- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据结构与算法
1675 大质数 2
1675 大质数 2 时间限制: 1 s 空间限制: 1000 KB 题目等级 : 钻石 Diamond 题目描述 Description 小明因为没做作业而被数学老师罚站，之后数学老师要他回家把第 167 173 179 181 191 193 197 199 211 223 227 229 //（不含n=233） 数据范围及提示 =0) 15 { 16 if(b%2! =0) 31 { 32 if(b%2! 45 if(n<2&&(n%2==0)) 46 { 47 return 0; 48 } 49 for(ll i=0;i<11;i++) 50 {
60560发布于 2018-04-13 - 来自专栏从码农的全世界路过
如何在大量数据中找出第2大的数字
如何在大量数据中找出第2大的数字? 这个问题与TopN很类似,但也有不同 例如: 数组nums={42, 41, 31, 7, 17, 2, 42} 在top2时,结果是{42,42} 在当前问题中,结果是41 不同之处就在于对相同数字的判断 了解topN解决方式的一定知道这种情况二叉查找树是一个最优选择; 针对相同数字的问题,最合适的去重数据结构就Set. 最终符合这两种条件的数据结构就是TreeSet.
1.5K10编辑于 2022-06-20 - 来自专栏灯塔大数据
每周学点大数据 | No.2大数据的特点、应用和算法
No.2期 大数据的特点、应用和算法 一、大数据的特点和应用 Mr. 王：大数据具有较大的数据量，和一般的数据相比，其具有如下一些特点。 在数据量上，大数据是通过各种设备产生的海量数据，其数据规模极为庞大，远大于目前互联网上的信息流量，PB 级别将是大数据的常态。 在多样性上，大数据种类繁多，在编码方式、数据格式、应用特征等多个方面存在差异性，多信息源并发形成大量的异构数据。 在价值上，数据持续到达，并且只有在特定时间和空间中才有意义。 Mr. 王：我们分析大数据、研究大数据，是希望能够利用它们获得我们需要的知识。 我们可以利用大数据进行： 预测 推荐 商业情报分析 科学研究 等发现大数据中的价值，使用大数据、利用大数据的过程。由此可知，对大数据的研究还是非常重要而有意义的。
1.1K40发布于 2018-04-09 - 来自专栏科技记者
大更新，QIIME 2 2023.5
provenance-lib提供对provenance replay的访问，这使用户能够从存储在所有QIIME 2结果中的数据来源生成新的可执行脚本。想了解更多？ 以下是该版本的亮点： QIIME 2 框架 修复了进程在退出时清理时可能发生的争用条件 Q2-组成 修复了da-barplot指向包含空格的元数据值的子图的链接断开的错误。 在ancombc中添加了元数据列类型强制实施，允许包含整数值的分类元数据列在包含在formula 向tabulate可视化工具添加了单元测试套件 q2-feature-table 添加了对所有要素表类型的支持 Q2 类型 添加了ImmutableMetadata类型，该类型旨在将 QIIME 2 元数据存放在工件中。 这使操作能够输出元数据metadata，这在以前是不可能的，因为 QIIME 2 操作只能输出工件和可视化效果。如果导出ImmutableMetadata项目，它将是一个普通的旧（可变）元数据文件。
89320编辑于 2023-08-26 - 来自专栏前端技术地图
2B or not 2B: 前端大泥球
业务逻辑层（Business Logic Layer）：负责系统的业务逻辑处理、数据处理和其他业务规则的实现，为表示层提供数据和业务逻辑的支持。 数据访问层（Data Access Layer）：负责数据的存储和访问，为业务逻辑层提供数据访问的接口和实现。 多业态 在 2B 领域，让我们更棘手的是，还要面临多业态问题。 什么是多业态？ 不管是前端还是后端，这是都是一个非常大的挑战。 现状就是本文标题中讲的，多了一个维度之后，对开发而言是灾难性性，整个项目就是一个大泥球。 确立共建的范围和上下游的协作关系 即定义了一些团队之间的协作规范，比如： 上下游团队之间责任划分、共建的范围 沟通机制 发布更新的频率和形式 分支规范等等 宏观上：行业隔离/业务聚合 在宏观的层面上，定义了两大措施或建议
41620编辑于 2023-10-20 大模型25年2月最新排行榜（数据来自superclueai）
