关于if-else的争议 我之前写了一篇文章《我用规则引擎消除if语句，提高了代码的可扩展性》，这篇文章我想阐述的观点是复杂的if语句可能会影响代码的阅读和代码的扩展性，会将非业务的条件逻辑与业务逻辑混合在一起...时间长了代码会越来越臃肿，因此这种情况下我推荐使用一些设计模式例如策略模式，责任链模式等去优化if语句带来的问题，文中我发现使用规则引擎也能实现类似效果，因此介绍了怎么使用规则引擎Easy Rules去取代...if-else增加了代码复杂度 文章发布后，有很大一部分读者认为只用设计模式会增加代码阅读性，还是会觉得if-else好，就算if写得再复杂，也要使用if-else。...当然也有赞同我的观点的： 统计了下，有八成读者评论是反对用其他方法代替if-else的。所以我还是想写篇文章表达下我的观点。...从软件设计角度讲，代码中存在过多的 if-else 往往意味着这段代码违反了违反单一职责原则和开闭原则。因为在实际的项目中，需求往往是不断变化的，新需求也层出不穷。所以，软件系统的扩展性是非常重要的。
编辑：忆臻 https://www.zhihu.com/question/351352422 本文仅作为学术分享，如果侵权，会删文处理 为什么模型复杂度增加时，模型预测的方差会增大，偏差会减小？...首先从逻辑上解释这三者之间的关系。从直觉上看，如果暂且忽略优化问题，模型的复杂度越大(这里的复杂度我觉得理解为模型的“容量、能力”更便于理解)，模型的拟合能力就会越强，也就更容易发生过拟合。...方差(Variance)：在不同的训练集上训练得到的模型之间的性能差异，表示数据扰动对模型性能的影响，可以用来衡量模型是否容易过拟合，即模型的泛化能力。...所以，当模型的复杂度增加时，模型的拟合能力得到增强，偏差便会减小，但很有可能会由于拟合“过度”，从而对数据扰动更加敏感，导致方差增大。...随着模型capacity增加，模型越来越强，越拟合你真实的数据值，bias会降低。
在如今 Python 和 Java 大火的市场前景下，我还是建议，如果你还在学校读书，或者你有大把的空闲时间，不着急去找工作，那就静下心来，好好学习一下 C 语言，会让你受益终生，也会让你的编程之路走的更远...其设计的精髓，其内涵思想，都是值得当下的我们学习与借鉴的 2、C 语言作为我接触编程的开始，对我的影响很大，带我入了 IT 这行，我本人也是极其的喜欢 C 语言，C 语言涉及了很多底层的知识，比如：内存...，由一名后台转算法，仅仅用了 3 个月的时间，但是为什么我能这么快的成功转型呢 扎实的基础功底、快速的学习能力、解决问题的能力、以及个人潜力 扎实的基础功底很重要，基础是什么：数据结构 + 算法，操作系统...+ 计算机网络，Linux + C，数据库 + 设计模式，那么之中就有一门 C 语言，C 是学习编程的基础，很锻炼一个人的逻辑思维能力 快速学习的能力必须具备，干 IT 这行，技术在不断的更新迭代，就的不断的去学习...，这些都是相通的，公司需要我做什么，我快速学习就好 语言是工具，重要的是思想，我很认同这句话，我以前没接触过 go，在百度实习的时候，我导师还给了我 1 周的时间去熟悉，才上项目，以前没咋用 Python
这就意味着，未来的真正赢家不会是廉价劳动力的提供者或者普通的资本所有者，他们都会被自动化不断挤压。财富反而会亲睐于第三集团：那些可以创新和创造新产品、新服务和新商业模式的人。”...假如我们都是信息机器，我们印象中的机器形象也是如此；这些机器会完成人类交给他们的工作，并且会比人类做得更好。...就像成千上万的工作、职业、生计和高超的手艺会因为计算尺行业变成计算器行业而失去一样，也有数千甚至数万的这些会因为IT的新外形机器人而丢失。...我们现在正面临机器人的一个拐点，机器人的功能会让我们吃惊，大多数也很具有戏剧性，但也令许多人害怕，尤其是那些即将失去工作的人。 我们已经受到了警告，痛苦地意识到工作很有可能会败给机器。...2013年牛津大学的研究预测表明，美国有47%的工作面临威胁：就业的未来：工作为何容易受电算化影响？
