技术成长战略是什么?
文章目录
- 技术成长战略是什么?
- 1. 前言
- 2. 跟技术大牛学成长战略
- 2.1 系统性能专家案例
- 2.2 从开源到企业案例
- 2.3 技术媒体大V案例
- 2.4 案例小结
- 3. 学习金字塔和刻意训练
- 4. 战略思维的诞生
- 5. 建议
技术成长战略是什么?
1. 前言
在波波的微信技术交流群里头,经常有学员问关于技术人该如何学习成长的问题,虽然是微信交流,但我依然可以感受到小伙伴们焦虑的心情。
技术人为啥焦虑?恕我直言,说白了是胆识不足格局太小。胆就是胆量,焦虑的人一般对未来的不确定性怀有恐惧。
识就是见识,焦虑的人一般看不清楚周围世界,也看不清自己和适合自己的道路。格局也称志向,容易焦虑的人通常视野窄志向小。
如果从战略和管理的视角来看,就是对自己和周围世界的认知不足,没有一个清晰和长期的学习成长战略,也没有可执行的阶段性目标计划+严格的执行。
因为问此类问题的学员很多,让我感觉有点烦了,为了避免重复回答,所以我专门总结梳理了这篇长文,试图统一来回答这类问题。
如果后面还有学员问类似问题,我会引导他们来读这篇文章,然后让他们用三个月、一年甚至更长的时间,
去思考和回答这样一个问题: 你的技术成长战略究竟是什么? 如果你想清楚了这个问题,有清晰和可落地的答案,那么恭喜你,
你只需按部就班执行就好,根本无需焦虑,你实现自己的战略目标并做出成就只是一个时间问题;否则,你仍然需要通过不断磨炼+思考,
务必去搞清楚这个人生的大问题!!!
下面我们来看一些行业技术大牛是怎么做的。
2. 跟技术大牛学成长战略
我们知道软件设计是有设计模式(Design Pattern)的,其实技术人的成长也是有成长模式(Growth Pattern)的。
波波经常在Linkedin上看一些技术大牛的成长履历,探究其中的成长模式,从而启发制定自己的技术成长战略。
当然,很少有技术大牛会清晰地告诉你他们的技术成长战略,以及每一年的细分落地计划。但是,这并不妨碍我们通过他们的过往履历和产出成果,
去溯源他们的技术成长战略。 实际上,越是牛逼的技术人,他们的技术成长战略和路径越是清晰,我们越容易从中探究出一些成功的模式。
2.1 系统性能专家案例
国内的开发者大都热衷于系统性能优化,有些人甚至三句话离不开高性能/高并发,但真正能深入这个领域,做到专家级水平的却寥寥无几。
我这边要特别介绍的这个技术大牛叫Brendan Gregg,
他是系统性能领域经典书《System Performance: Enterprise and the Cloud》(中文版《性能之巅:洞悉系统、企业和云计算》)的作者,
也是著名的性能分析利器火焰图(Flame Graph)的作者。
Brendan Gregg 之前是 Netflix 公司的高级性能架构师,在 Netflix 工作近 7 年。2022 年 4 月,他离开了 Netflix 去了 Intel,担任院士职位。
总体上,他已经在系统性能领域深耕超过10年,Brendan Gregg的过往履历可以在linkedin上看到。
在这10年间,除了书籍以外,Brendan Gregg还产出了超过上百份和系统性能相关的技术文档,演讲视频/ppt,还有各种工具软件,相关内容都整整齐齐地分享在他的技术博客上,
可以说他是一个非常高产的技术大牛。
上图来自Brendan Gregg的新书《BPF Performance Tools: Linux System and Application Observability》。
从这个图可以看出,Brendan Gregg对系统性能领域的掌握程度,已经深挖到了硬件、操作系统和应用的每一个角落,可以说是360度无死角,整个计算机系统对他来说几乎都是透明的。
波波认为,Brendan Gregg是名副其实的,世界级的,系统性能领域的大神级人物。
2.2 从开源到企业案例
我要分享的第二个技术大牛是Jay Kreps,他是知名的开源消息中间件Kafka的创始人/架构师,也是Confluent公司的联合创始人和CEO,Confluent公司是围绕Kafka开发企业级产品和服务的技术公司。
从 Jay Kreps 的 Linkedin 履历 上我们可以看出,Jay Kreps之前在Linkedin工作了7年多(2007.6 ~ 2014. 9),
从高级工程师、工程主管,一直做到首席资深工程师。
Kafka大致是在2010年,Jay Kreps在Linkedin发起的一个项目,解决Linkedin内部的大数据采集、存储和消费问题。之后,他和他的团队一直专注Kafka的打磨,开源(2011年初)和社区生态的建设。
到2014年底,Kafka在社区已经非常成功,有了一个比较大的用户群,于是Jay Kreps就和几个早期作者一起离开了Linkedin,成立了Confluent公司,开始了Kafka和周边产品的企业化服务道路。
