- 综合排序
- 最热优先
- 最新优先
- 来自专栏快乐阿超
对接雅虎日语文本校对
API地址：https://developer.yahoo.co.jp/webapi/jlp/kousei/v2/kousei.html
66830编辑于 2022-09-28 - 来自专栏五分钟学算法
出题者语文是体育老师教的。。。
而很多时候，出题人的表述方式去出现了问题，明明很简单的题目，经过他们的描述，根本不知所云，甚至怀疑出题者语文是体育老师教的。。。 3、对于每一个 数字 来说，它都有长度，可以称作位数，比如数字 5 的长度为 1，数字 13 的长度为 2，数字 187 的长度为 3。 3、长度为 3 的 3 位数，数的范围是 100 ~ 999 ，总共有 999 - 100 + 1 = 900位，即 9 * 102。 3、对于长度为 3 的 3 位数，总共有 900 位，因此它们占据了 3 * 900 的位置。 对于第 n 位的数位来说，它是先数完长度为 1 的 1 位数、再数完长度为 2 的 2 位数、数完长度为 3 的 3 位数等等数过来的。
45520编辑于 2022-04-08 - 来自专栏技术杂烩
语文老师3步搞定智能备课系统》
我正在参加CodeBuddy「首席试玩官」内容创作大赛，本文所使用的 CodeBuddy 免费下载链接： 腾讯云代码助手 CodeBuddy - AI 时代的智能编程伙伴 一、痛点直击：语文老师正在遭遇的 "数字鸿沟" 在教育数字化转型浪潮中，语文教师正面临前所未有的 "数字鸿沟" 挑战。 右侧交互式注释框 3. 点击生僻字显示《说文解字》释义 4. 以下是实际操作中的开发界面与最终呈现效果： 三、效果对比：传统开发 vs Codebuddy 评估维度 传统备课模式 Codebuddy 智能平台 开发耗时 2-4 小时 3-5 分钟
52922编辑于 2025-05-12 - 来自专栏知码前端
英语文档不看懂？学习Pinia就是这么简单---state篇
上一篇文章我们大体的介绍了一下 Pinia 的基本信息和基本概念，相信大多数小伙伴都对这个概念有了一个基本的认识。
85510编辑于 2022-10-28 - 来自专栏TEL18600524535
俄文OCR：大幅提升俄语文档信息处理效率
俄文OCR（光学字符识别）技术是一种将印刷或手写的俄语文本转换为可编辑、可搜索的数字化数据的技术。 特殊格式文本处理俄语文档可能包含复杂排版（如诗歌、数学公式、表格），传统OCR难以保持原始结构。古籍、旧报纸等历史文献的字体和印刷风格与现代不同，需额外训练数据优化识别。 3.字符识别特征提取：使用卷积神经网络（CNN）提取字符的局部特征。序列建模：结合循环神经网络（RNN）或Transformer模型（如CRNN、TrOCR）处理字符序列，提高识别准确率。
57100编辑于 2025-07-08 - 来自专栏腾讯教育黑板报
深圳明德实验：AI赋能语文，教学效率和效果“双效”提升
自2020年7月起，福田区教育科学研究院课程与教学研究部携手腾讯集团，共同启动推进福田区“AI赋能”小学语文学科项目，旨在研究及实践AI赋能语文学科的教学应用。 在语文学科中，明德实验以项目为契机、应用腾讯读书酱开展基于人工智能大数据下的精准教学实验，学校语文教育教学效率和效果得到“双效”提升。 深圳明德实验学校校园 创新是引领发展的第一动力。 2020年7月以来，明德实验通过福田区“AI赋能”小学语文学科项目应用人工智能大数据精准语文教学应用腾讯读书酱，围绕精准教学的目标，以大数据为抓手，开启了一场全新的教学变革。 对明德实验的老师而言，借助腾讯读书酱，语文教学模式得到优化与升级。 明德香蜜校区语文教研组长陈工民老师告诉我们。 另一方面教师也从重复性的工作中解放出来了。对于传统的听写作业，老师们原本都需要花40-60分钟的时间用于批改，还不包括统计和分析工作。
2.2K20发布于 2021-05-11 - 来自专栏全栈程序员必看
连接器工具错误lnk2019_2019年十大语文错误
文章目录 可能的原因 1.不编译包含符号定义的源文件 2.未链接包含符号定义的对象文件或库 3.符号声明的拼写与符号的定义不同 4.使用了函数，但是参数的类型或数量与函数定义不匹配 5.已声明但未定义函数或变量 :::no-loc(static):::已声明但未定义数据成员 3.声明参数不匹配定义 4. 3.符号声明的拼写与符号的定义不同 验证在声明和定义中以及使用或调用该符号的任何位置都使用正确的拼写和大小写。 4.使用了函数，但是参数的类型或数量与函数定义不匹配 函数声明必须匹配定义。 following line to fix the error. // int C::s; int :::no-loc(main):::() { C c; C::s = 1; } 3.