这也是我最近遇到的问题，这两个月做了两次技术分享，第一次就遇到上面的情况，有的点因为紧张怎么都想不起来，只能尴尬的说，我回头再重新捋一下发给大家。 为了避免每次遇到这种问题，我得想办法解决。...再从大脑结构来说，你可以理解它们分布在这个位置： 从距离上说，本能脑和情绪脑距离心脏更近，一旦出现紧急情况，它们就会优先得到供血，这就是为什么我紧张的时候会感觉大脑空白，因为最上方的理智脑供血不足了。...而且因为它年龄小，在遇到危险的时候，本身也竞争不过其他两重脑，所以就能解释，为什么人在遇到危险的时候都靠本能反应而不是靠理智。 02 那怎么解决这个问题呢？ 其实很简单，就是打稿子，然后自己多练。...前几天和阿常聊天，她说起将要和小林连麦，想想都觉得会紧张，后来把默默把内容在脑子里过了几遍之后感觉踏实不少。...昨天我看了阿常和小林的连麦，非常稳，这也是我要继续学习的方向。 好了今天的分享就到这里。 今日鸡汤： 自信人生二百年，会当击水三千里。
但是我写的读书笔记还在16页晃悠，心塞。不过还好吧。今天多输出点，当做复习好了~~~ 正文 ---- 大数据的核心就是预测。它通常被视为人工智能的一部分，或者更确切地说，被视为一种机器学习。...但是这种定义是有误导性的。大数据不是要教机器像人一样思考。相反，它是把数学算法运用到海量的数据上来预测事情发生的可能性。 ?...因为我们可以在巨量的历史记录里面对一件事情进行相关性判断，毕竟很多时候，我们判断的准则都要依靠着前辈的经历，而当我们所有的历史都被数据化以后，这些依靠着案例活下去的判断领域，怎么会需要人类来干活呢？...（这一点翻译的作者对于原作者不是很赞同，我也举得如此，因果是保证准确性的基础之一，太多的领域还是需要精确新的。...同样，只要我们知道什么时候是买机票的最佳时机，就算不知道机票价格疯狂变动的原因也无所谓了。大数据告诉我们“是什么”而不是“为什么”。在大数据时代，我们不必知道现象背后的原因，我们只要让数据自己发声。
3、但是我认为为什么大数据会如此轰动是深远的社会背景，更重要是数据思维 首先就是我一直提的数据思维，所谓的数据思维，要重视数据的全面性，而非随机的抽样性。...4 、接下来发生怎样的事情泛互联网化 软件、硬件会免费，成为收集数据的入口行业垂直整合：一开始是软件做硬件、互联网公司做硬件和软件，接下来就是电商做金融、金融做电商、软件公司提供增值服务。为什么？...各行业都会出现数据驱动的多边平台业务模式的企业，跨界融合快速创新基于设备交互和移动互联的数据收集信息点收集，以及大数据分析，会产生许多新的创新模式，但是对应的信息泄漏点也增加许多。...对于金融企业来讲，他们的优势是有资金，有牌照，有相关的客户业务，所以在这个过程里面，我觉得是一个不断融合的过程，这里会产生大量的新型金融公司完全不同的新业态。...我们知道有一家大的互联网公司他的客户分成接近800万类同时每一类贴上上万个标签，这是非常必要的过程，你会知道什么客户是你的老客户，什么是新客户，什么是忠实客户，什么是粉丝，未来在社交网络上新的营销方式，