今年(2020.4月),Confluent公司已经获得E轮2.5亿美金融资,公司估值达到45亿美金。从Kafka诞生到现在,Jay Kreps差不多在这个产品和公司上投入了整整10年。
上图是Confluent创始人三人组,一个非常有意思的组合,一个中国人(左),一个印度人(右),中间的Jay Kreps是美国人。
我之所以对Kafka和Jay Kreps的印象特别深刻,是因为在2012年下半年,我在携程框架部也是专门搞大数据采集的,我还开发过一套功能类似Kafka的Log Collector + Agent产品。我记得同时期有不止4个同类型的开源产品:Facebook Scribe、Apache Chukwa、Apache Flume和Apache Kafka。现在回头看,只有Kafka走到现在发展得最好,这个和创始人的专注和持续投入是分不开的,当然背后和几个创始人的技术大格局也是分不开的。
当年我对战略性思维几乎没有概念,还处在什么技术都想学、认为各种项目做得越多越牛的阶段。
搞了半年的数据采集以后,我就掉头搞其它“更有趣的”项目去了(从这个事情的侧面,也可以看出我当年的技术格局是很小的)。
中间我陆续关注过Jay的一些创业动向,但是没想到他能把Confluent公司发展到目前这个规模。
现在回想,其实在十年前,Jay Kreps对自己的技术成长就有比较明确的战略性思考,也具有大的技术格局和成事的一些必要特质。
Jay Kreps和Kafka给我上了一堂生动的技术战略和实践课。
2.3 技术媒体大V案例
介绍到这里,有些同学可能会反驳说:波波你讲的这些大牛都是学历背景好,功底扎实起点高,所以他们才更能成功。
其实不然,这里我再要介绍一位技术媒体界的大V叫Brad Traversy,大家可以看他的Linkedin简历,
背景很一般,学历差不多是一个非正规的社区大学(相当于大专),没有正规大厂工作经历,有限几份工作一直是在做网站外包。
但是Brad Traversy目前是技术媒体领域的一个大V,当前他在Youtube上有138万多的订阅量,10年累计输出Web开发和编程相关教学视频超过800个。
Brad Traversy也是Udemy上的一个成功讲师,目前已经在 Udemy 上累计输出课程 19 门,购课学生数量近 42 万。
Brad Traversy目前是自由职业者,他的Youtube广告+Udemy课程的收入相当不错。
就是这样一位技术媒体大V,你很难想象,在年轻的时候,贴在他身上的标签是:不良少年,酗酒,抽烟,吸毒,纹身,进监狱。。。
直到结婚后的第一个孩子诞生,他才开始担起责任做出改变,然后凭借对技术的一腔热情,开始在Youtube平台上持续输出免费课程。
从此他找到了适合自己的战略目标,然后人生开始发生各种积极的变化。。。
如果大家对Brad Traversy的过往经历感兴趣,推荐观看他在Youtube上的自述视频《My Struggles & Success》。
我粗略浏览了Brad Traversy 在 Youtube 上的所有视频,10 年总计输出 800+视频,平均每年 80+。
第一个视频提交于 2010 年 8 月,刚开始几年几乎没有订阅量,2017 年 1 月订阅量才到 50k,这中间差不多隔了 6 年。
2017.10 月订阅量猛增到 200k,2018 年 3 月订阅量到 300k。当前 2021.1 月,订阅量达到 138 万。可以认为从 2017 开始,也就是在积累了 6 ~ 7 年后,他的订阅量开始出现拐点。
如果把这些数据画出来,将会是一条非常漂亮的复利曲线。
2.4 案例小结
Brendan Gregg
,Jay Kreps
和Brad Traversy
三个人走的技术路线各不相同,但是他们的成功具有共性或者说模式:
1.找到了适合自己的长期战略目标
- Brendan Gregg: 成为系统性能领域顶级专家
- Jay Kreps:开创基于Kafka开源消息队列的企业服务公司,并将公司做到上市
- Brad Traversy: 成为技术媒体领域大V和课程讲师,并以此作为自己的职业
2.专注深耕一个(或有限几个相关的)细分领域(Niche),保持定力,不随便切换领域
- Brendan Gregg:系统性能领域
- Jay Kreps: 消息中间件/实时计算领域+创业
- Brad Traversy: 技术媒体/教学领域,方向Web开发 + 编程语言
3.长期投入,三人都持续投入了10年
4.年度细分计划+持续可量化的价值产出(Persistent & Measurable Value Output)
