本指南将教您如何使用 Docker 创建容器化的 C++ 应用程序。完成 C++ 入门模块后，您应该能够根据本指南提供的示例和说明容器化您自己的 C++ 应用程序。 ...继续阅读 (36)

本指南将教您如何使用 Docker 创建容器化的 .NET 应用程序。完成 .NET 入门模块后，您应该能够根据本指南提供的示例和说明容器化您自己的 .NET 应用程序。 ...继续阅读 (33)

本 Java 入门指南将教您如何使用 Docker 创建一个容器化的 Spring Boot 应用程序。完成 Java 入门模块后，您应该能够根据本指南提供的示例和说明来容器化您自己的 Java 应用程序。 ...继续阅读 (44)

就在前不久，WWDC 2024 正式谢幕。作为「全球开发者大会」，这场发布会的核心群体当然是全球的开发者们。除了一系列新系统外，苹果还推出了全新的 Xcode 16。更新后的 Xcode 带来了 Swift Assist 和预测性代码补齐等功能，可以帮助开发者更好地在 Swift 上开发 App。然而，融合了 AI 能力的 Xcode 16，却通过预测性代码补齐功能向部分用户泼了一盆冷水。Xcode 的全新预测性代码补齐引擎使用了专为 Swift 和 Apple SDK 训练的独特模型，可以在编程时预测开发者接下来可能需要的代码，并自动补全代码，从而无需开发者手动输入整行代码。苹果表示，代码补齐完全由苹果和 macOS Sequoia 中的机器学习增强功能提供支持，并在开发者的设备上进行本地运行，这意味着代码完全私密，而开发者即使离线工作也能快速收到相关建议。然而，预测性代码补齐功能不仅需要在 macOS Sequoia 的 Apple Silicon 电脑上才能运行，而且还需要至少 16GB 的统一内存。实际上，更新后的 Xcode 16 主程序在低于 16GB 内存的 Mac 电脑上也能运行，只是不支持预测性代码补齐功能。不过，这是苹果首次明确指出配备 8GB 内存的入门级 Mac 电脑存在硬件限制的情况。预测性代码补齐功能对内存提出了更高要求，或许是苹果首次变相承认 8GB ...继续阅读 (46)

盈立新加坡和 OCBC 是算是新手朋友入门的最简单的开户搭配，全程可以在家办理完成。盈立新加坡也是为数不多的可以直接购买数字货币 ETF 的券商，最近机缘巧合需要出金一波新币，正好试试从盈立新加坡出金到 OCBC 这条链路。出金流程盈立新加坡的出金流程非常简单，在 App 上点击“出金”，然后填写出金的银行即可。出金非常快，6.17 上午提交出金，当天就到账 OCBC 了，实测零损耗。入门黄金搭档盈立新加坡和 OCBC 新加坡算是成本非常低的美港股黄金搭档了。这两个开户都不需要出境，甚至不需要出家门…OCBC 入金新加坡有账户的券商都是零损耗的，非常适合追求无损做美股的朋友。如果你对 OCBC 感兴趣，不妨看看这两篇：新加坡华侨银行OCBC开户汇丰 HK 入金OCBC 实测开户 OCBC 填写我的邀请码NQPQ37JB，也能获得额外的新币现金奖励 ...继续阅读 (41)

