懶惰懈怠是最大的敵人，身體是，思想上面更為嚴重
寫部落格是為了鍛鍊自己的表達能力，把事情表述條理的能力，同時還是為了經常的總結思考所見，要不然腦子還是一坨漿糊
多思善問，多總結內化成自己的東西
之前看過一篇文章，說了單純根據編碼能力來區分的程式設計師可以有五類：拷貝型，新手型，學習型，實現型，架構型。
仔細回想了下自己平時的工作內容，發現自己還只是拷貝型和新手型的程式設計師，躺槍了，工作4年多白忙活了，細細想想還是自己的懶惰造成的，不願深入思考，只是為了完成任務而已。
殘酷的現實是，你想要做到我以上列舉的每條能力，只有不斷將資訊量擴充，讓自己的見識與眼界不再停留在自身專業上，自此，不同資訊之間的「牆」，已經被你打破，非但沒用因為資訊多雜而凌亂，反而愈發清晰起來。
接下來的目標就是要打破不同資訊之間的強，不因資訊多雜而凌亂，而是愈發清晰，能夠透過現象看到本質，捉住問題的關鍵點
最終是要給自己和家人一個更幸福舒適，自由的生活！
相關推薦
懶惰懈怠是最大的敵人，身體是，思想上面更為嚴重
寫部落格是為了鍛鍊自己的表達能力，把事情表述條理的能力，同時還是為了經常的總結思考所見，要不然腦子還是一坨漿糊 多思善問，多總結內化成自己的東西 之前看過一篇文章，說了單純根據編碼能力來區分的程式設計師可以有五類：拷貝型，新手型，學習型，實現型，架構型。 仔細回想了下自己平
[51NOD1524] 可除圖的最大團（組合，dp）
鏈接 ble spa 組合 sin ons .html color 出現的次數 題目鏈接：https://www.51nod.com/onlineJudge/questionCode.html#!problemId=1524 題意：略。 這個題相當於是找出現最長的整除鏈。
『樂營銷』最大的營銷謊言，最成功的營銷案例！
大學 還要 中國 感覺 每次 思維 味道 原因 產品 世界上最大的營銷謊言是石頭賣出黃金的價格。“鉆石恒久遠，一顆永流傳！”大家都會記得這個著名的鉆石的廣告語。一種毫無用處的石頭，怎麽就超過了黃金的價格？這看似廣告語的成功，其實是其背後營銷思維的成功。 那麽，成功的營銷
全球最大“人造大腦”啟動，100萬ARM晶片，每秒200萬億次操作
大腦是身體中最複雜的器官，也是最難解開的器官。科學家已經開發出多種方法來更好地瞭解大腦，包括使用超級計算機。 世界上最大的神經形態超級計算機Spiking Neural Network Architecture（SpiNNaker）日前首次啟用，它擁有100萬個處理器核心，每
【51Nod - 1272 】最大距離 （思維，排序sort的空間優化）
題幹： 給出一個長度為N的整數陣列A，對於每一個數組元素，如果他後面存在大於等於該元素的數，則這兩個數可以組成一對。每個元素和自己也可以組成一對。例如：{5, 3, 6, 3, 4, 2}，可以組成11對，如下（數字為下標）： (0,0), (0, 2), (1, 1), (1, 2),
[WC2011]最大XOR和路徑，洛谷P4151，線性基+Dfs
正題 這一題挺水的？ 直接隨便求一條1到n的路徑異或和，建出Dfs樹，每一條返祖邊與兩點之間路徑異或和組成環，扔進線性基，最後維護一遍即可。 首先證明為什麼只
作業三——求左部分中的最大值減去右部分最大值的絕對值，最大是多少
給定一個長度為N(N>1)的整型陣列A，可以將A劃分成左右兩個部分，左部分A[0..K]，右部分A[K+1..N-1]，K可以取值的範圍是[0,N-2]。求這麼多劃分方案中，左部分中的最大值減去右部分最大值的絕對值，最大是多少？ 給定整數陣列A和陣列的大小n，請返回題目所求的答案。 測
演算法優化：最大欄位和，雙指標遍歷(n^2)，分治法(nlogn)，動態規劃(n)
最大欄位和，有點類似與最長公共子序列，這裡是求連續一段求和最大的一段，比如[-2,11,-4,-4,13,-5,-2]最大求和的連續一段為11,-4,-4,13，和為16. 最基本的雙針模型遍歷，兩個指標，分別代表最大和序列的起始和終止,演算法時間複雜度O(n^2) # 以下演算法時
pandas筆記3：修改Dataframe一列的最大值及loc，iloc用法
話不多說，先看怎麼修改某一列的最大值。 那首先就要先找到該列的最大值： import numpy as np import pylab as plt plt.style.use("ggplot") import pandas as pd df = pd.DataFrame({"A":[
