人工智能

API 入门 (20) 转换目标为API——资源和相互关系

在上一篇文章中,我们了解到 REST API 与 HTTP 请求是如何映射的。接下来,我们继续探索如何把 API 的目标转换成 REST API 。 我们会安装下面四个步骤进行转换: 找出资源及其关系 分析资源的操作 设计资源路径 表示为 HTTP 方法 API 目标表格 API 目标表格描述了用户是谁,能做什么,如何做,需要提供什么,获得什么结果,最终形成用户的目标。 为了方便后面的讨论,我

2.2 新一代信息技术及应用

文集:《信息系统项目管理师第四版攻略》 本节概要 信息技术在智能化、 系统化、微型化、云端化的基础上不断融合创新,促进了物联网、云计算、大数据、区块链、人工智能、虚拟现实等新一代信息技术的诞生。新一代信息技术与信息资源充分开发利用形成的新模式、新业态等,是信息化发展的主要趋势,也是信息系统集成领域未来的重要业务范畴。 物联网 物联网(The Internet of Things)是指通过信息传感

数据仓库

缓慢变化维 重写维度 插入新的维度(一般是有效时间) 添加维度列 数据库 三范式 如果每列都是不可再分的最小数据单元(也称为 最小的原子单元),则满足第一范式(1NF) 如果一个关系满足第一范式(1NF)的同时,并且除了主键以外的其他列,都依赖与该主键,则满足第二范式(2NF)。并且我们要求每张表只描述一件事情 如果一个关系满足第二范式(2NF),并且除了主键以外的其他列 都不传递依赖于主键

学会这10种定时任务,我有点飘了

前言 最近有几个读者私信给我,问我他们的业务场景,要用什么样的定时任务。确实,在不用的业务场景下要用不同的定时任务,其实我们的选择还是挺多的。我今天给大家总结10种非常实用的定时任务,总有一种是适合你的。 一. linux自带的定时任务 crontab 不知道你有没有遇到过这种场景:有时需要临时统计线上的数据,然后导出到excel表格中。这种需求有时较为复杂,光靠写sql语句是无法满足需求的,这就

通过 Spark thriftserver 操作Hudi表

背景 本篇主要讲解如何配置Spark thriftserver,从而可以使用JDBC方式通过Spark thriftserver操作Hudi表。 博主的环境信息: Spark 3.1.1 Hive 3.1.0 Hadoop 3.1.1 Hudi 0.11.1 环境准备 首先,我们需要编译Hudi。然后找到编译后输出的hudi-spark3.1-bundle_2.12-0.11.1.jar和hu

Java实现4种微信抢红包算法

概述 14年微信推出红包功能以后,很多公司开始上自己的红包功能,到现在为止仍然有很多红包开发的需求,实现抢红包算法也是面试常考题。 要求: 保证每个红包最少分得0.01元 保证每个红包金额概率尽量均衡 所有红包累计金额登于红包总金额 本文提供4中红包算法及Java代码实现demo,仅供参考。其中每种算法测试场景为:0.1元10个包,1元10个包,100元10个包,1000元10个包。 一、剩余

《教育心理学》学习2-3

位置法 如果说图像法是一种帮助编码记忆材料的方法,那么“位置法”(method of loci,MOL)就是一种帮助检索材料的“线索”。许多人在记忆时往往会结合图像法和位置法进行记忆。位置法是目前最主要的记忆术之一,相传是古希腊诗人西蒙尼停斯(Simonides of Ceos)首先提出的。如今很多一流的记忆大师(例如世界记忆冠军王峰等)或多或少都会使用这种方法。 想象一条你熟悉的路线,比如从

《教育心理学》学习4-3

4.3多感觉学习异常与阅读障碍 4.3.1阅读障碍的脑基础 阅读障碍(dyslexia)是指个体在一般智力、动机、生活环境和教育条件等方面正常,也没有明显的视力、听力和神经系统障碍,但在阅读技能方面表现出明显的缺陷, 因而无法正常阅读、书写和拼写等。临床解剖学证据发现阅读困难者与正常人相比,左右两侧颞叶皮层的对称性(Galaburda,Sherman.Rosen,Aboitiz,8.Geschw

物体检测之加载数据集和画框

(一)物体检测 前面咱们讨论的都是图片分类的问题,他注重的是图面中的主体,而对于其他的物体,就不会去关注。那么如果画面中有一只狗和一只猫,我们的模型该如何进行分类呢?其实我们更希望他能够做到的是,能发现图里面有一只狗和一只猫并且能够知道它们的位置,这就是物体检测。 (1)边缘框 在目标检测中,我们通常使用边界框(bounding box)来描述对象的空间位置。 边界框是矩形的,由矩形

多重检验矫正p值

因为P值的阈值是人为规定的,无论是多小的P值,也仅仅能代表结果的低假阳性,而非保证结果为真。如果检验一次,犯错的概率是5%;检测10000次,犯错的次数就是500次,即额外多出了500次差异的结论(即使实际没有差异)。即使P值已经很小(比如0.05),也会被检验的总次数无限放大。比如检验10000次,得到假阳性结果的次数就会达到 5%*10000=500次。 这时候我们就需要引入多重检验来进行校正