几乎全部选择了移动互联网项目！传统互联网企业中超过98%的门户网站已经或者正在从单一的网站入口转向PC、手机、Pad、智能电视等多端全平台兼容体系。据统计，AppStore中超过85%的App项目都选择了PHP作为后端程
  • Log4J通用配置|注意问题 笔记 7454103 DAOapachetomcatlog4jWeb
    关于日志的等级 那些去 百度就知道了！ 这几天 要搭个新框架  配置了 日志 记下来 ！做个备忘！ #这里定义能显示到的最低级别,若定义到INFO级别,则看不到DEBUG级别的信息了~! log4j.rootLogger=INFO,allLog # DAO层 log记录到dao.log 控制台 和 总日志文件 log4j.logger.DAO=INFO,dao,C
  • SQLServer TCP/IP 连接失败问题 ---SQL Server Configuration Manager darkranger sqlcwindowsSQL ServerXP
    当你安装完之后,连接数据库的时候可能会发现你的TCP/IP 没有启动.. 发现需要启动客户端协议 : TCP/IP  需要打开 SQL Server Configuration Manager... 却发现无法打开 SQL Server Configuration Manager..?? 解决方法:  C:\WINDOWS\system32目录搜索framedyn.
  • [置顶] 做有中国特色的程序员 aijuans 程序员
    从出版业说起 网络作品排到靠前的，都不会太难看，一般人不爱看某部作品也是因为不喜欢这个类型，而此人也不会全不喜欢这些网络作品。究其原因，是因为网络作品都是让人先白看的，看的好了才出了头。而纸质作品就不一定了，排行榜靠前的，有好作品，也有垃圾。 许多大牛都是写了博客，后来出了书。这些书也都不次，可能有人让为不好，是因为技术书不像小说，小说在读故事，技术书是在学知识或温习知识，有些技术书读得可
  • document.domain 跨域问题 avords document
    document.domain用来得到当前网页的域名。比如在地址栏里输入：javascript:alert(document.domain); //www.315ta.com我们也可以给document.domain属性赋值，不过是有限制的，你只能赋成当前的域名或者基础域名。比如：javascript:alert(document.domain = "315ta.com");
  • 关于管理软件的一些思考 houxinyou 管理
    工作好多看年了,一直在做管理软件,不知道是我最开始做的时候产生了一些惯性的思维,还是现在接触的管理软件水平有所下降.换过好多年公司,越来越感觉现在的管理软件做的越来越乱. 在我看来,管理软件不论是以前的结构化编程,还是现在的面向对象编程,不管是CS模式,还是BS模式.模块的划分是很重要的.当然,模块的划分有很多种方式.我只是以我自己的划分方式来说一下. 做为管理软件,就像现在讲究MVC这
  • NoSQL数据库之Redis数据库管理(String类型和hash类型) bijian1013 redis数据库NoSQL
    一.Redis的数据类型 1.String类型及操作         String是最简单的类型，一个key对应一个value，string类型是二进制安全的。Redis的string可以包含任何数据，比如jpg图片或者序列化的对象。         Set方法：设置key对应的值为string类型的value
  • Tomcat 一些技巧 征客丶 javatomcatdos
    以下操作都是在windows 环境下 一、Tomcat 启动时配置 JAVA_HOME 在 tomcat 安装目录，bin 文件夹下的 catalina.bat 或 setclasspath.bat 中添加 set JAVA_HOME=JAVA 安装目录 set JRE_HOME=JAVA 安装目录/jre 即可； 二、查看Tomcat 版本 在 tomcat 安装目
  • 【Spark七十二】Spark的日志配置 bit1129 spark
    在测试Spark Streaming时，大量的日志显示到控制台，影响了Spark Streaming程序代码的输出结果的查看(代码中通过println将输出打印到控制台上)，可以通过修改Spark的日志配置的方式，不让Spark Streaming把它的日志显示在console   在Spark的conf目录下，把log4j.properties.template修改为log4j.p
  • Haskell版冒泡排序 bookjovi 冒泡排序haskell
    面试的时候问的比较多的算法题要么是binary search，要么是冒泡排序，真的不想用写C写冒泡排序了，贴上个Haskell版的，思维简单，代码简单，下次谁要是再要我用C写冒泡排序，直接上个haskell版的，让他自己去理解吧。     sort [] = [] sort [x] = [x] sort (x:x1:xs) | x>x1 = x1:so
  • java 路径 配置文件读取 bro_feng java
    这几天做一个项目，关于路径做如下笔记，有需要供参考。 取工程内的文件，一般都要用相对路径，这个自然不用多说。 在src统计目录建配置文件目录res,在res中放入配置文件。 读取文件使用方式： 1. MyTest.class.getResourceAsStream("/res/xx.properties") 2. properties.load(MyTest.