- Brendan Gregg:除公司日常工作产出以外,每年有超过10份以上的技术文档和演讲视频产出,平均每年有2.5个开源工具产出。十年共产出书籍2本,其中《System Performance》已经更新到第二版。
- Jay Kreps:总体有开源产品+公司产出,1本书产出,每年有Kafka和周边产品发版若干。
- Brad Traversy: 每年有Youtube免费视频产出(平均每年80+)+Udemy收费视频课产出(平均每年1.5门)。
上面总结了几位技术大牛的成长模式,其中一个重点就是:这些大牛的成长都是通过 持续有价值产出(Persistent Valuable Output) 来驱动的。
持续产出为啥如此重要,这个还要从下面的学习金字塔说起。
3. 学习金字塔和刻意训练
学习金字塔是美国缅因州国家训练实验室的研究成果,它认为:
1.我们平时上课听讲之后,学习内容平均留存率大致只有5%左右;
2.书本阅读的平均留存率大致只有10%左右;
3.学习配上视听效果的课程,平均留存率大致在20%左右;
4.老师实际动手做实验演示后的平均留存率大致在30%左右;
5.小组讨论(尤其是辩论后)的平均留存率可以达到50%左右;
6.在实践中实际应用所学之后,平均留存率可以达到75%左右;
7.在实践的基础上,再把所学梳理出来,转而再传授给他人后,平均留存率可以达到90%左右。
上面列出的7种学习方法,前四种称为 被动学习 ,后三种称为 主动学习 。
拿学游泳做个类比,被动学习相当于你看别人游泳,而主动学习则是你自己要下水去游。我们知道游泳或者跑步之类的运动是要燃烧身体卡路里的,这样才能达到锻炼身体和长肌肉的效果(肌肉是卡路里燃烧的结果)。如果你只是看别人游泳,自己不实际去游,是不会长肌肉的。同样的,主动学习也是要燃烧脑部卡路里的,这样才能达到训练大脑和长脑部“肌肉”的效果。
我们也知道,燃烧身体的卡路里,通常会让人感觉不舒适,如果燃烧身体卡路里会让人感觉舒适的话,估计这个世界上应该不会有胖子这类人。同样,燃烧脑部卡路里也会让人感觉不适、紧张、出汗或语无伦次,如果燃烧脑部卡路里会让人感觉舒适的话,估计这个世界上人人都很聪明,人人都能发挥最大潜能。当然,这些不舒适是短期的,长期会使你更健康和聪明。波波一直认为, 人与人之间的先天身体其实都差不多,但是后天身体素质和能力有差异,这些差异,很大程度是由后天对身体和大脑的训练质量、频度和强度所造成的 。
明白这个道理之后,心智成熟和自律的人就会对自己进行持续地 刻意训练 。这个刻意训练包括对身体的训练,比如波波现在每天坚持跑步3km,走3km,每天做60个仰卧起坐,5分钟平板撑等等,每天保持让身体燃烧一定量的卡路里。刻意训练也包括对大脑的训练,比如波波现在每天做项目写代码coding(训练脑+手),平均每天在B站上输出十分钟免费视频(训练脑+口头表达),另外有定期总结输出公众号文章(训练脑+文字表达),还有每天打半小时左右的平衡球(下图)或古墓丽影游戏(训练小脑+手),每天保持让大脑燃烧一定量的卡路里,并保持一定强度(适度不适感)。
关于刻意训练的专业原理和方法论,推荐看书籍《刻意练习》。
注意,如果你平时从来不做举重锻炼的,那么某天突然做举重会很不适应甚至受伤。脑部训练也是一样的,如果你从来没有做过视频输出,那么刚开始做会很不适应,做出来的视频质量会很差。不过没有关系,任何训练都是一个循序渐进,不断强化的过程。等大脑相关区域的"肌肉"长出来以后,会逐步步入正循环,后面会越来越顺畅,相关"肌肉"会越来越发达。所以,和健身一样,健脑也不能遇到困难就放弃,需要循序渐进(Incremental)+持续地(Persistent)刻意训练。
理解了学习金字塔和刻意训练以后,现在再来看Brendan Gregg,Jay Kreps和Brad Traversy这些大牛的做法,他们的学习成长都是建立在持续有价值产出的基础上的,这些产出都是刻意训练+燃烧脑部卡路里的成果。他们的产出要么是建立在实践基础上的产出,例如Jay Kreps的Kafka开源项目和Confluent公司;要么是在实践的基础上,再整理传授给其它人的产出,例如,Brendan Greeg的技术演讲ppt/视频,书籍,还有Brad Traversy的教学视频等等。换句话说,他们一直在学习金字塔的5~7层主动和高效地学习。并且,他们的学习产出还可以获得用户使用,有客户价值(Customer Value),有用户就有量化和反馈。记住,有量化+反馈的学习,也称闭环学习,它是能够不断改进提升的;反之,没有量化+反馈的学习,无法改进提升。
现在,你也应该明白,列个书单秀个技能图谱很简单,读个书上个课也不难。但是要你给出5~10年的总体技术成长战略,再基于这个战略给出每年的细分落地计划(尤其是产出计划),然后再严格按计划执行,这的确是很难的事情。这需要大量的实践训练+深度思考,要燃烧大量的脑部卡路里!但这是上天设置的进化法则,成长为真正的技术大牛如同成长为一流的运动员,是需要通过燃烧与之相匹配量的卡路里来交换的。成长为真正的技术大牛,也是需要通过产出与之匹配的社会价值来交换的,只有这样社会才能正常进化。你推进了社会进化,社会才会回馈你。如果不是这样,社会就无法正常进化。