最近，有位读者问起一个奇怪的事情，他说他想抓一个baidu.com的数据包，体验下看包的乐趣。 但却发现“抓不到”，这就有些奇怪了。 我来还原下他的操作步骤。...在wireshark中搜索baidu的包，发现一无所获 这是为啥？ 到这里，有经验的小伙伴，其实已经知道问题出在哪里了。 为什么没能抓到包 这其实是因为他访问的是HTTPS协议的baidu.com。...而443，则是HTTPS的服务器端口号。 HTTP用的是80端口，如果此时对着80端口抓包，也会抓不到数据。 粗略判断，18号和20号包分别是客户端请求baidu.com的请求包和响应包。...但是，新的问题又来了。 ssl.key文件是个啥？ 这就要从HTTPS的加密原理说起了。 HTTPS握手过程 HTTPS的握手过程比较繁琐，我们来回顾下。...再取出这一行的第三列数据，就是我们想要的pre_master_key。 那么这时候wireshark就集齐了三个随机数，此时就可以计算得到会话秘钥，通过它对数据进行解密了。
By 超神经 内容提要：你有想象过 2100 年，这个世界是什么样子的吗？我们所在的城市，会以怎样的方式发展呢？最近，两位数据科学家用数据科学和机器学习，预测了 2100 年全球城市扩张趋势。...作者 Jing Gao 目前为特拉华大学 地理空间数据科学助理教授 Jing Gao 表示，她对城镇发展的方式格外着迷。放眼全球，从印度新德里到法国巴黎，全球范围内的城市发展都不尽相同。...建模框架示意图，其中包括两个新的 数据驱动的城市仿真模型 比如，美国大陆被建模为 28 个独立的区域，中国被建模为 26 个区域。不同区域的模型，使用不同的发展模型参数来进行估计。...比如，预测中亚洲各国，城市的扩张速度会非常高，甚至比本世纪初美国城市扩张速度还要高四倍。 ?...美国东北部在不同发展模式下的城市扩张趋势预测 颜色越深表示城市化程度更高 大多数人没有意识到诸如建筑物和道路之类的景观变化，可能会影响他们的生活。
本质上，数据被分割成训练和测试子集，例如通过k折交叉验证或简单的训练/测试分割，以便在不可见的数据上严格评估模型。不幸的是，数据泄漏可能会无意中违反训练数据和测试数据之间的界限。...由于泄露可能会极大地改变报告的结果，因此它导致了目前神经影像学的再现性危机。尽管泄露的流行和担忧，神经影像预测模型中由于泄露导致的性能膨胀的严重程度仍然未知。...排除现场校正后的性能几乎与金标准模型相同。然而，没有回归出协变量夸大了r，但对所有三种表型的q2有不同的影响，包括注意力问题，年龄和矩阵推理。...图4 协变量相关的泄露形式(包括泄露部位校正和泄露协变量回归)在HCPD中的预测性能。1.4 个体水平泄露由于在神经影像数据集中经常存在家族性的过度采样，通过家族结构的泄漏可能会影响预测模型。...这些因素促进了更大的样本量以获得更好的统计功效和更有代表性的样本，从而可以最小化模型偏倚。然而，考虑这些因素会迅速增加预测流程的复杂性。因此，这些结果对于更广泛的领域是令人放心的。
用户的各种数据不断整合，用户行为粒度不断细化，个人健康风险和选举选择变得更加预测....... 但是，数据作为“新石油”在推动增长和创新的同时，也在一定程度上侵犯了用户的隐私权。...当时谷歌CEO Sundar Pichai提出警示称：由于裁决，安卓可能不再免费，可能分配模式会变成像它的竞争对手苹果一样。...原因是这项研究包括芬兰的健康记录，根据GDPR，欧盟的法律不允许再向美国研究人员提供这些记录。 隐私得到了保护，合作者没有得到分享的数据，大规模数据集没有得到有效利用，医疗技术无法进步。...最快速地拓展新业务表现在，A、B、C每家厂商都有各自构建好的模型，通过汇总去得到更大的数据模型，在不流通数据的情况下得到数据流通的最好效果，通过资源互补可以在最短时间内安全地获得对方的能力，去拓展新业务...而联邦学习就不再是让数据发送到后台，而是在每个企业自己的服务器上进行训练，并加密上传训练模型，后台会综合成千上万的用户模型后再反馈给用户改进方案。