你好，我是猫哥。在创作《Python潮流周刊》一年多的时间里，我已累计通过抽奖赠书 80 本！早期周刊是免费分享，所以参与人数很多，现在周刊转为付费后，参与人数较少。在人数较少的情况下，我考虑将送福利的方式调整一下，以便能普惠到更多读者，答谢大家对潮流周刊的支持！赠书规则1、仅限周刊的付费订阅读者参与2、每期赠书约 5 人，每人可从奖品书单中任选一本书3、参与方式一：在小报童的本文下方留言，说说在过去一年里，对你影响最大的一个东西是什么（比如某本书、电影、思维方法等），它如何影响了你？希望你的留言是对他人也有启发的。4、参与方式二：通过小报童的邀请海报或邀请链接，邀请超过 3 人全年订阅本周刊，可获赠任选一本书5、参与方式三：可能还有额外的赠书，会在微信福利群中抽奖送出（猫哥微信可从Python猫公众号获取）6、以上每种方式可叠加，预计每期周刊选出 5 人7、规则可能会调整，以最新发文时为准推荐书单（感谢人民邮电出版社的赞助）Python工匠流畅的PythonPython数据结构与算法分析（第3版）明解Python算法与数据结构Python语言及其应用（第2版）Python基础教程（第3版·修订版）Python编程：从入门到实践（第3版）图解TCP/IP（第6版）Hello算法黑客与画家（10万册纪念版）图解IT基础设施网络是怎样连接的程序是怎样跑起来的（第3版）计算机是怎样跑起来 ...继续阅读 (46)

Docker是一个容器化平台，通过将应用程序及其依赖项打包为容器，实现了快速部署、可移植和环境一致性的优势。它简化了应用程序的构建、管理和部署过程，提高了开发和部署的效率。与虚拟机类似，但Docker是一种轻量化虚拟的丝路，与传统服务器部署相比部署方便，减少环境搭建步骤提高安全，高度统一的环境隔离性强，多个应用环境相互隔壁快速回滚，提供版本管理当然，也有不足之处隔离性的稳定问题存储的复杂性提高学习成本高1. 基础1.1. 基础概念Docker的核心概念仓库： 类似于github一样，docker也有提供大量的基础镜像，如ubuntu2204/Cent7等基础镜像，像dockerhub、docker-cn镜像： 相当于一个虚拟机模板，引入一个基础镜像后，再加上部分工具链安装，就可以构成一个应用容器： 基于镜像创建一个实例运行Docker非常适合于持续交付的服务，常规的web服务、多服务协同、微服务架构等使用场景1.2. 基础操作对于docker而言，以下操作是比较常见的，以hello-world为例镜像拉取：docker pull hello-world运行镜像：docker run hello-world查看容器：docker ps进入容器：docker exec -it hello-world bash启动停止重启容器：docker start/stop/restart hell ...继续阅读 (128)

简介TensorFlow是由Google团队开发的深度学习框架，其初衷是以最简单的方式实现机器学习和深度学习的概念。该框架融合了计算代数的优化技术，极大地方便了复杂数学表达式的计算。TensorFlow深度学习框架的三大核心功能：加速计算。神经网络本质上由大量的矩阵相乘、矩阵相加等基本数学运算构成，TensorFlow的重要功能就是利用GPU方便地实现并行计算加速功能。自动梯度。TensorFlow可以自动构建计算图，通过TensorFlow提供的自动求导的功能，不需要手动推导即可计算输出对网络参数的偏导数。常用神经网络接口。TensorFlow除了提供底层的矩阵相乘、相加等数学函数，还包含常用神经网络运算函数、常用网络层、网络训练、模型保存与加载、网络部署等一系列深度学习的功能。简单示例：1234567importtensorflowastfa = tf.constant(2.0)b = tf.constant(4.0)print('a+b=', a+b)# a+b= tf.Tensor(6.0, shape=(), dtype=float32)# 运算时同时创建计算图 𝑐=𝑎+𝑏 和数值结果 6.0=2.0+4.0 的方式叫做命令式编程，也称为动态图模式。 ...继续阅读 (41)

