面试集第13页

order by 字段没有在 select distinct 中的问题

因笛卡尔集的原因，可能导致m表的一条记录在查询结果集中会出现多次；而我只需要selectm表的字段即可，因此用distinct去除重复的行。

练川·2025-03-10 18:41

决策树（Decision Tree）：机器学习中的经典算法

其核心思想是通过一系列的规则判断，将数据集不断划分，最终形成一棵树状结构，从而实现预测目标。在决策树中，每个内部节点表示一个特征，每个分支代表一个特征的取值，每个叶子节点对应一个类别或预测值。

Jason_Orton·2025-03-10 18:39

数论-1智乃的数字

链接：登录—专业IT笔试面试备考平台_牛客网题目描述如果一个奇数满足以下两个条件之一：以555结尾各个数位相加的和是333的倍数则称它是一个"智数"前555个"智数"分别为{3,5,9,15,21}\{

幽影欧门·2025-03-10 18:09

EDPose：探讨端到端的实时多人姿态估计

港中文博士，现已入职腾讯）单位：IDEA（深圳数字经济研究院）源码：github/ED-Pose该篇论文取得效果如下：这篇文章的优势在于：在复杂的多人场景下能够取得不错的性能提升，虽然在COCO等数据集上的提升不明显

烧技湾·2025-03-10 18:06

Java集合_八股&场景题

Java集合在Java开发中，集合框架是面试和实际开发中非常重要的内容。以下是一些常见的Java集合八股文问题和场景题，以及详细答案和示例代码。1.Java集合框架的结构是什么？

吃海鲜的骆驼·2025-03-10 18:35

Java多线程和锁_八股&场景题

Java多线程_八股&场景题Java多线程是面试和实际开发中非常重要的内容。以下是一些常见的Java多线程八股文问题和场景题，以及详细答案和示例代码。1.Java中创建线程的几种方式？

吃海鲜的骆驼·2025-03-10 18:35

华为OD面经 - 二战失利C++视觉算法

因为考研没有成功，毕业后一直在家准备二战，二战再次失利，gap半年后决定找工作，找了一些国企和私企的面试机会，但一直没有找到满意的offer。经过朋友推荐，决定尝试华为OD的岗位。

·2025-03-10 18:58

如何免费制作简历二维码，让你的简历脱颖而出

通过在简历上添加二维码，HR可以通过手机扫码，访问更多无法直接呈现在纸面上的内容——包括个人作品集、视频介绍、设计稿、详细项目经历甚至是动态的职业成长记录，让招聘者可以更全面的了解你。

·2025-03-10 18:55

浙大出DeepSeek手册了

浙江大学这版《DeepSeek行业应用案例集》，153页，干货满满，内容涵盖：农业、机器人、智能驾驶、无人快递等多个方面的实战应用。

·2025-03-10 18:55

你好，我是冴羽，我写了一套《前端大佬成长之路》

包含目标规划篇、学习方法篇、前端学习篇、个人管理篇、职场发展篇、面试技巧篇、健康养生篇共7大篇章、40节文章。总结了我近十年的工作生活经验，让大家少走一些弯路，节省一些时间。

·2025-03-10 18:23

用双色球数据集微调后的大模型

最近用Qwen/Qwen1.5-1.8B-Chat大模型来微调训练双色球2003001-2025011的数据集，实验测一下大模型出球的预测情况。

qq_29790801·2025-03-10 17:33

深度学习项目十一：mmdetection训练自己的数据集

mmdetection训练自己的数据集这里写目录标题mmdetection训练自己的数据集一：环境搭建二：数据集格式转换(yolo转coco格式)yolo数据集格式coco数据集格式yolo转coco数据集格式

小啊磊_Vv·2025-03-10 17:02

面试__八股

java解释执行，即时编译（编译成本地代码，效率高，内存占用多，C1，C2）编译优化技术：方法内联，复写传播，无用代码删除字节码就是虚拟机所使用的指令集类加载：加载(获取类的二进制流文件，方法区的数据结构

big muscle·2025-03-10 17:01

H.264---序列参数集（SPS）---宽高获取

SequenceParamaterSet（NALUnit=7）SPS和PPS一般处于码流的起始位置，但也可能出现在码流中间，主要原因是：1、解码器需要在码流中间开始解码；2、编码器在编码的过程中改变了码流的参数（如图像分辨率等）；SPS结构（H264文档7.3.2.1）/**[email protected]*

SXM19940913sxm·2025-03-10 16:25

Spring Boot整合MinIO对象存储教程

嘵奇·2025-03-10 16:54

利用神经网络来解决鸢尾花分类任务(附实验结果和代码)

