版权声明:本文为苦逼的码农原创。未经同意禁止任何形式转载,特别是那些复制粘贴到别的平台的,否则,必定追究。欢迎大家多多转发,谢谢。
作者黄小斜,斜杠青年,某985硕士,阿里研发工程师,于2018 年秋招拿到 BAT 头条、网易、滴滴等 8 个大厂 offer
简单介绍一下,这本书包括组成原理和操作系统两大部分知识。第二、三章学完之后,逆向就算是入门了。国内的教材很少有拿汇编和C语言对比教学的书籍,这样的教学方法很实用。因为现在汇编很少用于写程序了,主要大量用于反编译;而C语言主要用于嵌入式开发,为了性能原因开发者要经常查看对应的汇编代码。然而这些知识只是个导论,要想真正踏入逆向的大门,还是要看看雪出的那几本书。
XPath 是一种用于从 XML 文档中选取特定节点的查询语言。如果你对 XML 文档不太熟悉,XPath 可以帮你完成网页抓取的所有工作。
那我现在就开始回答一下大家的一些问题,大家如果要有什么问题想问的话可以留下言,我挑其中的几个问题跟大家一起探讨一下。
经过了10多年的发展,Java Web从开发框架到社区都已经非常成熟,而目前市面上最流行的Java Web框架已然是Spring全家桶,从过去的Spring,SpringMVC,再到SpringBoot。而曾经流行的JSP和servlet,随着前后端分离的趋势,以及Spring这类框架的冲击,也逐渐地淡出了人们的视线,被历史所抛弃。
最近有很多朋友问我一些面试题,或者说准备面试了,怎么复习啊. 孔孔老师就上线了…正好趁着早上不想学习, 就再把这一块总结总结. 个人拙见(毕竟我还是很low的…) 夹杂部分书推荐
疑惑一 学习过程中如何避免只听不练? 没必要专门的找练习去做,一般教材的后面都有课后题,做的前提是做这章节在理论都理解的差不多了,就在电脑上用编译器独立的完成,不要为了完成任务而去做,发自内心的想去完成,每个章节都坚持这么干,坚持下来就可以了,不懂的可以继续问,加油哈 疑惑二 硬件设计应该从那本书入手? 如果是还在大学期间,建议先把数字电路和模拟电路搞定,如果是有点基础了,如果是稍微实际点的入门推荐两本书,嵌入式硬件设计,计算机组成与设计:硬件、软件接口(第三版中文),可以在后台输入 硬件设计 四个字就可以
Java开发工程师一般负责后端开发,当然也有专门做Java Web的工程师,但是随着前后端的分离,越来越多的Java工程师需要往大后端方向发展。
Java自学之道(一) 给程序入门者的一点建议 在书场上看到很多有关Java的书籍,但这就像进了瓜地里挑瓜挑的眼花,很多人不知道自己到底该选那本书好。很快精通Java可能只有很少一部分人能实现,那就是他曾经精通过哪门语言,因为程序设计语言很好学,只要你精通一门语言,就可以做到一通百通。因为每种语言都有其共同点,就拿C语言来说,由于C语言出现的比较早,用的人也比较多,所以人们都习惯了它的语法规则和设计流程,假如现在出现了一门新的语言,而它和C语言的语法规则是天壤之隔,那么它的结果肯定是被淘汰的对象。道
入门读物: 深入浅出数据分析 (豆瓣) 这书挺简单的,基本的内容都涉及了,说得也比较清楚,最后谈到了R是大加分。难易程度:非常易。 啤酒与尿布 (豆瓣) 通过案例来说事情,而且是最经典的例子。难易程度:非常易。 数据之美 (豆瓣) 一本介绍性的书籍,每章都解决一个具体的问题,甚至还有代码,对理解数据分析的应用领域和做法非常有帮助。难易程度:易。 数学之美 (豆瓣) 这本书非常棒啦,入门读起来很不错! 数据分析: SciPy and NumPy (豆瓣) 这本书可以归类为数据分析书吧,因为numpy和
学习Java和其他技术的资源其实非常多,但是我们需要取其精华去其糟粕,选择那些最好的,最适合我们的,同时也要由浅入深,先易后难。基于这样的一个标准,我在这里为大家提供一份Java的学习资源清单。
作者黄小斜,斜杠青年,某985硕士,阿里 Java 研发工程师,于 2018 年秋招拿到 BAT 头条、网易、滴滴等 8 个大厂 offer,目前致力于分享这几年的学习经验、求职心得和成长感悟,以及作为程序员的思考和见解。
我是一个web前端开发者和rails程序员,计算机专业出身,掌握Python、Ruby、C、Java编程语言,具有较为扎实的计算机理论基础。 现在工作之外的时间里想学习一下数据分析或者数据挖掘。现在大数据这个词搞得蛮火的,不少公司也有在招聘数据分析员。 抱着「技多不压身」的想法我也想稍微学习一下。说不定以后的工作也会需要。我稍微了解了一下,数据分析最基础就是用excel来工作。不过我计算机专业出身的人,还是想通过用编程语言的方法来学习。听说R语言不错,我也稍微了解了一下。 不过现在要学数据分析的话,我可以从
