- 综合排序
- 最热优先
- 最新优先
- 来自专栏布衣者博客
LeetCode-题库-刷题(6-7)
将一个给定字符串 s 根据给定的行数 numRows ，以从上往下、从左到右进行 Z 字形排列。 具体题目链接
47620发布于 2021-09-07 - 来自专栏终有链响
智能合约中外部调用漏洞
在智能合约开发中，调用不受信任的外部合约是一个常见的安全风险点。这是因为，当你调用另一个合约的函数时，你实际上是在执行那个合约的代码，而这可能会引入你未曾预料的行为，包括恶意行为。下面我将通过一个示例来说明这一风险，并提出相应的缓解策略。
68310编辑于 2024-07-29 - 来自专栏python3
笨办法学Python - 习题6-7:
学习目标：了解字符串的定义，学会使用复杂的字符串来建立一系列的变量。学会命名有意义的变量名
74310发布于 2020-02-10 - 来自专栏iOS面试
iOS 面试策略之算法基础6-7节
之前介绍了最简单的搜索法：二分搜索。虽然它的算法复杂度非常低只有 O(logn)，但使用起来也有局限：只有在输入是排序的情况下才能使用。这次讲解两个更复杂的搜索算法:
92830发布于 2021-04-22 国际版多语言语聊语音厅交友源码开发：技术特性、中外差异与核心注意事项
相较于国内成熟的语聊语音厅生态，海外市场因语言、文化、法规和技术环境的差异，对源码开发提出了更高要求。 一、技术架构：从底层适配海外环境的差异化设计海外语聊语音厅交友源码的技术架构并非国内版本的“翻译移植”，而是需从底层适配海外网络、设备及生态，具体差异体现在以下层面：1.移动端开发：从“单一生态”到“全球兼容 ”的适配-Android（Java）开发的核心差异国内Android版本多基于定制ROM（如小米、华为），依赖极光、个推等国内推送服务；而海外市场需兼容原生Android系统及Google生态，Java -互动形式差异化：减少国内流行的“PK惩罚”“低俗特效”，增加“兴趣标签匹配”（如通过PHP算法匹配同爱好用户）、“匿名聊天”（聊天记录自动销毁）等功能，适配欧美用户对“轻社交”的偏好。 相较于国内版本，其核心差异不仅在于多语言和支付接口的改造，更在于从底层架构到功能设计的全球化重构。
56110编辑于 2025-10-31- 来自专栏脑极体
AI抗疫时刻：中外的异与同
AI抗疫：中外的异与同 至此，我们可以发现海外AI与中国AI在防疫领域的一些有趣的异同点： 首先可以肯定的是，中国的AI抗疫手段与全球顶尖的AI医疗几乎站在了同一水平线。 当我们与世界共命运的时刻，或许也可以从中外不同的AI路径中，汲取下一站的力量。 必须承认，中国在AI能力上并不输给老牌科技强国。
75700发布于 2020-03-14 - 来自专栏大数据
中外院士做客大数据产学研高峰论坛
2017年11月30日至12月1日，第三届大数据产学研高峰论坛在广州举行。该论坛由广东工业大学和广东省物联网信息技术与产业化省部院产学研创新联盟共同主办，由广东工业大学大数据战略研究院、自动化学院、管理学院等承办。论坛汇集了来自政府、企业、高校、科研院所的代表，以及来自美国、中国的著名院士、专家学者、企业代表等近500人。论坛还举行了广东省制造业大数据应用“十佳案例”、十佳优秀论文颁奖，并发布了大数据战略研究院的相关成果。两位院士分别就大数据制造从数据积累到应用创新，以及大数据分析和创新在制造业中面临的机遇和挑战作了报告。近百位嘉宾围绕制造业大数据政策、技术、产品、应用、理论研究等热点话题展开交流分享。该论坛旨在传播大数据技术与思维，推动传统制造业转型升级，为广东省实现“四个走在全国前列”贡献力量。
91500发布于 2017-12-26 - 来自专栏AI SPPECH
IO竞赛2025年题目解析：中级难度（6-7）
2025年的中级难度（难度系数6-7）题目综合考察了选手的算法设计、数据结构应用、数学建模和问题分析能力。本文将深入解析2025年中级难度的IO竞赛题目，帮助选手们突破瓶颈，提升解题能力。 难度进阶路径: 入门(1-3) → 基础(4-5) → 中级(6-7) → 高级(8-10) 难度系数 考察重点 核心知识点 学习目标 6-7 高级算法、数据结构综合应用 高级动态规划、图论、数论、几何 8题） ├── 第四章：中级难度题目解题策略 └── 第五章：综合能力提升建议 第一章：2025年IO竞赛中级难度题目概述 根据2025年NOI修订版大纲，中级难度（CSP-S提高）的知识点难度系数为6-
33310编辑于 2025-11-13 - 来自专栏Spark学习技巧
SparkSql 中外连接查询中的谓词下推规则
SparkSql SparkSql是架构在spark计算框架之上的分布式Sql引擎，使用DataFrame和DataSet承载结构化和半结构化数据来实现数据复杂查询处理，提供的DSL可以直接使用scala语言完成sql查询，同时也使用thrift server提供服务化的Sql查询功能。SparkSql提供了Data Source API，用户通过这套API可以自己开发一套Connector，直接查询各类数据源，包括NoSql、RDBMS、搜索引擎以及HDFS等分布式FS上的文件等。和SparkSql类似的