看上去，这就像是数据库“抖”了一下。今天，我们就一起来看一看这是什么原因。 你的 SQL 语句为什么变“慢”了 在本栏第 2 篇文章《MySQL深入学习第二篇 － 一条SQL更新语句是如何执行的？》...当需要新的内存页，而内存不够用的时候，就要淘汰一些数据页，空出内存给别的数据页使用。如果淘汰的是“脏页”，就要先将脏页写到磁盘。...找“邻居”这个优化在机械硬盘时代是很有意义的，可以减少很多随机 IO。机械硬盘的随机 IOPS 一般只有几百，相同的逻辑操作减少随机 IO 就意味着系统性能的大幅度提升。...小结 今天这篇文章，我延续第 2 篇中介绍的 WAL 的概念，和你解释了这个机制后续需要的刷脏页操作和执行时机。利用 WAL 技术，数据库将随机写转换成了顺序写，大大提升了数据库的性能。...但如果你在配置的时候不慎将 redo log 设置成了 1 个 100M 的文件，会发生什么情况呢？又为什么会出现这样的情况呢？
这一项目的目的是从CMS的数据中得出合适的预测，改进资源利用，并对框架和指标有深层的理解。 ◆ ◆ ◆ 理解流行的CMD数据集 此原型项目的第一个阶段是预测新的和流行的CMS数据集。...本图由瓦伦丁·库兹涅佐夫提供，经许可使用 ◆ ◆ ◆ 使用Apache Spark来预测新的和流行的CMS数据集 机器学习算法能够运行预测模型并推测随着时间改变的流行的数据集。...每一周的数据都会被添加到已有的数据之中，并建立一个新的模型，从而得到更好的数据分析结果。这些模型稍后会被整合进来，并通过真阳性，真阴性，假阳性或假阴性的值进行评估。...我也使用了Python的机器学习库（scikit-learn）并比较了从不同框架得到的值。在这一过程中，我能够判断每一个模型的质量。...通过运用主成分分析法，我可以交互式地为新的数据集选择最佳的预测模型。其他一些对CMS数据分析重要的因素是并行度和快速的分布式数据处理。
By 超神经 内容一览：昨日，日本男星星野源通过事务所发布声明，宣布结婚，新娘正是被不少男粉丝奉为「老婆」的新垣结衣。...微博网友对二人孩子长相，表现出了极大关心 借助开源模型 BabyGAN，我们预测了新垣结衣和星野源未来孩子的长相。 「大河」是《逃避虽然可耻但有用》剧中，二人孩子的名字。...根据 BabyGAN 的预测，如果新垣结衣跟星野源的孩子是个女孩的话，那么不同年龄的大河可能长这样： ? BabyGAN 生成的女儿成长动图 如果大河是个男孩的话，那么不同年龄的大河可能长这样： ?...BabyGAN 生成的儿子成长动图 BabyGAN 到底是何方神器 BabyGAN 是一个基于 StyleGAN 的儿童长相预测器，可以基于编码器和生成器，输入父亲和母亲的图像，经过神经网络的处理后，...生成或预测未来孩子的长相。
以下，我们从基本模型的角度出发，具体聊一聊为什么文本搜索技术难以适用到更加广泛的数据搜索场景，并对向量搜索的基本模型进行介绍。 ?...这对于文本搜索是自然的，整个搜索过程对于“人”也是好理解的。但相同的模型很难适用于更广泛的非结构化数据搜索。...为了在这些搜索场景上获得更好的效果，新兴的搜索技术在可解释性与准确性之间给出了新的权衡。以神经网络、embedding为代表的新技术更多考虑了后者。...这些技术在主体思路上与文本搜索一致，都是将查询的输入与搜索内容映射至具有相同语义的向量空间，并在这个空间内根据距离进行相似度分析。...基于数据训练得到的神经网络对应着用户、视频两类对象到向量空间的映射函数，这个映射函数的训练目标是最小化语义相似性的误差，但不论是映射函数还是向量空间，都不具有良好的可解释性。 ?