前两节我们更新了，数据分析师进阶全攻略的上篇和中篇大家反馈很好，那咱们这篇文章就来更新下篇。先讲下咱们整体的架构，主要会讲到数据分析的重要性，数据分析岗位的分类。首先呢，先给大家整理一份思维导图。一、对个人的意义1. 晋升的必备技能如果你想在职场上做上管理层，那么数据分析是必备的能力举个例子：小 A 和小 B 现在同时属于竞争运营主管的时期。然后领导给小 a 和小 b 同时下达了一个项目任务，领导说这个项目大家好好干。谁能提出超越对手的建议，谁就升职。小 a 回去想了一想，他对竞争对手进行了分析，又从市场战略和业务需求中进行分析，交叉引用，并且又基于目前的用户数量归类用户的列表分析工作模式和行为。对于受众创立用户画像。创立出了适合现在公司运营的方案。2. 说服的必备技能如果你是一个想要做出成绩的职场人，必然是要自己出方案的，但怎么让别人相信自己的方案，最好就是用数据来证明举例：有一个地方，人们都不穿鞋子。公司有两个业务员分别去考察。考察完：A 说：“这里的人都没有鞋子，是个重大潜力市场”B 说：“这里的人都不穿鞋子，没有市场”现在领导请你分析在这里开展新业务的可行性：两个业务员的评价，你信谁的？A.相信 AB.相信 BC.谁都不信其实，这两个人说的话，都不可信，因为都是他们各自的主观判断，没有任何数据支撑，你让我怎么相信你？如果你说没有鞋子，会是重大潜力市场，请问这些不穿鞋的人当中 ...继续阅读 (27)

一、简介今天，跟大家分享一些企业级的互联网技术。我要介绍的就是分布式数据库（distributed database）。我尽量用通俗的语言，说清楚它的概念、产品和用法，文末还会提供学习资料下载。分布式数据库堪称最重要的数据库，几乎所有你知道的大型互联网服务，都运行在它之上。平时，我们自己开发，接触的都是单机数据库（又称集中式数据库），就是数据库只运行在一台服务器上。（图片说明：左侧的单个数据库服务器，支撑着整个应用。）分布式数据库指的是，数据库系统分布在多台服务器。(图片说明：单个数据库分布在多台服务器上，共同支撑应用。)在宏观层面，金融、电信、航空、物流、电商等国民经济的重要产业，都离不开分布式数据库。如果没有它，我们很难想象生活会变成什么样，比如12306那样的购票网站，就没法提供服务了。在个人层面，当你从初级开发者成长为大型项目的架构师，就多多少少会遇到分布式数据库。设计架构时，除非只用一台服务器，否则就免不了要考虑，数据在多台服务器之间如何拆分和保存。总之，产品做大以后，分布式数据库是避不开的。对于个人来说，这也意味着事业和能力的进步。二、分布式数据库的优点分布式数据库为什么那么重要？因为它有一些单机数据库无法比拟的优点。（1）更安全。分布式数据库包含多个节点，不管是放在同一个机房，还是不同机房，都要比单机数据库安全得多。（2）高可用。如果单个数据库节点故障下线，其他节点还 ...继续阅读 (74)

前言文章分为两大部分，一是介绍抓取app数据包的常用方法，二是结合笔者所接触的授权项目，对抓取的app数据包转传统Web渗透测试的小分享。通过阅读文章分享内容，读者能快速了解app渗透测试方式，初步入门APP抓包渗透测试。文章写作初衷依旧是想借助FREEBUF平台回顾并分享自己入门期间的学习成果。最后依旧是再一次特别感谢何君师傅的指导。 ...继续阅读 (25)

不知道大家是否也有过像xiaoz一样的经历：尝试了无数笔记应用，却鲜少找到真正令人满意的，直到我发现了UpNote。这款应用因其简洁而强大的功能而受到推崇。它不仅拥有用户友好的界面和直观的操作流程，而且还是一款简单纯粹的笔记工具，真正做到了既美观又实用。关于UpNote虽然UpNote可能不如一些主 ...继续阅读 (66)