4. 战略思维的诞生
思考周期和机会点
一般毕业生刚进入企业工作的时候,思考大都是以天/星期/月为单位的,基本上都是今天学个什么技术,明天学个什么语言,很少会去思考一年甚至更长的目标。这是个眼前漆黑看不到的懵懂时期,捕捉到机会点的能力和概率都非常小。
工作了三年以后,悟性好的人通常会以一年为思考周期,制定和实施一些年度计划。这个时期是相信天赋和比拼能力的阶段,可以捕捉到一些小机会。
工作了五年以后,一些悟性好的人会产生出一定的胆识和眼光,他们会以3~5年为周期来制定和实施计划,开始主动布局去捕捉一些中型机会点。
工作了十年以后,悟性高的人会看到模式和规则变化,例如看出行业发展模式,还有人才的成长模式等,于是开始诞生出战略性思维。然后他们会以5~10年为周期来制定和实施自己的战略计划,开始主动布局去捕捉一些中大机会点。Brendan Gregg,Jay Kreps和Brad Traversy都是属于这个阶段的人。
当然还有很少一些更牛的时代精英,他们能够看透时代和人性,他们的思考是以一生甚至更长时间为单位的,这些超人不在本文讨论范围内。
5. 建议
1、以 5 ~ 10 年为周期去布局谋划你的战略
现在大学生毕业的年龄一般在 22 ~ 23 岁,那么在工作了十年后,也就是在你 32 ~ 33 岁的时候,你也差不多看了十年了,应该对自己和周围的世界(你的行业和领域)有一个比较深刻的领悟了。 如果你到这个年纪还懵懵懂懂,今天抓东明天抓西,那么只能说你的胆识格局是相当的低。在当前 IT 行业竞争这么激烈的情况下,到 35 岁被下岗可能就在眼前了。
有了战略性思考,你应该以 5 ~ 10 年为周期去布局谋划你的战略。以 Brendan Gregg,Jay Kreps 和 Brad Traversy 这些大牛为例,人生若真的要干点成就出来,投入周期一般都要十年的。从 33 岁开始,你大致有 3 个十年,因为到 60 岁以后,一般人都老眼昏花干不了大事了。如果你悟性差一点,到 40 岁才开始规划,那么你大致还有 2 个十年。如果你规划好了,这 2 ~ 3 个十年可以成就不小的事业。否则,你很可能一生都成就不了什么事业,或者一直在帮助别人成就别人的事业。
2、专注自己的精力
考虑到人生能干事业的时间也就是 2 ~ 3 个十年,你会发现人生其实很短暂,这时候你会把精力都投入到实现你的十年战略上去,没有时间再浪费在比如网上的闲聊和扯皮争论上去。
3、细分落地计划尤其是产出计划
有了十年战略方向,下一步是每年的细分落地计划,尤其是产出计划。这些计划主要应该工作在学习金字塔的 5/6/7 层。产出应该是刻意训练+燃烧卡路里的结果,每天让身体和大脑都保持燃烧一定量的卡路里。
4、产出有价值的东西形成正反馈
产出应该有客户价值,自己能学习(自己成长进化),对别人还有用(推动社会成长进化),这样可以得到用户回馈和度量,形成一个闭环,可以持续改进和提升你的学习。
5、少即是多
深耕一个(或有限几个相关的)领域。所有细分计划应该紧密围绕你的战略展开。克制内心欲望,不要贪多和分心,不要被喧嚣的世界所迷惑。
6、战略方向+细分计划都要写下来,定期 review 优化
7、要有定力,持续努力
曲则全、枉则直,战略实现是不可能直线的。战略方向和细分计划通常要按需调整,尤其在早期,但是最终要收敛。如果老是变不收敛,就是缺乏战略定力,是个必须思考和解决的大问题。
别人的成长战略可以参考,但是不要刻意去模仿,你有你自己的颜色,你应该成为独一无二的你。
战略方向和细分计划明确了,接下来就是按部就班执行,十年如一日铁打不动。
8、慢就是快
战略目标的实现也和种树一样是生长出来的,需要时间耐心栽培,记住**慢就是快。**焦虑纠结的时候,像念经一样默念王阳明《传习录》中的教诲:
立志用功,如种树然。方其根芽,犹未有干;及其有干,尚未有枝;枝而后叶,叶而后花实。初种根时,只管栽培灌溉。勿作枝想,勿作花想,勿作实想。悬想何益?但不忘栽培之功,怕没有枝叶花实?
译文:
实现战略目标,就像种树一样。刚开始只是一个小根芽,树干还没有长出来;树干长出来了,枝叶才能慢慢长出来;树枝长出来,然后才能开花和结果。刚开始种树的时候,只管栽培灌溉,别老是纠结枝什么时候长出来,花什么时候开,果实什么时候结出来。纠结有什么好处呢?只要你坚持投入栽培,还怕没有枝叶花实吗?
https://blog.mosong.cc
原文地址:https://mp.weixin.qq.com/s/YrN8T67s801-MRo01lCHXA
相关文章:

技术成长战略是什么?
文章目录 技术成长战略是什么?1. 前言2. 跟技术大牛学成长战略2.1 系统性能专家案例2.2 从开源到企业案例2.3 技术媒体大V案例2.4 案例小结 3. 学习金字塔和刻意训练4. 战略思维的诞生5. 建议 技术成长战略是什么? 1. 前言 在波波的微信技术交流群里头…...

【前端】Vue3与Element Plus结合使用的超详细教程:从入门到精通
文章目录 Moss前沿AI一、教程概述1.1 目标读者1.2 学习目标 二、为什么选择Vue3与Element Plus2.1 Vue3的优势2.2 Element Plus的优势2.3 二者结合的优势 三、环境搭建3.1 创建Vue3项目3.2 安装Element Plus3.3 引入Element Plus 四、Element Plus常用组件使用详解4.1 按钮&…...

Linux 35.6 + JetPack v5.1.4之 pytorch升级
Linux 35.6 JetPack v5.1.4之 pytorch升级 1. 源由2. 升级步骤1:获取二进制版本步骤2:安装二进制版本步骤3:获取torchvision步骤4:安装torchvision步骤5:检查安装版本 3. 使用4. 补充4.1 torchvision版本问题4.2 支持…...
旷视科技C++面试题及参考答案
在 Linux 系统下常用的命令有哪些? 在 Linux 系统中有许多常用命令。首先是文件和目录操作相关的命令。“ls” 命令用于列出目录的内容,它有很多选项,比如 “ls -l” 可以以长格式显示文件和目录的详细信息,包括文件权限、所有者、大小、修改时间等;“ls -a” 则会显示所有…...
C 语言函数指针 (Pointers to Functions, Function Pointers)
C 语言函数指针 {Pointers to Functions, Function Pointers} 1. Pointers to Functions (函数指针)2. Function Pointers (函数指针)2.1. Declaring Function Pointers2.2. Assigning Function Pointers2.3. Calling Function Pointers 3. Jump Tables (转移表)References 1. …...