当您的应用程序运行缓慢时，反射操作是指责数据库查询。 毫无疑问，一些更为奢侈的拖延可能会因为缺失的指数或不必要的锁定而被指责，但还有其他潜在恶作剧，包括网络和应用本身。...专注于一个小型可重复的工作流将让您隔离问题。 接下来的问题当然是为什么要花10秒钟？缩小问题的第一个也是最简单的方法是将应用程序尽可能靠近SQL Server，在同一台机器上或在同一个LAN上运行。...此时，您将需要知道应用程序和SQL Server之间的延迟。 你可以从一个ping上得到一个粗略的想法，这将告诉你两者之间的往返时间。...简而言之，在编写客户端/服务器应用程序时，您需要避免频繁执行相同的查询，以最大限度地减少必要的往返次数来收集所需的数据。...，难以配置以获得高性能，而不会在应用程序中引入错误 我们对这些问题进行了大量的研究，同时开发了数据加速器工具，并采用了一种使用机器学习来预测应用程序要做什么的方法，并预取所需的数据，因此它准备就绪因为应用程序请求它
小勤：大海，为什么我从Excel文件夹导入的数据重复了？ 大海：数据给我来试试看？...所以在后续编辑查询的时候我们首先要把合并工作表的内容过滤掉，否则以后刷新数据时会连合并工作表的数据一起导入。...实际上，在Excel里虽然只有一份数据，但因为做了不同的处理，生成了多种对象（可以简单理解为以多种形式存在），比较容易碰到的有以下三种情况： Sheet：工作表，就是最原始的数据； Table：表格，经过...【插入“表格”】或【Ctrl+T】或【套用表格格式】或【添加到数据模型】或【“从表格”新建查询】等等方式，使原始的普通的工作表数据装换成的“表格”，有些文章里，作者为了避免与普通工作表的差别，称之为“超级表...Step-05：选择Sheet类别的工作表 经过这样的筛选后，我们最终导入的数据就只有该工作簿中最原始的工作表数据，后续的操作就没有什么差别了，我们继续完成它。
但是短期内，我仍然不看好数据交易，因为现阶段的数据交易缺乏了必要的基础构建 ?...尽管大数据交易平台建设正值爆发期，数据交易号称的市场规模也在不断壮大，同时也有国家大力的政策支持。但是短期内，我仍然不看好数据交易，因为现阶段的数据交易缺乏了必要的基础构建。...但在现阶段，大数据刚刚起步，绝大多数的行业、企业对于本身数据、数据如何使用并不清晰。所谓认知理解基础，指的是知道“我能用数据做什么”、“别人的数据对我有什么作用”、“我的数据对别人有什么作用”等等。...就拿大数据征信举例，不同部门的信用评级标准不一样，很可能对于同一个的评估结果就有天差地别。这时候该相信谁，该采用谁的标准?大数据本应是告诉你答案的，而不是让你陷入新的难题。...但未来这种态度必须要转变，因为跨界数据的整合才能够带来大数据应用的爆发。 4数据交易要蓬勃发展，把数据“拿出来”是关键 我认为数据交易是趋势、是未来，但由于不具备上述基础，现阶段还很难发展。
以下，我们从基本模型的角度出发，具体聊一聊为什么文本搜索技术难以适用到更加广泛的数据搜索场景，并对向量搜索的基本模型进行介绍。...这对于文本搜索是自然的，整个搜索过程对于“人”也是好理解的。但相同的模型很难适用于更广泛的非结构化数据搜索。...为了在这些搜索场景上获得更好的效果，新兴的搜索技术在可解释性与准确性之间给出了新的权衡。以神经网络、embedding为代表的新技术更多考虑了后者。...这些技术在主体思路上与文本搜索一致，都是将查询的输入与搜索内容映射至具有相同语义的向量空间，并在这个空间内根据距离进行相似度分析。...基于数据训练得到的神经网络对应着用户、视频两类对象到向量空间的映射函数，这个映射函数的训练目标是最小化语义相似性的误差，但不论是映射函数还是向量空间，都不具有良好的可解释性。
/I57M1Y https://github.com/xuxueli/xxl-job/issues/596 为什么数据库的慢SQL会导致CPU的IO WAIT升高呢 我们先看一下计算机是怎么管理磁盘IO...当应用进程或线程发生IO等待时，CPU会及时释放相应的时间片资源并把时间片分配给其他进程或线程使用，从而使CPU资源得到充分利用。...所以，假如CPU大部分消耗在IO等待（wa）上时，即便CPU空闲率（id）是0%，也并不意味着CPU资源完全耗尽了，如果有新的任务来了，CPU仍然有精力执行任务。...理论与实际结合 那么反应到我们遇到的这个场景就是：iowait是cpu处于空闲状态，因为服务端要做事情之前一般要查一下库如用户权限之类会查用户权限表，现在mysql那里索引出问题了，io资源全被阻塞住了...请求量 适当缓存，降低缓存数据粒度，对静态并被频繁请求的数据进行适当的缓存 如用户信息，商品信息等 优化实现，尽量去除不必要的重复请求 如禁止同一页面多次重复请求相同数据的问题，通过跨页面参数传递减少访问等
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
云直播
对象存储
腾讯会议