简介TensorFlow是由Google团队开发的深度学习框架，其初衷是以最简单的方式实现机器学习和深度学习的概念。该框架融合了计算代数的优化技术，极大地方便了复杂数学表达式的计算。TensorFlow深度学习框架的三大核心功能：加速计算。神经网络本质上由大量的矩阵相乘、矩阵相加等基本数学运算构成，TensorFlow的重要功能就是利用GPU方便地实现并行计算加速功能。自动梯度。TensorFlow可以自动构建计算图，通过TensorFlow提供的自动求导的功能，不需要手动推导即可计算输出对网络参数的偏导数。常用神经网络接口。TensorFlow除了提供底层的矩阵相乘、相加等数学函数，还包含常用神经网络运算函数、常用网络层、网络训练、模型保存与加载、网络部署等一系列深度学习的功能。简单示例：1234567importtensorflowastfa = tf.constant(2.0)b = tf.constant(4.0)print('a+b=', a+b)# a+b= tf.Tensor(6.0, shape=(), dtype=float32)# 运算时同时创建计算图 𝑐=𝑎+𝑏 和数值结果 6.0=2.0+4.0 的方式叫做命令式编程，也称为动态图模式。基础数据类型Tensorflow中的数据类型包含数值类型、字符串类型和布尔类型。数值类型按照维度区分为四 ...继续阅读 (55)

当下AI已然成了风口，不论是否是互联网人，都在学习AI。那如果是没有任何基础的普通人，面对AI如何入门呢？作者给大家整理了一份学习路径，跟着这个路径学习，基本可以解决你不会用的问题。AI已成趋势，这点自不必多言。我在过往负责飞书文档期间，也接触了大量一线的AI项目和人员，对于如何入门AI，还是有一点心得的。如今网络上的AI课程可谓五花八门形形色色，让人眼花缭乱难辨真假。其实细究下来，不少都是通过贩卖焦虑吸引对AI一知半解的普通人报课。有感于此，我想给零基础的你，介绍一下入门AI学习路径指南。注意，这里不会涉及到具体的AI使用知识，而是把整个学习路径帮你梳理出来，给你在学习AI的过程中有一份行动指南。当然，后续我也会陆续将我自己的AI学习心得整理出来，分享给大家，敬请期待。一、一些关于AI的误解在介绍关于AI，零基础的你，可能还有以下这些常见的误解：（误）使用AI需要懂代码懂技术，是只有程序员才能使用的高科技。——（正）当前许多AI应用和服务使用门槛很低，无需编程知识即可使用，用户只需按照提示操作即可。（误）AI汇总了这么多的资料，非常聪明，只需要简单一个指令就可以给出满意的、准确的结果。——（正）AI的结果受训练集、模型算法等因素的影响，会出现“幻觉”问题，需要依靠使用者的指令引导和自我判断。（误）学习AI的知识很专业，需要专门报名培训课程才能学会。——（正）网络上的资料、教程很多 ...继续阅读 (32)

作为产品的工作内容之一，用户研究也是产品经理需要掌握的技能。这篇文章，可以跟着作者依葫芦画瓢，了解一些基本的为什么以及对应的方法。要想入门某个行业，最快的方式就是依葫芦画瓢。这也是本人最推荐的方式，学得再多不如动手一试。这样可以快速了解一个用户研究项目都要做些啥。当然，画完瓢后并不能直接宣称自己已经入门。正式的登堂入室需要了解一些基本的为什么。第一个是为什么要做用户研究？用户研究的主要目的是给企业的相关部门提供来自用户层面的数据（含定性与定量）及其含义解读，从而为他们进行业务决策提供依据。从本质上来说，用户研究是一个辅助性的工作。用户研究员并不进行业务决策。他们只需要给其它部门，如产品设计、产品开发、产品运营、市场营销等等提供帮助他们进行决策的数据与分析。对于初级研究员来说，快速入门并成长的首要任务是了解自己所服务对象的工作以及他们在工作当中可能会遇到的问题。这可以帮助你思考他们需要什么样的数据或信息才能更好地进行决策。比如，如果你为品牌部门服务，你不可以仅仅只是知道一个有关品牌的调研需要问知名度、美誉度等内容，你更需要了解收集到这些数据后对你的客户来说意味着什么。因此，你需要了解一个品牌应该如何建立，品牌资产如何进行管理，品牌形象应该如何塑造并传播等等。同样，如果你为产品设计与开发服务，你不能仅仅停留在要去向用户了解他们的产品使用流程、场景、痛点等等，你也需要去了解产品的研发流程 ...继续阅读 (24)