有关设计模式、重构、编程规范等的经典书籍很多,有很多你应该已经听说过、甚至看过。今天,我就结合我的经验,对这些书籍进行一个整理和点评。你可以据此来选择适合你的书籍,结合着专栏一块儿来学习,这样学习效果会更好。
前言 大学时没有好好学编译原理,现在工作用到了真是让我懊恼了一阵子。因业务要求,需要实现类似于Excel那样的即时计算功能,于是需要写一个四则运算的组件,曾记得这个功能还是编译原理那本书的一道作业题啊,那时没做,现在来补一下吧! 旨在分享、交流,代码不规范和有待提高的地方望大家多多指出! 功能说明
今儿跟同事讨论起来spring早期的,通过大篇幅xml的配置演变到今天annotation的过程,然后随手写了个小样例,感觉还不错,贴到这里留个纪念。
我相信,这可能是很多朋友的问题,我以前也有这样的感觉,编程编到一定的时候,发现能力到了瓶颈,既不深,也不扎实,半吊子。比如:你长期地使用Java和.NET ,这些有虚拟机的语言对于开发便利是便利,但是对于程序员来说可能并不太好,原因有两个: 虚拟机屏蔽了操作系统的系统调用,以及很多底层机制。 大量的封装好的类库也屏蔽了很多实现细节。 分享之前我还是要推荐下我自己的C/C++学习交流群:三四零六五一六八七,不管你是小白还是大牛,小编我都挺欢迎,不定期分享干货,包括我自己整理的一份2017最新的C/C++资料和
我是一个web前端开发者和rails程序员,计算机专业出身,掌握Python、Ruby、C、Java编程语言,具有较为扎实的计算机理论基础。 现在工作之外的时间里想学习一下数据分析或者数据挖掘。现在大数据这个词搞得蛮火的,不少公司也有在招聘数据分析员。 抱着「技多不压身」的想法我也想稍微学习一下。说不定以后的工作也会需要。我稍微了解了一下,数据分析最基础就是用excel来工作。不过我计算机专业出身的人,还是想通过用编程语言的方法来学习。听说R语言不错,我也稍微了解了一下。 不过现在要学数据分析的话
丢掉老谭的那本书吧,这本书才是最好的入门书。这本书两百多页,语言简洁,但又覆盖到了C语言的每个方面。然而这本书不仅仅讲解C语言,还附带讲解了二分查找、快速排序、二叉树、哈希表这些重要的数据结构和算法。甚至为了解释让人头疼的复杂声明,写了一个递归下降的parser。就算你不是拿此书入门的,也可以放在手头当作参考书来用。
源 | 全球人工智能 下面给大家整理了下机器学习从入门到进阶的基本流程,主要侧重进阶部分。 一、机器学习入门必备知识 上图是人工智能与机器学习、深度学习的关系以及随时间发展的演化图。如今在工业界中
在社会化分工、软件行业细分专业化的趋势下,会真的参与到底层系统实现的人肯定是越来越少(比例上说)。真的会参与到JVM实现的人肯定是少数。
N多年没有写过 Window 程序了。为了研究 WebRTC 源码,这两天重新学习一下。还记得上大学的时候看过 《Windows95 程式设计》台湾版,对那本书印象极为深刻。一是当时国内确实没有一本写的那么深入的书籍,二是那本书翻译的特别好,让人一看就特别明白。10多年过多了,当时的情景还记忆犹新,也可见那本书写的有多好了。
关于算法题的做法,自己也很少去看,也很少去做,所以这里自己也是一位算法做题的"萌新",还记得大学时自己买过一本关于算法题的书,有的时候还会翻翻这本书,但是这本书留在了郑州,是的,那个临近毕业的时候自己,不需要的书籍都卖了,唯独自己喜欢的几本书没有卖,那本算法书就没有卖,因为它承载了自己大学里美好的一段时光,至少每每看到那本书自己还会去回忆一下。
1. 深入浅出数据分析 这书挺简单的,基本的内容都涉及了,说得也比较清楚,最后谈到了R是大加分。 难易程度:非常易。 2.啤酒与尿布 通过案例来说事情,而且是最经典的例子。 难易程度:非常易。 3.数据之美 一本介绍性的书籍,每章都解决一个具体的问题,甚至还有代码,对理解数据分析的应用领域和做法非常有帮助。 难易程度:易。 4.集体智慧编程 学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。作者通过实际例子介绍了机器学习和数据挖掘中的算法,浅显易懂,还有可执行的Python代码。 难易程度:中
《Algorithms Unlocked》是 《算法导论》的合著者之一 Thomas H. Cormen 写的一本算法基础,算是啃CLRS前的开胃菜和辅助教材。如果CLRS的厚度让人望而生畏,这本200多页的小读本刚好合适带你入门。
