Dojo
话题
新佳
订阅
极道
元认知
元逻辑
元设计
元编程
元语言
算法教程
用“数据与算法”解释DDD“上下文和聚合”
数据 vs 算法 = 上下文 vs. 聚合从对应位置来看: “数据”=“上下文” “算法”= “聚合” 数据=上下文首先,数据本身是上下文的一种体现,如果你熟悉写
什么是决策智能?
Cassie Kozyrkov是谷歌首席决策科学家,决策智能的先驱,本文是对决策智能的定义提要,原文点击标题:决策智能是人工智能时代领导力的新学科,决策智能是一门新的学科,涉及在选项之间进行选择的所有方面。它将应用数据科学、社会科学和管理科学的精华汇集到一个统一的领域,帮助人们使用数
vscode的LeetCode算法刷题插件
帮助读者刷题和学习算法,发布了labuladong 的刷题插件三件套,其中 Chrome 刷题插件广受大家的好评。所以现在
幽默:我不是码农,也不是一只编码猴子? - Bryan
我不是编码猴子,我是用代码解决业务问题,我需要了解这个业务问题(问题空间、领域问题上下文、为什么会有这个问题?)才能做好! 作为一名开发人员/程序员,需要理解商业业务领域。如果有人这么说:作为一名SWE(软件工程师),你们带来的只是关于通用
为什么领英让人扼腕叹息? - trungphan
作为全球最大招聘社区领英LinkedIn,如今却成为网络上模因笑梗的素材。是什么基因导致了今天令人叹息cringe的局面?为了回答这个问题,我读了一堆论坛、文章和LinkedIn工程博客的伟大见解。我认为是由3个因素造成的。 个性:LinkedIn要求你成为什么样的人
1500 种最常见的数据结构和算法解决方案 - Kalkicode
这个网站(点击标题)罗列了面试中经常被问到的例子。这些程序的主要目标是提供从一种语言到另一种语言的相对解决方案。这对于从一种语言迁移到另一种语言的程序员来说非常有用。这里给出了 c、c++、java、go、kotlin、node、c#、ruby、python 等的解决方案。
算法社会:“码农”翻身为“编码精英”带来的思考?
该文来自doi.org的社会学年度回顾出版,原文点击标题,以下是摘要:将海量数据集与用计算机代码编写的流程或算法相结合,以对它们进行分类、组织、提取或挖掘,这已经在几乎每一个主要的社会机构中取得了进展。本文献提出了三点思考: 首先,一个新职业阶层的兴起,我们称
复杂性自适应系统无法建模分析
“你无法通过建模或分析来理解复杂的自适应系统。你只能通过交互来理解它,通过多个代理的实时反馈循环,这样你就不会产生认知偏见。” @snowded , 复杂自适应系统, DDDEU 2018 简单案例就是自行车,你只有练习参与到自行车自适应系统才可与之融合,人体也是一种复杂自适应系统,
幽默:Ifelse、swtich、while、foreach形象比喻
Twitter能公开其算法吗?
恰逢马斯克收购推特之际,马斯克表示将公开推特的算法,最近推特新增又删除了一个名为“算法”却无代码的GitHub存储库,一些人认为这是在与马斯克开玩笑,更专业的观点如下:一些 Reddit 用户将此视为一条神秘信息,认为推特Twitter其实根本没有算法;而其他人则认为 Twitter
MarkovJunior: 一种基于模式匹配和约束传播的概率编程语言
MarkovJunior 是一种概率编程语言,其中程序是重写规则的组合,并且通过约束传播执行推理。MarkovJunior 以数学家
奈飞倾向于使用速度优先的快速数据压缩算法
Joey Lynch 是 Netflix 的高级软件工程师,负责云数据工程。他花费大量时间在数据库之间移动数据以及对数据进行散列/压缩。根据他的所有经验,他写了一篇很棒的博客文章,介绍了您必须处理数据的一些常见任务,他谈到了最好的算法、最差的算法以及预期的性能差异:
罗伯-派克的5条编程规则:数据高于算法
罗伯-派克(Rob Pike)是Go编程语言的设计者之一,也是贝尔实验室Unix团队的核心成员(他与Brian Kernighan合著了《Unix编程环境》)。 他还因其5条编程规则而闻名:你无法知道一个程序将在哪里度过它的时间。瓶
如何学习Java的规则引擎模式? - plagov
在这篇博文中,我想描述一下我是如何在为开源项目做出贡献的同时了解规则引擎模式的。在我作为测试自动化工程师的工作中,我一直在使用 Selenide</
如何避免让您的亚马逊账户被暂停?
每个亚马逊卖家都应该知道的35条规则 不要在同一地点开设多个账户,除非它们是不同的公司、不同的品牌,或者你有亚马逊的许可。 不要使用“有一个要卖吗?“在亚马逊上销售”按钮列出您的商品。 在没有权利人授权书的情况下,不要试图出售一个标志性的品牌。 在相关
通过阅读代码面试程序员?
在招聘开发人员时,我们会寻找很多东西,但多年来我发现原始编码能力很容易成为最重要的品质。我可以快速训练一个人掌握某个领域的知识,但我从未见过原始的编码能力来自于个人对广泛而深入的实践的承诺之外的任何东西。 面试老套路
大多数数据分析只是启发式的吗? - Reddit
业务分析方面并不涉及到太多的数学/统计数据,与数学或统计数据(涉及证明、多步计算、复杂计算)相比,大多数分析都是与业务模型或结果更接近的临时启发式方法。是否可得出:大多数分析只是启发式的经验? 大多数组织确实在寻找分析师,但他们说他们需要数
数据科学职业需要的三种职业技能
数据科学职业需要的三种职业技能: 1. 业务领域知识(业务逻辑) 2. 计算机科学知识(算法和数据结构) 3. 数学和统计知识
上页
下页