前言本篇文章使用自己亲手搭建的神经网络模型来解决鸢尾花数据集的分类任务，读者们可以通过该简单的任务进一步理解神经网络，并且可以自己动手去搭建神经网络。

侠之大者231·2025-03-10 15:49

10个实用IntelliJ IDEA插件

嘵奇·2025-03-10 15:18

中级网络工程师面试题参考示例（5）

企业园区网络设计问题：请描述一下如何设计一个企业园区网络，包括核心层、汇聚层和接入层的功能及其关键技术。解答：核心层：负责高速数据交换，通常使用高性能的三层交换机，支持高带宽和低延迟。关键技术包括路由协议（如OSPF、EIGRP）、冗余设计（如HSRP、VRRP）以及QoS（服务质量）策略。汇聚层：连接核心层和接入层，负责聚合流量并进行策略控制。关键技术包括VLAN、STP（生成树协议）、链路聚合

他不爱吃香菜·2025-03-10 15:45

中级网络工程师面试题参考示例（3）

一、企业园区网络问题1：如何实现园区网络的自动化部署和管理？请结合实际场景说明技术选型。答案要点：技术选型：SDN（软件定义网络）：通过控制器（如CiscoDNACenter）集中管理网络设备，实现策略自动下发（如VLAN、ACL）。网络自动化工具：Ansible/Python脚本批量配置交换机（如端口启用、OSPF配置），减少人工操作。场景举例：新办公楼部署时，通过自动化工具批量配置接入层交换机

他不爱吃香菜·2025-03-10 15:15

关于网络数通工程师 IPsec 协议的常见面试问题(2)。

以下是IPsec协议在面试中可能涉及的进阶问题及补充知识点，涵盖技术细节、部署优化和实际场景分析：八、协议交互流程细节IKEv1与IKEv2的区别问：IKEv2相比IKEv1有哪些改进？

他不爱吃香菜·2025-03-10 15:45

PTA里面怎么寻找JAVA题目_PTA基础题目集

Java代码在上面，下面空两行是python3A/_5T$|#c-t4`%@,S9I7-1厘米换算英尺英寸(15分)0y;n0J%u7p如果已知英制长度的英尺foot和英寸inch的值，那么对应的米是(foot+inch/12)×0.3048。现在，如果用户输入的是厘米数，那么对应英制长度的英尺和英寸是多少呢？别忘了1英尺等于12英寸。0v:C6Z1W/T输入格式：/`"x^7l5J4x1i#{1

weixin_39955829·2025-03-10 15:14

L2-031 深入虎穴 (25 分) PTA GPLT 天梯题目集记忆数组+以尾顶点向上递归求解 C/C++ 题解

一、题目L2-031深入虎穴(25分)著名的王牌间谍007需要执行一次任务，获取敌方的机密情报。已知情报藏在一个地下迷宫里，迷宫只有一个入口，里面有很多条通路，每条路通向一扇门。每一扇门背后或者是一个房间，或者又有很多条路，同样是每条路通向一扇门……他的手里有一张表格，是其他间谍帮他收集到的情报，他们记下了每扇门的编号，以及这扇门背后的每一条通路所到达的门的编号。007发现不存在两条路通向同一扇门

陈一啊·2025-03-10 14:42

【PTA】团体程序设计天梯赛-练习集 L2题目总结（完）

模拟题L2-002链表去重（链表模拟）L2-002链表去重用两个数组分别表示键值和下一个结点来模拟链表。注意可能存在无重复键值的绝对值的情况。#includeusingnamespacestd;#definefir(i,a,n)for(inti=a;imp;inta[N],ne[N];//某个地址的键值、下一个地址structnode{intv,d;};vectorans1,ans2;intmai

karshey·2025-03-10 14:10

打造吸引招聘者的机器学习作品集终极指南！

如何创建一个脱颖而出的机器学习作品集在当今竞争激烈的就业市场中，打造一个强大的机器学习作品集比以往任何时候都更重要。这不仅仅是列出你的技能，更是要展示你的实际能力。

真智AI·2025-03-10 14:38

Word2Vec 模型 PyTorch 实现并复现论文中的数据集

详细注解链接：https://www.orzzz.net/directory/codes/Word2Vec/index.html欢迎咨询！

Illusionna.·2025-03-10 14:37

Vision Transformer 分类水果图片集 Python 代码（可训练自己数据集）

代码链接:https://github.com/Illusionna/ComputerVision/tree/main/EfficientTransformerArepositoryforViT.ContributetoIllusionna/TransformerdevelopmentbycreatinganaccountonGitHub.https://github.com/Illusionna