Qwen-max-latest阿里巴巴66.251.367.480API2025年1月8日-Qwen2.5-72B-Instruct阿里巴巴65.449.766.280.3API2025年1月8日Step-2- 6kimiKimi59.443.558.176.6网页2025年1月8日-Llama-3.3-70B-InstructMeta59.438.866.472.9API2025年1月8日7TeleChat2- 7B-Instruct阿里巴巴55.535.754.476.4API2025年1月8日9QwQ-32B-Preview阿里巴巴54.326.659.876.5API2025年1月8日10讯飞星火V4.0科大讯飞 2b-itGoogle39.236.469.411.820亿模型2025年1月8日SuperCLUE9大任务（2024年12月）模型名称机构深度推理指令遵循Agent计算逻辑推理代码生成与创作语言理解传统安全类使用方式发布日期 45.111.95066.557.239.57282.274.8API2025年1月8日QwQ-32B-Preview阿里巴巴58.76.31572.765.141.570.179.679.9API2025年1月8日讯飞星火V4.0科大讯飞
11K103编辑于 2025-02-11- 来自专栏python3
cocos2dx(3) ——大
setTexParameters(const ccTexParams& texParams); // ---- 3、新的渲染器 3.1、自动批处理 自动批处理功能意味着 渲染器将会把 多次绘制调用 打包为一次 大的绘制调用 总结: > 保持将所有的精灵放在一张大的 spritesheet 中。 V2F_C4B_T2F || ccV2F_C4F_T2F | V2F_C4F_T2F || ccV3F_C4B_T2F | V3F_C4B_T2F || ccV2F_C4B_T2F_Triangle | V2F_C4B_T2F_Triangle || ccV2F_C4B_T2F_Quad | V2F_C4B_T2F_Quad | Color3B::GRAY || kBlendFuncDisable | BlendFunc::BLEND_FUNC_DISABLE | ---- 8、新的数据结构
1.1K20发布于 2020-01-07 - 来自专栏数据仓库技术
常见大数据面试SQL-查询前2大和前2小用户并有序拼接
一、题目 有用户账户表，包含年份，用户id和值,请按照年份分组，取出值前两小和前两大对应的用户id,需要保持值最小和最大的用户id排首位。 样例数据 +-------+----------+--------+ | year | user_id | value | +-------+----------+--------+ | 2022 user_id,第二大user_id,最小user_id,第二小user_id 根据年份分组，取出每年最大、第二大，最小、第二小用户ID。 使用if对desc_rn,rn进行判断，对符合条件的数据取出user_id,其他去null,然后使用聚合函数取出结果。 | 2023 | B,A | C,D | +-------+-----------------+-----------------+ 四、建表语句和数据插入
24710编辑于 2024-07-12 - 来自专栏大数据文摘
大数据：大机遇还是大忽悠？
持反方观点，为大技术时代的到来欢呼的，一位是北京大学光华管理学院新媒体营销研究中心副主任苏萌，另一位是日本政治家、内阁成员山本一太。 他提出“一台电脑论”，即科学家们研究所需的数据，最好用一台电脑就能装下，否则数据处理会过于繁琐，无助于解决问题。他结合自身经验说，随着数据量的增大，研究的准确性一开始会随之上升，但很快就会趋平。 这有三个原因：一是因为不同机构间的数据还未真正流动起来，目前还只是数据“孤岛”；二是完整的生态产业链还未形成，尽管通过行为数据分析已能够分辨出一个消费者的喜好，但从供应到购买的链条还没建成；三是因为数据分析人才仍然极度匮乏 一位听众挑战正方，说，你们认为大数据过于庞杂纷繁，反而解决不了问题，那是不是说，当处理数据的计算工具变得足够好时，大数据就会变得有用？ 正如Howard在发表“失败感言”时所说，“我们并非反对数据，只是反对大而无当的数据，数据本身当然非常重要”。人类已经并将继续产生日益庞大的数据，或许不论我们接受与否，大数据时代都已到来。
4.1K81发布于 2018-05-18 - 来自专栏大前端开发
《大前端开发》培训2周小结
在讲课的过程中，我觉得自己也得到了非常大的成长，比如当同学们遇到比较难理解的知识点，我会想方设法、不断的组织自己的语言、编制各种容易理解的例子，让自己能将它们解释清楚；以及在课程内容上，我会不断的去思考如何将前一天课和后一天课的内容更好的衔接起来
72920发布于 2018-08-21 - 来自专栏数据结构与算法
学大伟业 国庆Day2