今天晚上临时挤出点儿时间,说个重要问题,就是“业务架构”的定义,到底什么是业务架构。
【AI100导读】越来越多工程师想学习大热的深度学习,但深度学习技术需要数学功底,数学不好怎么办?这篇文章可以提供成为深度学习工程师的数学路径。 如果你像我一样,也着迷于人工智能。也许你想深入挖掘,并在 TensorFlow 或 Theano 运行一个图像分类器。也许你是一个敢于尝试新事物的开发人员或系统架构师,你知道计算机非常好,但只有一个小问题: 你的数学不好。 没关系!这里,我向你分享一个小秘密,此外我这里向你推荐一些书籍和网站,它们将真正帮助你快速提高。 像许多人一样,我对智能机器的爱不是来自微积分
👆点击“博文视点Broadview”,获取更多书讯 上周,博文菌参加QCon的时候,在博文视点的展位上和两位大咖老师聊天,说起平时会看的书的时候,一位大咖指着《卓有成效的工程师》和《软件开发的201个原则》这两本书和另一位大咖说:“这两本书不错,可以好好看看!” 找了一会儿又说到:“章淼老师自己写的那本书叫什么来着?那本书也不错!” 小伙伴们知道是哪本书不? 嗯,它就是 《代码的艺术》 这本书到底有什么魔力,可以被这位大咖老师心心念念地记着呢? 今天就来和大家分享一下这本可以帮你提升代码品味、助
他是非科班转到计算机来的,所以基本功比较差,我专门花了一个多月写了这篇学习路线,全文超过8000字,文章润色了好久,配套的资料全部找齐了。
这个系列教程来自《Head First Servlets & JSP》一书,该书讲得深入浅出。在阅读过程中深感好记心不如烂笔头,于是动手总结了该书的脑图和一系列阅读笔记。
图书馆中每本书都有一个图书编码,可以用于快速检索图书,这个图书编码是一个正整数。 每位借书的读者手中有一个需求码,这个需求码也是一个正整数。如果一本书的图书编码恰好以读者的需求码结尾,那么这本书就是这位读者所需要的。 小 D 刚刚当上图书馆的管理员,她知道图书馆里所有书的图书编码,她请你帮她写一个程序,对于每一位读者,求出他所需要的书中图书编码最小的那本书,如果没有他需要的书,请输出−1-1−1。
学好C可能不会让你找到个好工作,不知道你们用的是什么书,如果是清华大学的那本就直接丢垃圾桶吧。图书馆负一层的好书(ps:我们学校的计算机书都在负一层,看的人少。。)多得是,还有C语言作者写的,首选国外的书,然后是国内的。C的重要就是指针+数据结构。有一本不错的书,如《C和指针》及《C专家编程》。不过,如果不是搞嵌入式的话,C可能会用得很少,多数都是Java的面向对象。图书馆有很多,很不错的书。。这是我们学校的一个不算是优点的优点,我不知道你们系的老师怎样,但是请相信多数情况下只有混得不好的才来当老师(ps:很一般的二本院校)。只是少部分老师也很优秀,至少在我们专业中——电子信息工程是这样的。在我们专业领域,C才是神器相比于汇编语言,只是这个时代汇编语言用于提升运行效率显得有点。。。
作者:不会停的蜗牛 | CSDN AI专栏作者 责编:王艺 | CSDN AI编辑/记者 wangyi@csdn.net 如果您是初学者,那么您可能会将深度学习与机器学习混为一谈。实际上,机器学习包含深度学习,深度学习只是机器学习的研究领域之一。 深度学习是一个交叉学科,涉及到神经网络、人工智能、图建模、最优化理论、模式识别和信号处理等多学科领域知识。 硬件计算能力的升级使得深度学习在人们的日常生活中有了用武之地。深度学习的应用领域包括计算机视觉、语音识别、图像识别,自动驾驶,自然语言理解、手写
在我们用的程序中,99% 都离不开网络,作为一个程序员,我觉得了解计算机网络是必须的,在大学的课程中,一般也都会开设这一门课。
我记得本科刚毕业时,由于本人打算研究传感器的,后来阴差阳错进了复旦逸夫楼专用集成电路与系统国家重点实验室做研究生。现在想来这个实验室名字大有深意,只是当时惘然。
10年前我对设计还一无所知的时候,我借来了这本书学习了设计的基本原则和几种实用的理论,从此我觉得自己已经入门了设计,而且对面向对象也有更深入的理解。
最近一直在学习实时渲染,不免要接触线性代数。而渲染中,一定会用到矩阵,当我再次去复习我之前看的书时,发现《Unity3D 实战核心技术详解》关于矩阵就有几处错误 ,特标注出来。
今天我们讨论的是入职半年对未来的一些规划,如果你有更好的建议,欢迎下方留言评论哦。
我们提到面试,可能有的人脑子里蹦出的第一个词,那就是背八股文。但是面试真的可以只靠八股文吗?
