获得徽章 0
- 极客空间《技术领导力300讲》读后感---离职老东家休息两周，边旅游边看，入职新公司两周，每天晚上看，260篇文章，80万字也算在一个月内看完了。收益颇多，本来想划划重点，发现每一篇都是重点。。
虽说知行合一很重要，但是没读到这些文字，作为一个小菜鸟，哪能想象到大佬们要遇到的问题，大佬们又是如何成功的。。这门课真的很值得每个做IT的人看看。他是一本指南书，让你明白自己现在的不足，知道自己将来的方向。
甚至如果你能明白自己不适合这个行业，去开30家周黑鸭，说不定也是种收货！展开评论点赞 - 极客空间《技术领导力300讲》读后感---离职老东家休息两周，边旅游边看，入职新公司两周，每天晚上看，260篇文章，80万字也算在一个月内看完了。收益颇多，本来想划划重点，发现每一篇都是重点。。
虽说知行合一很重要，但是没读到这些文字，作为一个小菜鸟，哪能想象到大佬们要遇到的问题，大佬们又是如何成功的。。这门课真的很值得每个做IT的人看看。他是一本指南书，让你明白自己现在的不足，知道自己将来的方向。
甚至如果你能明白自己不适合这个行业，去开30家周黑鸭，说不定也是种收货！展开评论点赞 - 作为从感知智能到认知智能跨越的重要基石之一，知识图谱被寄予了厚望，但真正在落地上却鲜见成功案例。尤其是很多公司和地方政府机构在谈需求的时候，一上来就说，“我想用知识图谱技术，你们能不能把现在的知识库变成知识图谱？实现大数据的链接应用？”其实，知识图谱技术能不能应用，要综合考量多方面因素，就拿知识的表示和存储来说，选用不同的数据库，就需要用到不同的知识表示。RDF（数据的一种三元组表示形式）的数据表示可以选用 Jena 数据库，而图表示可以选用 Neo4j 图数据库。对不同来源的数据还需要进行大量的数据清洗和结构化，甚至还牵扯到纸质文档（例如医院病历）的手工录入。结合业务来看，很多时候传统关系型数据库就能解决的问题，完全没必要用到大规模图数据库，否则很容易导致整个项目成本高效率低的问题。展开评论点赞
- leetcode260取两个数不同的最低位1：从取反的角度考虑一下可以想出另一个方案，如果一个数末尾是 ...111 这样的话，加上个 1 就是 ...1000 了，也就是取反加一可得到和刚刚一样的结果，然后按位与一次就清除掉了多余的高位：n & (~n + 1)，只从代码上看它就是前面那个公式把取反符号放进括号内了而已。实际上这个取反加一后的值就是二进制下的补码，直接把获得掩码的代码换成 n & -n 就展开评论点赞
- 但这里其实用不着信息论这么重量级的东西（也许具体计算一些数据的时候是需要的），而是只需要一种看问题的本质视角：将排序问题看成和猜数字一样，是通过问问题来缩小/排除（narrow down）结果的可能性区间，这样一来，就会发现，“最好的问题”就是那些能够均分所有可能性的问题，因为那样的话不管问题的答案如何，都能排除掉k-1/k（k为问题的答案有多少种输出——猜数字里面是2，称球里面是3）种可能性，而不均衡的问题总会有一个或一些答案分支排除掉的可能性要小于k-1/k。于是策略的下界就被拖累了。展开评论点赞
- 我再用算法的时间复杂度说明一下最大熵原理吧，用几个主流的算法对n个数据进行排序时间复杂度基本上都是从O（nlogn）到O（n2）。而一般情况下为什么O（nlogn）最优呢，因为n个数据的先后顺序是随机的，我们可以看做不确定性相等，则可以用最大熵原理获得最优(最稳定)结果。则信息熵则为
H(x)= log（所有可能性）= log（n！） 而n—>00 则log（n！）近似于lognn= nlogn
假设我们每次能获得1bit数据，就至少需要获得（nlogn）bit数据才能取消信息的不确定性，也就是要比较nlogn次。展开赞过
评论2 - java priorityQueue 初始化堆化用的是siftDown是因为复杂度O(n)，添加单个element时候用的siftUp是因为复杂度logn,如果初始化所有元素用siftUp那复杂度就是nlogn.而且 siftUp是把元素添加到叶子节点，50%的元素在叶子节点,那50%的概率是不用交换的评论点赞
- 架构风格与基于网络的软件架构设计
作者:Roy Thomas Fielding 信息与计算机科学博士 加州大学欧文分校，2000 年 博士论文答辩委员会主席:Richard N. Taylor 教授
好文章评论点赞