设p1={2*(a[i]-a[1])|i>1}的最大公约数，设p2={2*(a[i]-a[j])}的最大公约数，易知p1>=p2（因为p1比p2约束宽松）。 而对于任意i,j由于p1同时是2*(a[i]-a[1])、2*(a[j]-a[1])的约束，那么p1也一定是任意2*(a[i]-a[1])-2*(a[j]-a[1])=2*(a[i]-a[j])的约数， sum[1]=x1+x2+x3+x4 sum[2]=x1x2+x1x3+x1x4+x2x3+x2x4+x3x4 sum[3]=x1x2x3+x1x2x4+x1x3x4+x2x3x4 sum[4]=x1x2x3x4 (x3+a)(x4+a) =x1x2x3+a(x1x2+x1x3+x2x3)+a^2(x1+x2+x3)+a^3 + x1x2x4+a(x1x2+x1x4+x2x4)+a^2(x1+x2+x4)+ a^3 + x1x3x4+a(x1x3+x1x4+x3x4)+a^2(x1+x3+x4)+a^3 + x2x3x4+a(x2x3+x2x4+x3x4)+a^2(x2+x3+x4)+a^3
1.1K40发布于 2018-04-11 - 来自专栏大模型成长之路
【大模型学习 | BERT 量化实战（2） 】
BERT 量化实战分析前言：在【大模型学习 | 量化实战（1）】-腾讯云开发者社区-腾讯云中基于BERT实现了情感分析系统以及量化的实现，但是量化的结果导致了模型的精确度急剧下降，从90%降到了54%， p_bert_embeddings_layernorm_weight', 'p_bert_embeddings_layernorm_bias', #⚠️ BERT 模型包含了 nn.Embedding 层，而当前 PT2E 未出现截断情况（即分布区域超过量化上下限）、分布近似 scale过大scale的计算如下所示：scale=\frac{max(w)-min(w)}{255} , 个别层的权重有离群值，会导致scale非常大， .4f} | ΔAcc: {delta:.4f}") results.append((name, acc, delta)) results.sort(key=lambda x: x[2] Sensitive Layers:") for r in results[:5]: print(f"{r[0]:40s} | Acc: {r[1]:.4f} | ΔAcc: {r[2]
78710编辑于 2025-06-27 - 来自专栏Dotnet Dancer
.NET也能玩量化【2】搭建本地财经数据获取服务，以及获取复权历史大A数据演示
我们主要使用公开访问的方式来访问skshare的接口数据，因为咱是本地化交易的，不搞那么复杂，能获取数据就行。 在http文件内，新建一个api地址测试数据，例如前面提到的swagger文档里面的地址：本地IP:8080/api/public 然后新建一个请求测试，例如获取大A的所有股票代码和名字：stock_info_a_code_name swagger来触发获取所有大A的代码和名字 可以看见获取所有大A数据，一共五千多条，大概耗时122毫秒。 财经数据我们基本上都是通过GET请求来。 复权可选，此处我使用前复权 运行，可以看见获取到历史数据的json数据集合 根据返回的Json数据，我们开发一个对应的实体类 把字符串转集合对象，可以看见具体的内容了。就可以通过对象来进行一些操作。
59110编辑于 2024-08-13 - 来自专栏数据猿
报告 | 大数据引爆共享经济 — 2016年Q2大数据投融资分析报告
从融资轮次来看，本月获融资的企业有2起为新三板募资，3起为天使轮，有18家为A轮，有8家企业为B轮，2起为C轮。 图表 1：2016年二季度大数据企业投融资情况 ? 数据来源：数据猿基于公开数据整理 图表 2：2016年二季度投融资事件轮次分布 ? 数据来源：数据猿基于公开数据整理 2016年二季度大数据领域的投资规模较一季度有较大幅度的上涨，其中，据不完全统计，大数据主营业务领域企业获融资总额超过29.4亿元，单笔融资额上亿元的企业数量也是一季度的近 2倍。 数据来源：数据猿基于公开数据整理 以TMT为代表，不断延伸至各垂直领域的创新型企业，也越来越看重大数据技术带来的运营效率及创新能力的提升，不少企业投入巨资用于搭建或升级大数据平台。
88850发布于 2018-04-19 - 来自专栏大模型成长之路
【大模型学习 | BLIP2原理】
BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models 目前（2023）的图文模型都是基于端到端训练方式，大规模的模型和数据集导致了在预训练过程需要的大量计算。 一、预训练方法这种预训练方法分为了两个阶段 （1）视觉语言特征表示学习阶段 （2）视觉到文本的生成学习阶段 1.1 Q-Former主要作用就是对齐两个不同模态的冻结预训练模型 Q-Former包含了两个 transformer子模块：（1）Image Transformer （特征提取） （2） Text transformer (作为文本编码器和解码器) ; 一组可学习的查询嵌入向量作为 Image ITC：图像、文本特征对比学习，通过可学习的查询向量和Text transformer中的CLS计算相似度，为了防止数据泄露，采用unimodal self-attention，禁止 query 与文本
