logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

如何写好一个数据分析报告,需要注意哪些?

写一份好的数据分析报告的重要性不言而喻(只要我写的好,升职加薪、年终奖就少不了我)大家都知道,数据分析报告的输出是整个业务分析过程的成果,是评定一条业务线的参考依据,既然这么重要那当然要写好它了。以下图表由数据分析软件FineBI制作FineBI商业智能软件 - 新一代自助大数据分析的BI工具www.finebi.com/?utm_source=media&utm_medium=zhihu

#数据分析#数据挖掘#big data
怎样将操作系统移植到STM32单片机中?

其实一直对将程序直接烧录进单片机和将带操作系统的应用烧录进单片机这两种情况不是很了解。下面找了一些文章来初步了解这些情况:从零开始搭建STM32开发环境从零移植freeRTOS实时操作系统到STM32基于 stm32 的 FreeRTOS 的详细移植步骤及其多任务应用https://jingyan.baidu.com/article/7c6fb4280c234880642c90c5.html...

#单片机#stm32#嵌入式硬件
C/C++ 服务器/后台开发学习路线总结及准备

文章目录一、前言二、总结网上的学习路线三、之前的一些相关博客整理一、前言最近要新开一个非常重要的系列,C/C++ 服务器/后台开发。这个系列将会包括非常多的内容,难度也会比之前的系列大很多,会有很多源码级的学习,大的项目的练习,工具的使用,业务逻辑的理解等。因此这篇文章先来总结了解一些大佬们的推荐学习路线,了解一下合适的学习路线和学习方法。除此之外,也会先整理一下之前一些和此相关的博客,温习一下,

#服务器#c语言#c++
IDE也卷了,微软杀入嵌入式IDE

为什么说 IDE 也卷了?因为前不久(3月初),Keil 官方推出了免费、没有代码大小限制的社区版IDE(Community)。随后(在上周),微软也发布了基于 VS Code 的嵌入式开发插件(Embedded Tools),支持Azure RTOS、FreeRTOS操作系统。地址:https://devblogs.microsoft.com/cppblog/vscode-embedded-de

#stm32#单片机
java中类的main方法总结

一、java中每个类都需要有main方法吗?每个类可以有也可以没有main方法,甚至所有类里可以都没有main方法。如果你想从某个类做为入口开始运行整个程序。那么就把他设成 public ,之后再里面写个main方法作为入口。每个项目都要有一个主类,这个主类中必须得有main,用于程序的入口.在程序测试时,一般每个类中都有一个main,用于方便测试人员对类成员进行测试不是,可有可无。但是你要执行的

#java#开发语言#后端
2021年ML和NLP依然发展迅速,DeepMind科学家最近总结了过去一年的十五项亮点研究方向,快来看看哪个方向适合做你的新坑

转载于:https://mp.weixin.qq.com/s/IDdY2Wd77fT3DkYXCnSBCA最近,DeepMind科学家Sebastian Ruder总结了15个过去一年里高能、有启发性的研究领域,主要包括:Universal Models 通用模型Massive Multi-task Learning 大规模多任务学习Beyond the Transformer 超越Transfo

#自然语言处理#人工智能#深度学习
Vscode远程连接linux服务器(阿里云服务器)

我们知道,很多时候我们的开发都是在本地,但是运行环境都是在linux服务器上,因此在本地开发完我们还需要将其同步到linux服务器上,这还是有点麻烦的。使用xshell连接linux服务器很方便,但是在上面进行开发还是很复杂的。vscode上有插件可以让我们在vscode上直接连接linux服务器,可以直观地显示文件目录,方便的打开文件,也可以方便的使用shell进行命令行操作。下面就推荐两篇文章

#vscode#linux
BP神经网络C语言实现总结

我们知道如果用Python来开发各种机器学习模型,是非常简单的,只需要调用库函数接口即可。下面总结几篇使用C/C++来实现BP神经网络的文章:BP神经网络C语言实现https://github.com/ThreeClassMrWang/c-bpnnKNN算法 C语言实现对鸢尾花的分类 机器学习详解 BP 神经网络基本原理及 C 语言实现https://github.com/myazi/myLear

#神经网络#人工智能#深度学习
大模型时代的知识焦虑

为了追逐最新的技术趋势,人们不断购买课程、订阅专栏、参加各种技术社群,疲于奔命,却往往难以深入掌握任何一项技术,深陷“害怕错过”的焦虑漩涡,反而忽略了对自身真正有价值的知识和技能的沉淀。我们可以尝试将大模型应用于工作流程的各个环节,例如利用AI进行初步调研、头脑风暴、方案优化、内容创作等,让人工智能辅助我们完成重复性、机械性的工作,从而将人类的创造力和机器的智能优势充分结合,实现工作效率和创新能力

文章图片
#人工智能#大数据
多域计算和区域控制器研究:五类设计思路齐头并进

6.4.7 长城GEEP 5.0中央计算平台:中央大脑(One Brain)+区控制器。5.4.7 安波福多域融合计算布局:中央车辆控制器CVC(车身域+底盘域融合)**6.8.3 理想LEEA 3.0中央集中计算布局:CCU(3个计算群)+区域控制器。6.9.2 小鹏X-EEA 3.0:中央超算(3个计算群)+区域控制(Z-DCU)6.1.5 ZEEKR EE 3.0中央计算平台:1个中央计算机

文章图片
#人工智能#前端#运维
    共 158 条
  • 1
  • 2
  • 3
  • 16
  • 请选择