2.4K90发布于 2018-01-31 - 来自专栏运维技术分享
在Oracle数据库中外键创建
在Oracle数据库中，外键是强制实施参照完整性的一种方式，使用外键就意味着一个表中的值在另一个表中也必须出现。
1.4K20发布于 2021-09-02 - 来自专栏AI机器学习与深度学习算法
机器学习入门 6-7 sklearn中的随机梯度下降法
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍改进上一小节代码，封装自己的随机梯度下降法并应用，之后应用sklearn实现随机梯度下降法。
1.2K20发布于 2019-11-13 - 来自专栏深度学习与python
大数据管理工具走向更易用与专精，但中外发展现状存在明显差异 | 解读大数据的2022
5 结 语 当前国内外大数据管理工具的发展现状还存在明显差异，具体体现在： 国内的数据管理产品偏 all in one 形式，而国外现代数据堆栈在各领域都有细分的工具支持。
57830编辑于 2023-03-29 - 来自专栏兵马勇的专栏
sparksql 中外连接查询中的谓词下推处理
本文介绍了在Spark SQL中，通过使用Join操作进行数据处理的注意事项和优化策略。首先，介绍了Spark SQL中Join操作的基本概念和语法。然后，详细阐述了Spark SQL中Join操作的不同类型，包括内连接、左连接、右连接、全连接、半连接、自连接和交叉连接。接着，探讨了Spark SQL中Join操作的条件，包括join条件、filter条件、where条件、orderBy条件和聚合函数。最后，通过实例分析了Spark SQL中Join操作的优化方法，包括使用广播变量、分区、缓存和广播join等。通过本文的介绍，读者可以更好地理解Spark SQL中Join操作的使用方法和优化策略，从而提高数据处理效率。"
6K21发布于 2017-09-14 - 来自专栏数控编程社区
数控车加工中外圆尺寸的控制的几种方法
在数控车加工中，大多数的教材都认为：只要对刀精确，加工好的零件尺寸就应该是准确的，而实际上，这样加工的零件尺寸都是得不到保证的，很难达到零件图纸的要求，主要是因为理论教材中没有考虑机床工件刀具的变形、受热、刀具的角度等因素对加工尺寸的影响
2.5K10编辑于 2022-03-30 - 来自专栏linjinhe的专栏
设计数据密集型应用（6-7）：分片、事务
随着业务发展，用户数量、商品数量、订单数量都在持续增长，数据库的负载越来越高。我们开始对数据库进行垂直拆分（垂直分片），把这三张表拆到三个数据库，而业务代码改改数据库的配置就好。
80250发布于 2020-04-02 - 来自专栏java，python，数据结构，算法
Mysql中外连接,内连接,左连接,右连接的区别
可能第一种通过where语句查询,大家都能理解. 但是不知道大家有没有去尝试过理解下面关于内连接与外连接查询方式的区别 ,接下来我们先通过一张图来演示一下连接的整个层级关系:
6.3K20发布于 2021-01-13 - 来自专栏互联网数据官iCDO
【解忧胶囊】名震中外的15个归因大法！
十一种营销归因模型大诠释 简介：iCDO GA认证分析师志愿者精心收集的11种常见归因分析法，深入探究各归因模型基本原理，帮您更全面地整体学习了解不同归因模型间差异和应用场景。
1.4K10发布于 2018-09-30 MySQL数据库中外键(foreign key)用法详解
在 MySQL 中，外键 (Foreign Key) 是一种用于定义表与表之间关联的约束，用来确保数据库中的数据一致性和完整性。外键约束帮助确保一个表中的某列值（外键）对应到另一个表中某个列的值（主键或唯一键）。
3.4K10编辑于 2025-07-17- 来自专栏机器人网
中外工业机器人差距到底有多大？
中外差距或许没那么大 中国市场容量巨大，近几年国际机器人巨头纷纷抢滩中国机器人市场，投资生产基地，竞争日趋激烈。 占领机器人市场农村包围城市 面对国外机器人如此高的市场占有率以及中外机器人产业的发展差距，机器人及机电一体化技术专家、中国工程院院士蔡鹤皋认为应走“农村包围城市”的路线。
91750发布于 2018-04-13 - 来自专栏生信小驿站
差异分析①
duplicated(genes$ENTREZID),] x$genes <- genes x 数据预处理 从原始尺度转换 对于差异表达和相关分析，基因表达很少在原始计数水平上考虑，因为文库测序的深度更大会导致更高的计数 相反，通常的做法是将原始计数转换为可以解决这种库大小差异的规模。 在我们的分析中，CPM和log-CPM转换经常使用，尽管它们没有考虑RPKM和FPKM值所做的特征长度差异。 假设条件之间的异构体使用没有差异差异表达分析着眼于条件之间的基因表达变化，而不是比较多个基因的表达或得出绝对表达水平的结论。 换句话说，基因长度对于感兴趣的比较保持不变，任何观察到的差异都是条件变化的结果，而不是基因长度的变化。
1.2K10发布于 2018-08-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号