  • 读《研磨设计模式》-代码笔记-简单工厂模式 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/ package design.pattern; /* * 个人理解：简单工厂模式就是IOC; * 客户端要用到某一对象，本来是由客户创建的，现在改成由工厂创建，客户直接取就好了 */ interface IProduct {
  • SVN与JIRA的关联 chenyu19891124 SVN
    SVN与JIRA的关联一直都没能装成功，今天凝聚心思花了一天时间整合好了。下面是自己整理的步骤： 一、搭建好SVN环境，尤其是要把SVN的服务注册成系统服务 二、装好JIRA，自己用是jira-4.3.4破解版 三、下载SVN与JIRA的插件并解压，然后拷贝插件包下lib包里的三个jar，放到Atlassian\JIRA 4.3.4\atlassian-jira\WEB-INF\lib下，再
  • JWFDv0.96 最新设计思路 comsci 数据结构算法工作企业应用公告
                       随着工作流技术的发展，工作流产品的应用范围也不断的在扩展，开始进入了像金融行业(我已经看到国有四大商业银行的工作流产品招标公告了)，实时生产控制和其它比较重要的工程领域，而
  • vi 保存复制内容格式粘贴 daizj vi粘贴复制保存原格式不变形
        vi是linux中非常好用的文本编辑工具，功能强大无比，但对于复制带有缩进格式的内容时，粘贴的时候内容错位很严重，不会按照复制时的格式排版，vi能不能在粘贴时，按复制进的格式进行粘贴呢？ 答案是肯定的，vi有一个很强大的命令可以实现此功能 。     在命令模式输入:set paste，则进入paste模式，这样再进行粘贴时
  • shell脚本运行时报错误：/bin/bash^M: bad interpreter 的解决办法 dongwei_6688 shell脚本
    出现原因：windows上写的脚本，直接拷贝到linux系统上运行由于格式不兼容导致 解决办法： 1. 比如文件名为myshell.sh，vim myshell.sh 2. 执行vim中的命令 : set ff?查看文件格式，如果显示fileformat=dos，证明文件格式有问题 3. 执行vim中的命令 :set fileformat=unix 将文件格式改过来就可以了，然后:w
  • 高一上学期难记忆单词 dcj3sjt126com wordenglish
    honest 诚实的；正直的 argue 争论 classical 古典的 hammer 锤子 share  分享；共有 sorrow 悲哀；悲痛 adventure 冒险 error 错误；差错 closet 壁橱；储藏室 pronounce 发音；宣告 repeat 重做；重复 majority 大多数；大半   native 本国的，本地的，本国
  • hibernate查询返回DTO对象，DTO封装了多个pojo对象的属性 frankco POJOhibernate查询DTO
          DTO-数据传输对象；pojo-最纯粹的java对象与数据库中的表一一对应。       简单讲：DTO起到业务数据的传递作用，pojo则与持久层数据库打交道。         有时候我们需要查询返回DTO对象，因为DTO
  • Partition List hcx2013 partition
    Given a linked list and a value x, partition it such that all nodes less than x come before nodes greater than or equal to x. You should preserve the original relative order of th
  • Spring MVC测试框架详解——客户端测试 jinnianshilongnian
    上一篇《Spring MVC测试框架详解——服务端测试》已经介绍了服务端测试，接下来再看看如果测试Rest客户端，对于客户端测试以前经常使用的方法是启动一个内嵌的jetty/tomcat容器，然后发送真实的请求到相应的控制器；这种方式的缺点就是速度慢；自Spring 3.2开始提供了对RestTemplate的模拟服务器测试方式，也就是说使用RestTemplate测试时无须启动服务器，而是模拟一
  • 关于推荐个人观点 liyonghui160com 推荐系统关于推荐个人观点
        回想起来，我也做推荐了3年多了，最近公司做了调整招聘了很多算法工程师，以为需要多么高大上的算法才能搭建起来的，从实践中走过来，我只想说【不是这样的】     第一次接触推荐系统是在四年前入职的时候，那时候，机器学习和大数据都是没有的概念，什么大数据处理开源软件根本不存在，我们用多台计算机web程序记录用户行为，用.net的w
  • 不间断旋转的动画 pangyulei 动画
    CABasicAnimation* rotationAnimation; rotationAnimation = [CABasicAnimation animationWithKeyPath:@"transform.rotation.z"]; rotationAnimation.toValue = [NSNumber numberWithFloat: M
  • 自定义annotation sha1064616837 javaenumannotationreflect
    对象有的属性在页面上可编辑，有的属性在页面只可读，以前都是我们在页面上写死的，时间一久有时候会混乱，此处通过自定义annotation在类属性中定义。越来越发现Java的Annotation真心很强大，可以帮我们省去很多代码，让代码看上去简洁。 下面这个例子 主要用到了 1.自定义annotation：@interface，以及几个配合着自定义注解使用的几个注解 2.简单的反射 3.枚举
  • Spring 源码 up2pu spring
    1.Spring源代码 https://github.com/SpringSource/spring-framework/branches/3.2.x 注：兼容svn检出 2.运行脚本 import-into-eclipse.bat 注：需要设置JAVA_HOME为jdk 1.7 build.gradle compileJava { sourceCompatibilit
  • 利用word分词来计算文本相似度 yangshangchuan wordword分词文本相似度余弦相似度简单共有词
    word分词提供了多种文本相似度计算方式： 方式一：余弦相似度，通过计算两个向量的夹角余弦值来评估他们的相似度 实现类：org.apdplat.word.analysis.CosineTextSimilarity 用法如下： String text1 = "我爱购物"; String text2 = "我爱读书"; String text3 =
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他