20個爭議最大的程式設計觀點，你認可幾點？
在StackOverflow上有這樣的一個貼子《What’s your most controversial programming opinion?》，中文的意思是“你認為最受爭議的程式設計觀點有哪些？”，這個帖子是Jon Skeet在2009年1月提出，Jon Skeet是C#社群大名鼎鼎的人物
資料結構與演算法——有1億個整數，找出最大的1000個，要求時間越短越好，空間佔用越少越好
有1億個整數，找出最大的1000個，要求時間越短越好，空間佔用越少越好（迅雷筆試） 首先要明白1億個整數佔用多大的記憶體，按每個整數4個位元組來算，用400000000B，大約400000KB，大約4
mysql分組排序取最大值所在行，類似hive中row_number() over partition by
如下圖， 計劃實現 ：按照 parent_code 分組， 取組中code最大值所在的整條記錄，如紅色部分。（類似hive中： row_number() over(partition by)） select c.* from ( select a.*, (@i := ca
HDU 3861 The King’s Problem（tarjan縮點+最小路徑覆蓋：sig-最大二分匹配數，經典題）...
The King’s Problem Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 65536/32768 K (Java/Others)Total Submission(s): 4080 Accepted Submission(s):
215. 陣列中的第K個最大元素（中等，陣列）（12.25）
在未排序的陣列中找到第 k 個最大的元素。請注意，你需要找的是陣列排序後的第 k 個最大的元素，而不是第 k 個不同的元素。 示例 1: 輸入: [3,2,1,5,6,4] 和 k = 2 輸出: 5 示例 2: 輸入: [3,2,3,1,2,4,5,
最大似然估計，最大後驗估計，貝葉斯估計聯絡與區別
1.什麼是引數 在機器學習中，我們經常使用一個模型來描述生成觀察資料的過程。例如，我們可以使用一個隨機森林模型來分類客戶是否會取消訂閱服務（稱為流失建模），或者我們可以用線性模型根據公司的廣告支出來預測公司的收入（這是一個線性迴歸的例子）。每個模型都包含自己的
最大似然估計，交叉熵，相對熵(KL散度)
在機器學習中，選擇損失函式時，通常會遇到交叉熵的概念，也就是交叉熵損失函式，那麼我們知道最小化交叉熵損失函式等價於最大化對數似然，那麼最小化交叉熵損失函式其含義是怎麼樣本的？我們知道針對分類問題，我們並不知道Y的真實分佈，因此需要通過模型來估計Y的真實分佈，以邏
最大似然估計，最大後驗估計，貝葉斯估計
這三種方法都是監督學習中的引數估計方法，假定已知data的分佈形式（比如第二章裡介紹的各種分佈），但是需要確定引數。 1 最大似然估計Maximize Likelihood Estimation等價於曲線擬合中的最小二乘法，MLE把待估的引數看作是確定性的量，只是其取值未知
樹形dp ，求最大路徑權值，最長路徑
#include <cstdio> #include <deque> #include <set> #include <string> #include <map> #include <vector>
HDU 3549 Flow Problem（最大流裸題，EK解法）
EK現在用起來已經比較熟練了，比較簡單的題目，直接就可以解決，但發現EK，其實效率有些低，是O（V*E^2）的，搞不好，還會超時。同時看別人的部落格，發現用EK的比較少。今天，聽學長講，dinic用的比較多，sap學起來有一定難度，接下來抓緊學一下dinic！ 好了，廢話不
noip2000乘積最大 （高精度，動態規劃）
A1125. 乘積最大 時間限制：1.0s 記憶體限制：256.0MB 總提交次數：355 AC次數：182 平均分：65.49 試題來源 NOIP2000 提高組 問題描述 今年是國際數學聯盟確定的“2000——世界數學年”