Illusionna.·2025-03-10 14:37

基于信息间隙决策理论的碳捕集电厂调度(Matlab代码实现）

本文目录如下：目录1概述基于信息间隙决策理论（IGDT）的碳捕集电厂调度研究综述一、信息间隙决策理论（IGDT）的定义与核心原理二、碳捕集电厂调度的主要研究方向与挑战三、IGDT在碳捕集电厂调度中的模型框架四

砌墙_2301·2025-03-10 14:06

中级网络工程师面试题参考示例（1）

一、基础理论1.OSI七层模型与TCP/IP四层模型的区别是什么？请举例说明第三层（网络层）和第四层（传输层）的核心协议。参考答案：OSI七层模型分为物理层、数据链路层、网络层、传输层、会话层、表示层、应用层；TCP/IP四层模型分为网络接口层、网络层、传输层、应用层。网络层核心协议：IP、ICMP、ARP、OSPF。传输层核心协议：TCP（可靠传输，三次握手）、UDP（无连接，低延迟）。2.子网

他不爱吃香菜·2025-03-10 14:36

PTA L2一些题目

L2-014列车调度-团体程序设计天梯赛-练习集样例是怎么来的呢？通过题目我们知道每一条轨道的车牌号必须是依次递减的。

和旋_菾律·2025-03-10 13:35

Java开发高级工程师面试，etcd：一款比Redis更骚的分布式锁的实现方式

Watch机制支持Watch某个固定的key，也支持Watch一个范围（前缀机制）。当被Watch的key或范围发生变化，客户端将收到通知；在实现分布式锁时，如果抢锁失败，可通过Prefix机制返回的Key-Value列表获得Revision比自己小且相差最小的key（称为pre-key），对pre-key进行监听，因为只有它释放锁，自己才能获得锁，如果Watch到pre-key的DELETE事件

m0_60732427·2025-03-10 13:31

二级word

管理样式->导入/导出->打开文件->文档类型（所有文件）样式的赋予：选中目标->选中样式->右击->更新shift：连续选择样式的删除：对话框->管理样式->导入/导出->shift选中->删除样式集在

信奉者z·2025-03-10 13:31

【2025深夜随笔】简单认识一下Android Studio

AndroidStudio全生命周期开发指南：从安装到项目实战简单解析一、AndroidStudio核心认知1.1官方定位与生态价值AndroidStudio（简称AS）是谷歌官方推出的安卓开发IDE（集成开发环境），集代码编写

LuXi_foryou·2025-03-10 12:58

数据分析面试全攻略：业务分析能力篇

前言：业务分析能力考察重点在数据分析岗位面试中，业务分析能力是区分初级与中高级候选人的核心要素。本篇将从指标设计、异常分析、用户增长三大模块，解析业务分析能力提升路径。

代码CC·2025-03-10 12:25

基于机器学习的恶意软件检测系统的详细设计与实现

总体思路数据准备：选择现有的恶意软件数据集（如Kaggle的恶意软件数据集）或构造模拟数据集。数据集中包含文件的特征（如二进制特征、字符串特征、API调用特征等）和标签（"恶意"或"正常"）。

源码空间站11·2025-03-10 11:22

数据集与云计算：云端数据集的管理与应用

1.背景介绍1.1大数据时代的数据挑战步入21世纪，我们见证了信息技术的爆炸式增长，数据以前所未有的速度产生、存储和使用。从社交媒体互动到科学研究，从电子商务交易到物联网传感器，各行各业都被海量数据所淹没。这种数据爆炸式增长带来了前所未有的机遇和挑战。1.1.1机遇：数据驱动型决策数据的激增为企业和组织提供了前所未有的洞察力。通过分析和理解这些数据，我们可以识别趋势、预测未来行为并做出更明智的决策

AI天才研究院·2025-03-10 10:45

linux/shell find命令模糊查询多个文件

find查找文件.表示当前目录typef查询文件（-typed查询目录）name文件名*代表全部|管道符将左边的查询结果集放到右边xargs通俗讲：将一大段参数（参数列表）分成小段ls查询当前目录下内容

青衫一笔墨·2025-03-10 10:41

面试必备：Kafka高频面试题及答案解析

本文，已收录于，我的技术网站aijiangsir.com，有大厂完整面经，工作技术，架构师成长之路，等经验分享Kafka中的ProducerAPI是如何工作的？Kafka中的ProducerAPI允许应用程序发布一流的数据到一个或多个Kafka主题。它的工作原理包括：1、创建Producer实例：通过配置Producer的各种属性（如服务器地址、序列化方式等）来创建Producer实例。2、发送消