6.1K20编辑于 2022-09-27 - 来自专栏技术指北
差生工具多，推荐2个chrome插件，让你看到英语文档不再慌乱
一共两种模式：第一个是识别你选中的区域，进行文字识别，可以点击跳转到google 翻译页面。 第二种模式就是 捕捉当前的屏幕，并进行文字识别。
1.4K20编辑于 2023-07-26 - 来自专栏信奥赛-刷题笔记
信奥赛-刷题笔记-差分篇-T2-P2367语文成绩0526
tab=BB08J2差分篇题单P2367 语文成绩https://www.luogu.com.cn/problem/P2367题目背景语文考试结束了，成绩还是一如既往地有问题。 题目描述语文老师总是写错成绩，所以当她修改成绩的时候，总是累得不行。她总是要一遍遍地给某些同学增加分数，又要注意最低分是多少。你能帮帮她吗？ namespace std;const int maxn=5e6+10;int n,p;// n个人 p次修改int x,y,fen;//x到y 修改fen int arr[maxn]; int main(){// 语文成绩 = 1 - 1 = 0第一次操作：x=1, y=2, z=1d[1] += 1 → d[1] = 2d[3] -= 1 → d[3] = -1第二次操作：x=2, y=3, z=1d[2] += 1 [3] = a[2] + d[3] = 3 + (-1) = 2最小值是 min(2, 3, 2) = 2✅ 输出正确！
30110编辑于 2025-05-26 - 来自专栏TEL18600524535
德文识别技术：德语文本高效地转化为机器可读、可处理的数字信息
德文识别技术，作为光学字符识别领域的特定应用分支，致力于将印刷或手写的德语文本高效地转化为机器可读、可处理的数字信息。其在德语区国家和全球德语相关业务中扮演着至关重要的角色。 核心工作原理德文识别技术专注于将包含德语文本的图像（如扫描文档、照片、PDF文件等）自动转换为可编辑、可搜索的机器编码文本。1.图像获取：输入源：扫描仪、数码相机、手机摄像头、现有图像/PDF文件。 3.特征提取：深度学习方法：使用卷积神经网络自动学习图像的多层次特征，无需显式分割和手动特征设计。4.识别核心：深度学习模型：CRNN：卷积循环神经网络。
41210编辑于 2025-08-13 - 来自专栏大数据文摘
2017论文回顾 | Yann LeCun：中英日韩语文本分类通用编码机制（附论文下载）
大数据文摘作品 作者：龙牧雪 今天的头条文章是Nature关于“论文零引用”的研究。2017年，各路AI会议颇多、论文频出，有哪些论文值得关注？它们给这个世界带来了什么样的影响？我们希望这个小栏目的存在，能让论文重新“发声”，得到更多关注。 如果你也有印象深刻的论文，本栏目欢迎你带着对论文的解读投稿，也希望更多论文作者主动联系我们。联系邮箱：zz@bigdatadigest.cn 今年8月，纽约大学教授、Facebook人工智能实验室主任Yann LeCun及其博士生Xiang Zhang在Arxiv上发表
63930发布于 2018-05-24 - 来自专栏开发者技术前线
我从语文老师到支付宝技术前端的蜕变
我也是按这样的人生轨迹：就读于师范大学对外汉语专业，完成本科学业后, 在家乡从事小学语文老师的职业。 ? 2015年的老师造型 这不是我想要的 在正式从事这份职业之后, 我发现并不喜欢这份工作。 2016年3月, 抵达深圳10天之后, 我找到了第一份互联网工作, 当时技术面试官给我的题目是在一个星期内用discuz搭出一个金融类论坛, 如果逾期不予录用, 最终在3天内完成了, 获得了无比珍贵的第一份互联网工作 小盒马么么哒 2019年3月, 入职小盒马, 这是我非常重要的一段职业经历, 它重塑了我的信心。 我知道疲惫的身躯到不了远方， 逃脱成为不了力量的源泉。 突然迷失的方向叫人心慌。
70020发布于 2020-11-23 - 来自专栏Cloud Studio实战开发
【腾讯云 HAI域探秘】基于ChatGLM和StableDiffusion的小学一年级语文教学方案创作实践与经验分享