66.基于SpringBoot + Vue实现的前后端分离-律师事务所案件管理系统(项目 + 论文)
项目介绍 传统办法管理信息首先需要花费的时间比较多,其次数据出错率比较高,而且对错误的数据进行更改也比较困难,最后,检索数据费事费力。因此,在计算机上安装律师事务所案件管理系统软件来发挥其高效地信息处理的作用…...
Docker容器中Elasticsearch内存不足问题排查与解决方案
在使用Docker运行Elasticsearch(ES)时,可能会遇到内存不足的问题,导致ES无法启动。以下是一次完整的排查和解决过程。 问题描述 在启动ES时,日志提示如下错误: # Native memory allocation (mmap) failed…...

Ubuntu 下测试 NVME SSD 的读写速度
在 Ubuntu 系统下,测试 NVME SSD 的读写速度,有好多种方法,常用的有如下几种: 1. Gnome-disks Gnome-disks(也称为“Disks”)是 GNOME 桌面环境中的磁盘管理工具,有图形界面,是测试…...
Neo4j的部署和操作
注:本博文展示部署哥操作步骤和命令,具体报告及运行截图可通过上方免费资源绑定下载 一.数据库的部署与配置 在单个节点上对进行数据库的单机部署 (1)上传neo4j-community-3.5.30-unix.tar.gz到hadoop1的/export/so…...
react axios 优化示例
使用 axios 是 React 项目中非常常见的 HTTP 请求库。为了提升 axios 在 React 中的性能、可维护性和用户体验,我们可以从 代码组织、请求优化 和 用户体验优化 多个角度进行详细的优化。 一、安装与基础配置 安装 axios npm install axios创建 Axios 实例 为了更好地管理…...