江-小北·2025-03-10 10:11

深度学习-144-Text2SQL之基于langchain的少量样本提示词模板FewShotPromptTemplate的应用实战(三)

文章目录1基本组件1.1大模型1.2数据库Chinook1.2.1创建并载入数据1.2.2SQLDatabase2年龄最大的员工姓名和年龄3少量样本提示词模板3.1创建示例集3.2创建格式化程序3.3创建示例选择器

皮皮冰燃·2025-03-10 09:36

Vue中Scoped的原理及深度解析

Vue中Scoped的原理及深度解析前言回想起几年前初入职场时，面对面试官的提问“Vue中Scoped的原理是什么？”时，我的回答虽然勉强过关，但内心却充满了不确定。

喜欢代码的新之助·2025-03-10 08:28

实战1. 利用Pytorch解决 CIFAR 数据集中的图像分类为 10 类的问题

注意：因为我们实战1里只讨论最简单的神经网络构建，所以准确率达到0.5以上就符合我们的目标，后面会不断学习新的模型进行优化CIFAR的数据集如下图所示：我们大概所需要的功能包如下：importnumpyasnpimpor

啥都鼓捣的小yao·2025-03-10 08:57

python可應用在金融分析的那一個方面，如何部署在linux server上面。

**數據處理與分析**-使用**Pandas**和**NumPy**等庫來處理和分析大規模數據集，進行清理、轉換和統計運算。-舉例：處理歷史市場數據，分析價格趨勢、交易量等。###2.

蠟筆小新工程師·2025-03-10 07:48

Linux云计算SRE-第十八周

1.部署3节点mongodb复制集。1、编辑mongodb节点rocky(10.0.0.160)、rocky1(10.0.0.170)、rocky2(10.0.0.180)的安装脚本。

晨曦启明711·2025-03-10 07:47

RISC-V ISA 模拟器Spike安装与使用指南

aRISC-VISASimulator项目地址:https://gitcode.com/gh_mirrors/ri/riscv-isa-sim1.项目目录结构及介绍Spike，一个强大的RISC-V指令集模拟器

郝赢泉·2025-03-10 06:12

聊天服务器分布式改造

1.技术选型SpringCloudAlibaba和Netflix都是用于构建分布式系统的工具集，它们在微服务架构中发挥着重要作用，但在多个方面存在差异：发展与维护Netflix：部分核心组件

jforgame·2025-03-10 05:38

VC----实现汉字简繁转换

blog.csdn.net/yf210yf/article/details/7850472不知道会不会写的很多，总之先补一下知识：（1）计算机汉字编码简介关于汉字编码为进行信息交换，各汉字使用地区都制订了一系列汉字字符集标准

iteye_13045·2025-03-10 05:04

如何高效使用LangChain实现复杂任务：全面功能指南

LangChain是一个强大的工具集，它为开发基于大语言模型(LLM)的应用提供了丰富的组件和功能支持。

shuoac·2025-03-10 04:00

【PyQt5 应用程序】开启PyQt5入门之旅

PyQt是一个创建跨平台桌面应用程序的工具集，它允许开发者使用Python语言。通过结合Python的易用性和Qt的强大功能，PyQt让开发现代GUI应用变得既简单又有趣。

Mr数据杨·2025-03-10 04:29

Python GUI测试实战：Selenium与PyQt的联合应用

本文已收录于《Python超入门指南全册》本专栏专门针对零基础和需要进阶提升的同学所准备的一套完整教学，从基础到精通不断进阶深入，后续还有实战项目，轻松应对面试，专栏订阅地址：https://blog.csdn.net

步入烟尘·2025-03-10 04:59

面试被问 SQL 注入一脸懵？一文读懂 SQL 注入攻防全攻略

目录SQL注入概述定义与原理常见类型攻击技术指标注入点识别绕过防御机制数据提取方法防范措施参数化查询输入验证与过滤最小权限原则检测与监控漏洞扫描实时监控SQL注入概述定义与原理SQL注入是一种极具破坏力的网络攻击技术。想象一下，Web应用程序就像是一座大厦，而数据库则是大厦里存放重要文件的保险柜。正常情况下，用户通过Web应用程序向数据库发送请求，就如同员工拿着正确的钥匙去保险柜取文件。但攻击者利

大模型大数据攻城狮·2025-03-10 04:58

Windows下的PaddleOCR本地部署

anaconda（网上教程很多很详细）2.创建环境3.激活环境并在该环境下安装PaddlePaddle框架4.下载requirments.txt中的库（二）PaddleOCR安装【非重点】二、在自己的数据集上训练模型

wangkun_cl·2025-03-10 03:22

推荐频道

面试集