3.启动 点击算力连接，这里有两种连接方式chatlm2_gradio和jupyter_lab，在这里我们选择chatlm2_gradio这种的webUI方式连接。 4.生成教学方案 这里是以小学一年级语文为教材，生成教学方案。主要是以培养学生的口语交际能力。 具体细节如下： 问： 你好，请根据小学语文一年级上册这本教材中的《口语交际：我们做朋友》生成一堂教学方案。 模型回答： 请参阅以下小学语文一年级上册《口语交际：我们做朋友》的教学方案。 3. 对学生口语表达能力的培养，是否达到课程要求。 五、教学延伸 1. 课后与同学进行口语交际练习，互相评价。 2. 设计有关友谊的演讲稿，准备在班级中分享。 比如：小学语文一年级上册《口语交际：我们做朋友》1. 游戏导入，活跃课堂气氛。2. 讲述教材中的有趣故事，激发学生兴趣。
1K80编辑于 2023-11-15 - 来自专栏机器学习/数据可视化
图解Pandas的数据分类
","数学","英语","数学","英语","地理","语文","语文"]) data 0 语文 1 数学 2 英语 3 数学 4 英语 5 地理 6 语文 7 1 数学 2 语文 3 语文 4 语文 5 数学 6 语文 7 语文 Name: subject, dtype: category Categories (2 分类方法 访问分类信息 分类方法主要是通过特殊属性cat来实现 data 0 语文 1 数学 2 英语 3 数学 4 英语 5 地理 6 语文 7 语文 (["语文","数学"])] # 只筛选出语文和数学 cat_data3 0 语文 1 数学 3 数学 6 语文 7 语文 dtype: category Categories 数学 3 数学 6 语文 7 语文 dtype: category Categories (2, object): ['数学', '语文'] 创建虚拟变量 将分类数据转成虚拟变量
47220编辑于 2023-08-23 - 来自专栏机器学习/数据可视化
Pandas中的数据分类
","数学","英语","数学","英语","地理","语文","语文"]) data 0 语文 1 数学 2 英语 3 数学 4 英语 5 地理 6 语文 1 数学 2 语文 3 语文 4 语文 5 数学 6 语文 7 语文 Name: subject, dtype: category Categories (2 ("category") cat\_data # 分类数据 0 语文 1 数学 2 英语 3 数学 4 英语 5 地理 6 语文 7 语文 dtype ["语文","数学"])] # 只筛选出语文和数学 cat\_data3 0 语文 1 数学 3 数学 6 语文 7 语文 dtype: category Categories 1 数学 3 数学 6 语文 7 语文 dtype: category Categories (2, object): ['数学', '语文'] 创建虚拟变量 将分类数据转成虚拟变量
10K20发布于 2021-09-06 - 来自专栏程序技术知识
MySQL获取分组后的TOP 1和TOP N记录
| 80 | | 2 | 李四 | 语文 | 90 | | 3 | 王五 | 语文 | 93 | | 4 | 张三 | 数学 | 77 | | | 93 | | 王五 | 数学 | 99 | | 张三 | 英语 | 90 | +--------+--------+-------+ 3 rows in set | 93 | | 王五 | 数学 | 99 | | 张三 | 英语 | 90 | +--------+--------+-------+ 3 rows in set | 93 | | 王五 | 数学 | 99 | | 张三 | 英语 | 90 | +--------+--------+-------+ 3 rows in set | 93 | | 李四 | 语文 | 90 | +--------+--------+-------+ 6 rows in set (0.00 sec) 3、相关子查询 root
3.7K41编辑于 2022-01-26 - 来自专栏DBA随笔
MySQL的行转列