上一篇文章，我们了解了产品经理的工作内容和定义。接下来，我们认识一下产品经理工作的核心：需求分析。这部分会让大家掌握产品经理分析思考用户需求的维度及方法，并教大家如何用用户故事撰写需求。通过第一课认识了什么是产品经理之后，接下来就要学习产品经理思考问题的维度，努力向一名合格的产品经理靠拢。第二课的分享主要是让大家了解产品经理分析思考用户需求的维度及方法，并教大家如何用用户故事撰写需求。本期的分享主要从四个方面展开：抓住核心用户需求的收集维度需求的辨别维度学会用户故事撰写需求一、抓住核心用户要想抓住核心用户，首先我们就要明白什么是用户。用户就是指所有和产品有关系的群体，他们是一群既有共性又有差异的群体。用户的需求在不断的发生变化。产品经理需要了解用户的付费点，更好的优化产品，为公司创造更大的价值。要想做到这些，则需要描述核心用户。描述核心用户大概有四种方式进行描述：通过供需关系来描述核心用户，根据产品的服务端和消费端进行定义通过人口统计学来描述核心用户，根据行为消费数据来看其用户特征，确定用户群体通过用户对产品熟悉程度描述核心用户，根据新用户、老用户、专家用户来区分产品的主要受众通过业务场景描述核心用户，通过业务定位、用户身份高低等描述用户群体描述完核心用户，现在进入重点：如何抓住核心用户？针对对于核心用户不同的描述，我们可以针对不同的核心用户采取不同的措施。1）捆绑式核心用户：基于 ...继续阅读 (28)

不少人都想转行或者入门做产品经理。那么，你对产品经理了解有多少呢？知道分为哪些类别，有那些要求和做什么吗？这篇文章，作者为我们解决这几个问题。作为想要进坑产品经理的小白们，入门第一课就是要正确认识什么是产品经理，了解产品经理的分类、岗位职责以及所需能力素质，评估自身入门产品经理所需能力，规划产品经理进阶路径。作为同样刚刚开始入门产品经理的新手，接下来我会以新手的视角，用最通俗易懂的语言全面介绍产品经理以及如何才能成为一名合格的产品经理。本期的分享将分为四个大的方面：什么是合格的产品经理产品经理的分类产品经理的岗位职责产品经理的能力素质要了解产品经理，首先要思考清楚什么是产品。什么是产品呢？用通俗的语言来说就是解决某个问题的东西，这也是每一种产品的共性。然而，每一种产品之间也存在着一定的区别，往大处分可以分为有形产品和无形产品。有形产品的区别包含颜色、形状、质地、尺寸等方面，无形产品主要是脑力劳动的成果，其区别包含数字化商品种类、服务等方面。了解了什么是产品，那么我们再来思考什么是产品经理？用一句话概括，产品经理就是想清楚产品怎么做的人。“产品”从生产源头到消费者手中的过程，通俗来说就是想清楚（产品经理）——>做出来（技术开发）——>卖出去（运营推广），由此可见产品经理最重要的工作就是想清楚产品怎么做。那么接下来我们再来看，什么是合格的产品经理呢？一、什么是合格的产品经理要想成为合格 ...继续阅读 (30)