大家好,我是 Peter!今天宣布一个好消息。 很荣幸和大佬们一起合写了本书《计算机系统开发与优化实战》,最近就要上市了。本书首先介绍通用处理器的架构,以及汇编和编译的技术;然后讲解 Linux 内存管理、 Linux 进程管理,以及 GDB、 trace、 eBPF、 SystemTap 等 Linux 系统开发工具;接着通过视频编解码主流技术和 NVIDIA 计算平台 CUDA 等讨论人工智能技术在音视频领域与自然语言处理领域的应用;最后讲解标准计算平台 OpenCL 的原理、开源硬件 soDLA、
1. 深入浅出数据分析 (豆瓣) 这书挺简单的,基本的内容都涉及了,说得也比较清楚,最后谈到了R是大加分。 难易程度:非常易。 2. 啤酒与尿布 (豆瓣) 通过案例来说事情,而且是最经典的例子。 难易程度:非常易。 3. 数据之美 (豆瓣) 一本介绍性的书籍,每章都解决一个具体的问题,甚至还有代码,对理解数据分析的应用领域和做法非常有帮助。 难易程度:易。 4. 集体智慧编程 (豆瓣) 学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。作者通过实际例子
过去项目中用了日志库 orhanobut/logger: ✔️ Simple, pretty and powerful logger for android (github.com),使用时因为它的输出策略只能用一种,要么 logcat 输出,要么 cvs 输出,并且输出全部,所以做了些扩展:
系统动力学(SD)是一种非常强大和灵活的建模范式,非常适合于解决战略性商业、经济和公共政策问题。几年前,德国BSL管理支持公司的管理顾问和开发人员Guido Wolf Reichert在为德国一个大都市的公共交通系统建模时,发现现有的 SD 软件的技术极限。在寻找替代品时,他发现了Wolfram System Modeler。
想要打通统计学习的任督二脉,爱上统计学吗?今天为大家推荐一篇果壳网网友清扬婉喵的文章,文中不仅系统盘点了统计学习的经验和感悟,更对统计的学习资源做了悉心标注和罗列,对统计学入门的新手以及跨学统计专业的朋友们来说,依然有一定的参考和借鉴价值。
平日里,有四成以上的疑难提问来自于计量与统计,相信统计的学习和进阶也是所有经管专业的BABY们绕不过去的一道坎儿,若能以较高的水平精通一门以上的统计工具,对学习和科研而言,则相当于掌握了一门利器,剑在手,可攻城拔寨,运用与心。今天的作者毕业于一所美国统计学专业排名前10的公立大学,从最初的陌生到与统计学相知、共舞,再到沉浸其中、倾心投入,及至打通统计学习的任督二脉,爱上统计学一文中不仅系统盘点了统计学习的经验和感悟,更对统计的学习资源做了悉心的标注和罗列,也能从中看到美国统计教育的教学模式,美中不足的是
最近一直没有写博客,主要是忙于本人的Node.js的一本书,现在已经大概完善了!基于myweb1.0的开发,为了脱离express框架,并且自我能够学到更多的原生Node.js知识,所以经过一段时间的开发,实现了myweb2.0框架。 myweb2.0新框架的路由处理、静态服务器、session设计和mongodb基类都是基于原生的一些API进行开发实现。在Node.js那边书中会有详细的介绍,并且应用myweb2.0进行一些应用开发,其中包含了:Node.js实时直播系统、Node.js的联网在线游戏中国
首先说 Go 语言相关的书,最近两年 Go 比较火,出版社肯定也是紧跟热点出了好几本书。这里真心推荐两本,有这两本我觉得就够了。
该模式的思想就是将一个对象作为原型,对其进行复制、克隆,产生一个和原对象类似的新对象
书接上回 https://cloud.tencent.com/developer/article/2195953
领取专属 10元无门槛券
手把手带您无忧上云