then result3 else result4 end 上面的语法，可以理解为当column的值符合condition1的时候，用result1去替换column的值，以此类推，当column | 87 | 45 | | 王五 | 76 | 34 | 89 | +-----------+--------+--------+--------+ 3 | 87 | 45 | | 王五 | 76 | 34 | 89 | +-----------+--------+--------+--------+ 3 | 0 | 0 | | 王五 | 0 | 0 | 0 | +-----------+--------+--------+--------+ 3 | 87 | 45 | | 王五 | 76 | 34 | 89 | +-----------+--------+--------+--------+ 3
13.9K10发布于 2019-11-06 - 来自专栏数据仓库技术
常见大数据面试SQL-查询每个学科第三名的学生的学科成绩总成绩及总排名
| 95 | | 李四 | 语文 | 90 | | 王五 | 语文 | 88 | | 赵六 | 语文 | | 李四 | 语文 | 90 | 2 | 273 | 1 | | 王五 | 语文 | 88 | 3 | 268 | 2 | | 张三 | 语文 | 95 | 1 | 257 | 3 | | 赵六 | 语文 | 77 | 4 | 229 | 4 | +----------+- ', 95), ('李四', '语文', 90), ('王五', '语文', 88), ('赵六', '语文', 77), ('张三', '数学'
49910编辑于 2024-07-12 - 来自专栏HsuHeinrich
Python 小案例（二）长宽表转换
','语文','语文','数学','数学','数学','数学','数学','数学','语文','语文','语文'], '基础':[10,10,10,2,2,2,8,8,8,5,5,5,6,6,6 ().unstack(3).dropna(axis=0, how='any').reset_index().rename_axis([None], axis 6 2.7 1.3 1.9 2 小学 数学 8 2.2 2.1 1.7 3 小学 英语 10 3.2 1.7 3.1 4 小学 语文 2 3.6 2.8 4.0 pivot_table 方式 result 6 2.7 1.3 1.9 2 小学 数学 8 2.2 2.1 1.7 3 小学 英语 10 3.2 1.7 3.1 4 小学 语文 2 3.6 2.8 4.0 宽表转长表 df_wide = pd.read_excel ', '加成'] # 转换后结果 result.head() 阶段 科目 基础 等级 加成 0 初中 数学 5 一级 1.2 1 初中 数学 5 二级 2.0 2 初中 数学 5 三级 2.4 3
64010编辑于 2023-02-24 - 来自专栏智能大数据分析
【数据处理包Pandas】DataFrame数据的基本操作
,'语文':]) # 查询从“语文”开始到最后一列 print(df.iloc[:,:2]) # 查询连续从1列开始到第3列，但不包括第3列 输出结果： df_insert = pd.DataFrame(np.arange(1,19).reshape(3,6),index=['己','庚','辛'],columns=['语文','数学','英语','生物 2 丙 120 130 109 姓名 数学 英语 语文 1 乙 88 115 105 2 丙 120 130 109 3 丁 90 df2) 输出结果： 姓名 数学 英语 语文 0 甲 105 99 110 2 丙 120 130 109 3、逻辑运算方法 （1）between()方法 ' ''逻辑运算方法：between()方法''' df3 = df[df['语文'].between(100,120)] print(df3) 输出结果： 姓名 数学 英语 语文 0 甲
1.1K00编辑于 2025-01-22
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