AI领域的基础概念和相关技术有很多，这篇文章里，作者就深入浅出地介绍了相应的内容，感兴趣的同学们，不妨来看一下。本文专为非技术背景的AI爱好者设计，旨在深入浅出地介绍AI的基础概念和关键技术，带您一步步解锁AI技术的奥秘。建议先阅读【入门科普】必了解的 20 个 AI术语解析（上）再阅读本文。十一、生成对抗网络想象一下有两位艺术家：一位是伪造者，另一位是鉴赏家。伪造者试图创作出看起来像真正艺术品的作品，而鉴赏家则试图区分出哪些是真正的艺术品，哪些是伪造的。他们不断地相互学习会使得伪造者变得越来越擅长创作逼真的作品，而鉴赏家则变得越来越擅长识别真伪。生成对抗网络GAN由两部分组成：一个是生成器（伪造者）和一个是判别器（鉴赏家）。十二、强化学习如果说对抗网络是真假孙悟空之间的1对1的斗智斗勇，目标是战胜对方，那么强化学习就是1对多的一路斩妖除魔，设定一个去西天的目标，取经队伍总会去想办法在真实环境中排除万难，那些牛魔王、火焰山、蜘蛛精、女儿国等等都是在环境中遇到的不同的挫折，磨炼的是取经队伍内在的佛性。十三、主成分分析假设你有一个非常杂乱的书桌，上面堆满了各种物品。如果你想用一张照片抓住书桌的“精华”，但又不想让照片显得太杂乱，你可能会选择从一个角度拍摄，这个角度能最好地展示书桌上最重要的几样东西。PCA就是在做类似的事情：它试图找到最能代表整个数据集“精华”的几个方向（主成分），然后 ...继续阅读 (28)

Transformer是当下最先进的深度学习架构之一，被广泛应用于自然语言处理和视觉领域。它摒弃了传统的循环神经网络，完全依赖于注意力机制来绘制输入和输出之间的全局依赖关系。Transformer的提出，使得模型训练的并行化程度更高，提高了模型的训练效率。Transformer主要包含编码器和解码器两个部分，其中编码器负责理解输入文本，解码器负责生成输出。在视觉任务中，Transformer也展现出了强大的能力，如图像分类、多模态学习、对象检测与分割等。尽管Transformer最初是为自然语言处理设计的，但其独特的特性使其在视觉任务中也非常有效。[...] ...继续阅读 (50)

在《MATLAB科研绘图与学术图表绘制从入门到精通》书中通过绘制德国每日风能和太阳能产量3D线图解释了如何在MATLAB中绘制3D线图。在MATLAB中，要绘制3D线图，可以使用 plot3 函数。 ...继续阅读 (42)

出于对AI技术的兴趣，我开始关注AI背后的技术研究内容，对于产品经理来说，及时介入新技术非常有必要，我会把输出文章作为“费曼学习法”的基础，除了督促我自己对这些技术深度理解，更希望我能将这些较为前沿甚至晦涩的技术内容更通俗地介绍给大家。一、神经网络因何而生？神经网络，是计算机技术基于生物学技术提出的理念。很多文章会重点强调这种计算模型是受到人类大脑结构和功能的启发，但不止于此，其实这种计算模型与人类视觉系统关系也非常大。人类视觉系统非常复杂，包含数亿个神经元和连接，举个例子来说，在我们的认知领域，识别手写数字很容易，但这项工作对计算机程序来说却非常困难。如图例，人会先通过视觉去看到数字，然后迅速传导到大脑进行辨析，输出结论——这是数字5。即使这些5的长相各异，但人类出于某些原因仍能够精准判断，比如认识第一个5，自然而然对后续的符号产生联想，理解后续的符号都是数字，然后归类于5。或者比如第三个5，独立去看，奇形怪状的，但若某人曾看见过某个5是这样书写的，也会自然而然将其认识为5。识别手写数字并不容易，但人类非常擅长理解视觉所见，这种辨析往往在几分之一秒就不知不觉地完成。因此，我们通常不会意识到我们的视觉系统解决的问题有多复杂。但对于计算机来说，这是一个全新的领域，计算机没有所谓的“视觉神经”，摄像头起到的作用仅仅是“看”而不是“迅速地想”，那么，该如何识别这个手写数字为5呢？这就是神 ...继续阅读 (44)