探索数字化展馆:开启科技与文化的奇幻之旅
在科技飞速发展的当下,数字展馆作为一种新兴的展示形式,正逐渐走进大众的视野。数字展馆不仅仅是传统展馆的简单“数字化升级”,更是融合了多媒体、数字化技术以及人机交互等前沿科技的创新产物。 数字展馆借助VR、AR、全息投影等高科技手段&…...

基于深度学习的视觉检测小项目(七) 开始组态界面
开始设计和组态画面。 • 关于背景和配色 在组态画面之前,先要确定好画面的风格和色系。如果有前端经验和美术功底,可以建立自己的配色体系。像我这种工科男,就只能从网络上下载一些别人做好的优秀界面,然后在photo shop中抠取色…...

AI赋能跨境电商:魔珐科技3D数字人破解出海痛点
跨境出海进入狂飙时代,AI应用正在深度渗透并重塑着跨境电商产业链的每一个环节,迎来了发展的高光时刻。生成式AI时代的大幕拉开,AI工具快速迭代,为跨境电商行业的突破与飞跃带来了无限可能性。 由于跨境电商业务自身特性鲜明&…...
【C/C++】nlohmann::json从文件读取json,并进行解析打印,实例DEMO
使用 json::parse 函数将JSON格式的字符串解析为 nlohmann::json 对象。这个函数支持多种输入源,包括字符串、文件流等。 #include <iostream> #include <nlohmann/json.hpp> #include <fstream>using json nlohmann::json;int main() {// 解析…...

安装Anaconda搭建Python环境,并使用VSCode作为IDE运行Python脚本
下面详细说明如何安装Anaconda搭建Python环境,并使用VSCode作为编辑器运行Python脚本的过程: 1. 下载Anaconda 访问Anaconda的官方网站:https://www.anaconda.com/products/distribution 3. 根据您的操作系统选择适合的版本下载。Anaconda支…...
我用AI学Android Jetpack Compose之入门篇(1)
这篇我们先来跑通第一个Android Jetpack Compose工程,现在新版本的Android Studio,新建工程选择Empty Activity默认就会开启Jetpack Compose的支持,再次声明,答案来自 通义千问Ai 文章目录 1.用Android Jetpack Compose需要安装什…...
使用 Docker 查看 Elasticsearch 错误日志
在使用 Elasticsearch(简称 ES)的过程中,我们可能会遇到各种问题。为了快速定位和解决这些问题,查看错误日志是关键。本文将介绍如何使用 Docker 查看 Elasticsearch 的错误日志,并提供一些实用技巧。 1. 安装 Docker…...

使用Apache Mahout制作 推荐引擎
目录 创建工程 基本概念 关键概念 基于用户与基于项目的分析 计算相似度的方法 协同过滤 基于内容的过滤 混合方法 创建一个推荐引擎 图书评分数据集 加载数据 从文件加载数据 从数据库加载数据 内存数据库 协同过滤 基于用户的过滤 基于项目的过滤 添加自定…...

Elasticsearch:利用 AutoOps 检测长时间运行的搜索查询
作者:来自 Elastic Valentin Crettaz 了解 AutoOps 如何帮助你调查困扰集群的长期搜索查询以提高搜索性能。 AutoOps 于 11 月初在 Elastic Cloud Hosted 上发布,它通过性能建议、资源利用率和成本洞察、实时问题检测和解决路径显著简化了集群管理。 Au…...
python二元表达式 三元表达式
目录 二元表达式必须要有else,示例: 二元表达式: 三元表达式 可以嵌套成多元表达式 python 代码中,有时写 if else比较占行,把代码变一行的方法就是二元表达式, 二元表达式必须要有else,示例: if img is None:breakcv2.imwrite("aaa.jpg", img) if coun…...

