概述: 相信大家最近也都为工学云app的每日签到而烦恼,而我也不例外,每天的工作已经让我备受折磨,怎么还要去打这个形式主义的卡呢? 难道就要这么被折磨三个月吗? 那必然不可能!!! 顶岗实习期间学校要求工学云打卡满两百天。但是每天上下班已经很累了,如果再上班期间强制记起打卡的事情反而只会增加工作负担!本文将会以爬虫的方式来解放双手,实现工学云每日定时打卡并发送邮件进行推送!
/login.py 本文参考地址02:https://blog.csdn.net/weixin_39953845/article/details/111074929 前言 顶岗实习期间学校要求工学云打卡满两百天 本文将会以爬虫的方式来解放双手,实现工学云每日定时打卡并发送邮件进行推送!文章底部奉上完整代码! ,雷电模拟器 工学云接口 本文不叙述抓包过程,接口如下所示: 图片 爬虫编写(Python版) 逻辑流程草图 图片 模拟登录并保存token等信息 引入依赖库 import requests import send_email("工学云签到成功!") send_email("工学云签到成功!")
前言 基于Python实现工学云自动签到打卡文章做的脚本优化 业务逻辑代码 创建文件名为sign.py并拷入以下代码保存 import requests import hashlib import sender = self.email_info["sender"] receivers = self.email_info["receivers"] title = '工学云每日签到信息 点击跳转经纬度查询地址 from sign import gxy_sign def main(): # 账号信息 user_account_info = { "phone": "工学云账号 ", "password": "工学云密码", "loginType": "android" } # 签到打卡信息 sign_info = { "sender" : "14312400@qq.com", "receivers" : ['接收者邮箱1','接收者邮箱2'], "title" : '工学云每日签到信息
记一次对云之家简单的抓包体验,有点乱明天整理,今天大概分析下: 上面是模拟打卡的,今天还没弄明白为啥时间永远打在23:30,替换了参数clockTime也不行 登录分析 接口:www.yunzhijia.com
NUS发布了ThunderSVM,优化了SMO算法在GPU/CPU上的并行化,跟libsvm对比起来效果快了10-100倍 链接:https://github.com/zeyiwen/thundersvm
NUS发布了ThunderSVM,优化了SMO算法在GPU/CPU上的并行化,跟libsvm对比起来效果快了10-100倍 链接:https://github.com/zeyiwen/thundersvm
for You 链接:https://insidebigdata.com/2018/09/14/neural-attention-please-attention-models-can-work/ 10
Artificial Intelligence — The Revolution Hasn’t Happened Yet
决策树教程 链接:https://heartbeat.fritz.ai/introduction-to-decision-tree-learning-cd604f85e236 10.
10.
链接:https://cn.udacity.com/course/self-driving-car-fundamentals-featuring-apollo--ud0419
Machine Learning Approach to Automatic and Effective Adblocking 链接:https://arxiv.org/pdf/1805.09155.pdf 10
1. Google I/O召开大会,个人觉得最有意思的是TPU 3.0和AI冒充真人打电话
百度发布EZDL,免费,而且是custom model,AutoML的感觉 链接: http://ai.baidu.com/ezdl/ 10.
understanding-hyperparameters-optimization-in-deep-learning-models-concepts-and-tools-357002a3338a 10
//github.com/featuretools/featuretools 论文:http://www.jmaxkanter.com/static/papers/DSAA_DSM_2015.pdf 10
machine learning — an overview 链接:https://elie.net/blog/ai/attacks-against-machine-learning-an-overview 10
MXNet in the Wolfram Language 链接:https://www.oreilly.com/ideas/apache-mxnet-in-the-wolfram-language 10
1. 第一当然是NIPS啦(注意看上一期NIPS在Facebook上的视频)。NIPS开完,各种资料分析就出来啦,对我们这种没有机会去现场的人来说是个福音。 test-of-time award得主A