这篇文章里，作者介绍了生成式人工智能，或许可以帮助大家了解这一技术的基本概念、应用场景以及未来发展趋势。生成式人工智能（Generative AI）是近年来备受瞩目的技术领域，它利用深度学习和大数据等技术，能够自主生成全新的、具有创新性的内容。本文旨在为读者提供一个生成式人工智能的入门指南，帮助大家了解这一技术的基本概念、应用场景以及未来发展趋势。一、生成式人工智能的基本概念生成式人工智能是一种基于机器学习的方法，它通过学习大量数据，能够生成与原始数据相似的全新内容。这种技术可以应用于多个领域，如自然语言处理、图像生成、音频合成等。与传统的判别式人工智能相比，生成式人工智能更注重于创造和生成，而非简单的分类和识别。二、生成式人工智能的应用场景文本生成：生成式人工智能可以生成各种类型的文本，如新闻报道、小说、诗歌等。这种技术可以大大提高文本创作的效率和质量，为内容创作者提供更多的灵感和选择。图像生成：生成式人工智能能够根据用户的描述或输入的关键词，生成符合要求的图像。这种技术在设计、艺术等领域具有广泛的应用前景。音频合成：生成式人工智能可以模拟各种声音，生成逼真的语音、音乐等音频内容。这对于语音助手、音乐创作等领域具有重要意义。三、生成式人工智能的未来发展趋势技术创新：随着深度学习、强化学习等技术的不断发展，生成式人工智能的性能将得到进一步提升。未来，我们可以期待更加高效、精准的生成 ...继续阅读 (19)

前言并发编程和分布式微服务是我们Gopher升职加薪的关键。毕竟Go基础很容易搞定，不管你是否有编程经验，都可以比较快速的入门Go语言进行简单项目的开发。虽说好上手，但是想和别人拉开差距，提高自己的竞争力，搞懂分布式微服务和并发编程还是灰常重要的，这也是我今年更新文章的重点。更文计划我会更新一系列文章，陪你一起打怪升级，升职加薪！本文的重点是：gozero快速入门，带你了解使用gozero开发项目的整体流程，以及一些技巧。下一篇的重点是：带你使用gozero从头到尾实现一个经典功能的开发。后续文章还会陆续更新我们在商业项目开发中积累的项目经验，比如：如何自定义goctl提高效率；并发编程实战；devops入门和实战等等......Go-Zero我想和大家说一下安利gozero的原因：Go-zero在GitHub中已经有27.2K的star，集成了各种工程实践的 web 和 rpc 框架。通过弹性设计保障了大并发服务端的稳定性，经受了充分的实战检验。官网Go-Zero官方地址一个神奇的事情，如果你直接在百度搜索gozero，前几页的检索结果竟然都没有gozero官网，而是各个技术社区作者的分享。我建议你先认真学习Go-Zero官网资料，扫清知识盲点，然后再跟着我去实践。技巧 & 整体开发流程为了吸引你继续读下去，我先分享技巧吧：“总结一句话：用好goctl开发就是快！”先说技巧goc ...继续阅读 (108)

在MATLAB 中可以使用 pie 函数来创建饼图。饼图是一种展示不同部分占总体的相对比例的图表。本示例从“婴儿出生数据.csv”文件读取婴儿出生数据，然后计算男性和女性婴儿的数量，使用MATLAB绘制饼图。 ...继续阅读 (50)