第二十八章 字符串与数字
第二十八章 字符串与数字 计算机程序完全就是和数据打交道。很多编程问题需要使用字符串和数字这种更小的数据来解决。 参数扩展 第七章,已经接触过参数扩展,但未进行详细说明,大多数参数扩展并不用于命令行,而是出现在脚本文件中。 如果没有什么特殊原因,把参数扩展放…...

MS39531N 是一款正弦驱动的三相无感直流电机驱动器,具有最小振动和高效率的特点
MS39531N 是一款正弦驱动的三相无感直流电机驱动器,具有最小振动和高效率的特点 简述 MS39531 是一款正弦驱动的 三相无感直流电机驱动器 ,具有最小振动和高效率的特点。该驱动器内部集成了基本的闭环速度控制功能,能够根据特定的应用定制电…...

行为型设计模式之Mediator(中介者)
行为型设计模式之Mediator(中介者) 1)意图 用一个中介对象来封装一系列的对象的交互。中介者使各对象不需要显示的相互引用,从而使其耦合松散,而且可以独立地改变它们之间的交互。 2)结构 其中ÿ…...

PDF转Markdown/JSON软件MinerU最新1.3.12版整合包下载
MinerU发布至今我已经更新多版整合包了,5天前MinerU发布了第一个正式版1.0.1,并且看到在18小时之前有更新模型文件,我就做了个最新版的一键启动整合包。 2025年02月21日更新v1.1.0版整合包 2025年02月27日更新v1.2.0版整合包 2025-06-05 更…...

vue3+TS+eslint9配置
记录eslint升级到9.x的版本之后遇到的坑 在 ESLint 9 中,配置方式发生了变化。Flat Config 格式(eslint.config.js 或 .ts)不再支持 extensions 选项。所以vscode编辑器中的 extensions 需要注释掉,要不然保存的时候不会格式化。…...

链表好题-多种实现
143. 重排链表 - 力扣(LeetCode) 这道题非常经典,很多大厂都作为面试题。 方法一:寻找中点翻转链表合并链表 class Solution { public:void reorderList(ListNode* head) {if (head nullptr) {return;}ListNode* mid middleNo…...

EasyRTC嵌入式音视频通信SDK助力物联网/视频物联网音视频打造全场景应用
一、方案概述 随着物联网技术的飞速发展,视频物联网在各行业的应用日益广泛。实时音视频通信技术作为视频物联网的核心支撑,其性能直接影响着系统的交互体验和信息传递效率。EasyRTC作为一款成熟的音视频框架,具备低延迟、高画质、跨平台等…...
AI不会杀死创作,但会杀死平庸
作为一个敲了8年Java代码的普通本科程序员,日常主要泡在会议后台管理系统的开发里。从2023年底被朋友拽着试了第一把AI工具到现在,电脑手机上的AI软件比外卖App还多——写代码的Copilot、画时序图的工具、聊天的ChatGPT、Deepseek,基本市面上…...

基于VMD-LSTM融合方法的F10.7指数预报
F10.7 Daily Forecast Using LSTM Combined With VMD Method F10.7 solar radiation flux is a well-known parameter that is closely linked to solar activity, serving as a key index for measuring the level of solar activity. In this study, the …...
如何评估大语言模型效果
评估大模型微调后的效果是一个系统化的过程,需要结合客观指标和主观评估,并根据任务类型(分类、生成、回归等)选择合适的评估方法。 一、评估前的准备工作 数据集划分: 将数据分为 训练集、验证集 和 测试集ÿ…...