一个前端应必备的素养图谱
参加工作五年,从后端转岗前端,除了工作中用到,以及平时浏览的技术文章,并没有系统的学习过。随着对前端了解的增加,也更清晰的认识到了前端的迭代速度。各类脚手架,组件库如雨后春笋。我自己的近期学习也是零散,有可能一个知识点还没吃透,就去看另一个了。正好有机会看到github上的学习路线图。借此机会,自己也系统的学习整理一下,无论是已经了解的,还是未曾了解的,都重新梳理。
Irene181 Irene181
3年前
Python分析5000+抖音大V,发现大家都喜欢这类视频!
最近,小F在知乎上看到一个关于抖音的问题。里面提到了,目前我国人均每天刷短视频110分钟。看这数据,看来小F又被平均了。不过老实说,只要一打开抖音,小F确实是有一种停不下来的感觉~所以还是少刷抖音,多看书。要不然时间全流逝了。本期就给大家用数据分析一下在抖音,什么类型的视频最受欢迎。/01/数据获取数据来自于第三方监
李志宽 李志宽
3年前
成功端掉了一个色情网站!教科书级的社工教学。
0x00事件起因在知乎上,有一位叫凌云的大神讲述了自己端掉色情网站还把建站者揪出来教育了一顿,剧情实在精彩,主题非常正能量,强烈推荐给大家阅读。以下是正文内容。“我顺着一个色情网站域名顺藤摸瓜查到了背后操控者的真实身份,最后劝他关掉了色情网站,找份正经工作好好干”。——凌云今天要讲的事是在去年的9月份发生的,今天重新整理并且写下后来发生的事。事情是
筛选了几百份简历,明白了为什么大厂要设学历门槛了
IT交易平台最近一直在为公司招聘前端工程师,前前后后筛选了几百份简历,面试了大几十人,这过程中也发生了很多奇特的事情。渐渐明白,为什么大厂招聘时会在学历上设置门槛。这篇文章就给大家聊聊,从筛选简历到最终面试中发生的一些故事,很奇葩也很有意思。文章中涉的事大多与培训机构的速成与简历包装有关。关于培训机构的一些看法在开始之前,先声明一下自己对培训机构的看法。培训
Squirrel状态机-从原理探究到最佳实践
Squirrel状态机是一种用来进行对象行为建模的工具,主要描述对象在它的生命周期内所经历的状态,以及如何响应来自外界的各种事件。比如订单的创建、已支付、发货、收获、取消等等状态、状态之间的控制、触发事件的监听,可以用该框架进行清晰的管理实现。使用状态机来管理对象生命流的好处更多体现在代码的可维护性、可测试性上,明确的状态条件、原子的响应动作、事件驱动迁移目标状态,对于流程复杂易变的业务场景能大大减轻维护和测试的难度。
Wesley13 Wesley13
3年前
10月了,聊聊我今年参加秋招的真实感受
现在已经10月了,都说金九银十,这个说法到现在应该也不对了,在互联网行业,可能都是金七金八,铁九铜十,在现在的秋招的模式下,一般很多公司已经在7月就大规模的展开提前批的招聘了,而且,很多的offer基本上都是在7月和8月发出的,所以,一般来说,到了9月10月的时候,剩下的offer其实已经不多了,这里给大家如果还没有参加秋招的提个醒,互联网找工作,一定得提早
Wesley13 Wesley13
3年前
GAITC 2020 演讲实录丨张立华:机器智能的发展现状
  7月25日26日,在中国科学技术协会、中国科学院、中国工程院、浙江省人民政府、杭州市人民政府、浙江省人工智能发展专家委员会指导下,由中国人工智能学会、杭州市余杭区人民政府主办,浙江杭州未来科技城管理委员会承办的2020全球人工智能技术大会在“数字之都”——杭州,成功举办。在26日举办的机器智能前沿论坛上复旦大学智能机器人研究院常务副院长、特聘教
李志宽 李志宽
3年前
太强了哎!突然发现一个网安神器~
大家好,我是周杰伦。关注我的朋友,基本上都是从事网络安全行业,或者打算进入这个行业的。那问大家一个问题:你们知道乌云吗?我估计,有相当一部分同学的回答是不知道。时间如果倒退到五年前,一个网络安全人说不知道乌云,一定会被当作门外汉笑话的。而如今五年过去,乌云,这个曾经盛极一时安全论坛,逐渐消失在人们的记忆中。乌云论坛创建于2013年,创始人之一就是ID为“剑心
Wesley13 Wesley13
3年前
IJCAI
前言从去年11月下旬开始入坑机器学习,到现在也已经有半年了,一开始就是学习机器学习理论方面的知识,但是学到两三个月的时候总觉得没点实际操作,所以感到知识点很空洞。自己是自学机器学习的,周围又没有实际项目可以做,能拿来练手的恐怕只有各种数据算法竞赛了。今年二月到三月第一次参加了kaggle上的Toxic文本分类比赛,但是由于自身经验严重不足,和理论
Crane-scheduler:基于真实负载进行调度
作者邱天,腾讯云高级工程师,负责腾讯云TKE动态调度器与重调度器产品。背景原生kubernetes调度器只能基于资源的resourcerequest进行调度,然而Pod的真实资源使用率,往往与其所申请资源的request/limit差异很大,这直接导致了集群负载不均的问题:1.集群中的部分节点,资源的真实使用率远低于resourcerequest,却没有被调度更多的Pod,这造成了比较大的资源浪费;2.而集群中的另外一些节点,其资源的真实使用率事实上已经过载,却无法为调