结合AI Agent，未来，我们或许可以进入更加便利的生活。那么，AI Agent究竟是什么？怎么理解AI Agent的未来和可能性？一起来看看本文的分享。上周在副业培训课上有小伙伴（后面统称小K）给我提了一个问题：【问题背景】小K在做一个副业项目——给用户提供移民咨询服务，目前尝试用自媒体和短视频的方式做曝光和声量。他听闻SORA技术能直接生成短视频，其他的AI工具也能代替不少人的工作。然而自己对AI一窍不通，不知道如何自学，网上的课程良莠不齐又不想被割韭菜。【提问】他给我提的问题是：“对完全没有技术背景的小白用户，该如何抓住AI风口，把技术应用到业务场景中，提升效率实现降本增效？”其实相比那些连AI是什么都没听说过的用户，小K起码认知到AI技术是风口，只是这种认知很表层不深入，只有提高自身认知才能让他走得更快更远。类似小K的case，其解决方案无非两种。要么花时间努力自学，要么花钱付费学习，我个人更倾向后者。因为花钱去买别人的时间学习，能提升我学习一门知识的效率，让自己尽早掌握技能，实现所想皆为所愿。然而，知识付费在普通用户中占比不高（高知用户往往更愿意花钱学习），大部分用户仍倾向于自学。因此对小白用户来说，他们更想拥有一份能让自己轻松入门的AI指南，即便在专业人士看来，这种指南对精进业务作用不大。我们尝试给小白用户制定一份能轻松入门AI Agent指南，搞懂AI Agent是 ...继续阅读 (44)

精通推荐算法：核心模块+经典模型+代码详解》一书主要介绍推荐算法技术，覆盖召回、粗排、精排和重排等模块，目的是让读者熟悉推荐算法的全部链路，加深体系化理解，并掌握关键技术细节。它能帮助你掌握推荐算法的整体架构、每个核心模块的知识框架，以及一些工作必备的经典模型，同时，能帮助你深入理解它们的出发点和具体实现方案，在实际工作中融会贯通。同时，推荐系统链路很长，包括召回、粗排、精排和重排等诸多模块，如何掌握整体架构，并深入每个模块理解其细节，就成为一件困难且重要的事。（3）模型经典，代表性强。 ...继续阅读 (86)

AI大模型发展到现在，国内外都有在线和离线版本，那如何在自己本地部署大模型呢？本文分享了一种简单的办法，一起来看看吧。我们经常能看到某某公司开源了一款AI大模型的新闻。这些模型都有着超强的能力，从生成大段的文字、逼真的图像，到理解和翻译不同语言，再到创造出令人叹为观止的音乐和艺术作品。对于我们普通人来说，这些高科技听起来不仅遥不可及，而且似乎与我们的日常生活无关，他们像是只有那些天才和大神们才能操作和使用的。但是这些强大的AI模型，并不止是大神们才能接触和使用，实际上，这些模型的使用门槛其实不高。任何对AI感兴趣的人都可以轻松获取和使用这些模型，就像搭乐高积木一样，将它们组合起来，创造出你心目中的应用。这一切既不需要深厚的技术背景，也不需要复杂的编程技能。只要你有想法和一丢丢的学习，这些强大的模型就能成为你随意操作的「乐高」，搭建出你设想的样子。下面我们一起来看下，如何把模型跑起来～第一步：找到一个模型首先，第一步我们得知道去哪里找到这些模型，很简单，有一个神奇的网站叫：Hugging Face（https://huggingface.co/），这个网站本质就是一个大模型的托管网站，目前这个网站托管的AI模型超过57万。一些热门的模型，比如meta的Llama系列模型，google的Gemini等都托管在这个网站上，任何人都可以访问并使用它们。假设，我们现在要找一个模型，可以实现读 ...继续阅读 (31)

本书是一本全面指导读者掌握MATLAB数据可视化的实用指南。全书精心编排了13章内容，旨在帮助读者了解和掌握MATLAB的数据分析和可视化功能。具体而言：第1章为MATLAB基础；第2章为数据结构；第3章为程序流程控制；第4章为函数；第5章为数据导入与准备；第6章为科技绘图基础；第7章为单变量图形绘制；第8章为双变量图形绘制；第9章为多变量图形绘制；第10章为极坐标相关图形绘制；第11章为3D图形绘制；第12章为地理信息可视化；第13章为数据学术报告、论文和出版。 ...继续阅读 (49)