1.1K00编辑于 2025-07-01 - 来自专栏IT大咖说
草裙舞No.2 | IT大咖撩段子
这一次，国庆佳节来临之际，小编再给大家送上草裙舞No.2~~希望听到这首歌，你能再次看到，海浪、美女、比基尼…… 01 iPhone XS/XS Max发布会之前，我的手机好卡啊，想着明天就换新手机了。 ——转自虎扑 04 京东真的有大数据杀熟——我在买soft99的时候看到有赠品，但是登录进入结算界面以后就没有了，神奇的是，换一台电脑在没有登录的状态赠品还是有的，但是一旦我登录过的电脑就都没有，当然京东手机客服端是一直没有的 06 南韩第一大行动电信商SK Telecom，于15日宣布已选择三星、爱立信和诺基亚作为5G设备首选投标企业，华为则被踢走。
70630发布于 2018-10-23 - 来自专栏腾讯企点
趋势快报 | 智能客服：2大挑战与4大完善目标
除了巨头外，这个市场里面还有一大群创业企业。 对于精准营销，智慧客服平台可以追踪多个维度的顾客咨询数据，当顾客进行咨询时，客服的对话框右侧就会显示出消费者的每个行为轨迹和具体的数据分析，并据此判断出顾客的地域、消费喜好、购买能力等一系列信息，从而能够更精准地进行进一步的营销和服务 智能客服系统还可依托大数据、人工智能等新技术，能基于客户行为表现提前预测问题，并在客户发起咨询前主动触达客户。 智能客服:2大的挑战与4大完善的目标 人工客服在今天被视为是“最没有技术含量”的一个工种，也是被视为是人工智能可能会全面颠覆和取代的一个职业。 但人工智能客服真正取代人力，目前还是不太现实。 原文标题《智能客服：2大挑战与4大完善目标》。我们尊重著作权所有人的合法权益，如涉及版权争议，请著作权人告知我方删除，谢谢。
3.2K20发布于 2020-06-10 - 来自专栏服务端技术杂谈
：UBER数据大迁徙
数据大迁移的日期定为万圣节（10月31日），而这恰是交通量会非常高的一天。 上面图中的大问题是：我们仍然依赖于单一的PostgreSQL （数据库管理系统）来存储大部分的数据。下面的饼图显示了数据是如何在数据库中分配的： ? 我们评估了各种NoSQL（不同于传统的关系数据库的数据库管理系统的统称）的具有上述特点风格的数据库。 追加（无更新）数据模型：它仅支持一个只追加数据模型中，一旦它被写入后，就不能进行修改。这对于存储交易数据，并希望防止数据损坏的系统是非常有用的。由于是只追加模型，修改会自然幂等和交换。 在真正可以开始大迁移之前，第一个任务是从用户身份到用户唯一识别码的迁移，因为原代码依赖于自动递增的PostgreSQL 数据库标识符。几百条SQL查询需要被重写。
2.8K70发布于 2018-04-16 - 来自专栏Qt项目实战
Qt编写数据可视化大屏界面电子看板2-配色方案
一、前言 做完整个数据可视化大屏界面电子看板系统后，为了提升点逼格，需要提供好几套默认的风格样式以供选择，这样用户可以选择自己喜欢的配色方案来作为整个系统的颜色方案，去看了下市面上大部分的大屏电子看板系统 ，都是以蓝色为主，部分黑色，估计也许这就是大众的审美吧，那就在数据可视化大屏界面电子看板系统中也加入蓝色风格、深蓝色风格、黑色风格，三种，加上默认的紫色风格，共计内置4套风格选择，Qt的QSS是我见过的最牛逼的换肤控制样式界面颜色的东东 2：子控件包括饼图+圆环图+曲线图+柱状图+柱状分组图+横向柱状图+横向柱状分组图+合格率控件+百分比控件+进度控件+设备状态面板+表格数据+地图控件+视频控件+其他控件等。 4：数据源支持数据库采集（默认）、网络通信、网络请求等，可自由设定每个子界面的采集间隔即数据刷新频率。 程序默认是模拟数据，如果需要从数据库采集则修改配置文件WorkMode=db即可。 如果发现布局拖动乱了，可以直接鼠标右键选择恢复布局即可，在保存布局以前。
1.5K00发布于 2019-08-19 - 来自专栏小火龙说数据
「干货」数据分析必备的Excel常用10大应用技巧『Excel系列2』
02 多数值处理技巧 技巧三：判断两列是否完全一致 【背景】 在做数据验证过程中，有时需要判断两列数据是否完全一致，有两种方式可以参考。 技巧四：批量插入数据 【背景】 在做分析过程中，有时需要将表格中的空单元格用0或者其他数字填充上，如下图黄色部分。 03 图片处理技巧 技巧九：图片跟随表格变化 【背景】 在做汇报的时候，有时需要将数据部分拷贝成图片。而如果数据在后期更改，图片仍需重新生成，比较麻烦。 有种方式可以让图片时时同步数据部分的改动，如下图。 【操作】 步骤一：选中下图数据区域→复制「CTRL+C」。 步骤二：在空白处右键→点击「选择性粘贴-粘贴图片链接」即可，得到的图片会随着表格数据的变化而变化。
1.7K10编辑于 2022-12-09
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