Публикации по теме 'computer-science'
5 основных навыков, необходимых для перехода от Frontend к FullStack Engineering
Вы фронтенд-разработчик и хотите перейти к разработке полного стека? Поздравляем со следующим шагом в карьере! Переход от фронтенда к разработке полного стека может быть захватывающим и полезным путешествием. Однако это также требует приобретения нового набора навыков, чтобы справиться со сложностями как фронтенд-, так и бэкенд-разработки. В этой статье мы рассмотрим 5 основных навыков, необходимых для успешного перехода от фронтенда к разработке полного стека, что позволит вам..
Шпаргалка по управлению уязвимыми зависимостями для разработчиков JavaScript
Вступление
Цель шпаргалки - предложить подход к работе с уязвимыми сторонними зависимостями при их обнаружении и в зависимости от различных ситуаций.
Шпаргалка не ориентирована на инструменты, но содержит раздел инструменты , информирующий читателя о бесплатных и коммерческих решениях, которые можно использовать для обнаружения уязвимых зависимостей, в зависимости от уровня поддержки используемых технологий.
Примечание. Предложения, упомянутые в этой шпаргалке, не являются..
Понимание оператора приложения функции $ в Haskell
Чтение о том, почему $ работает именно так, может привести к путанице. По сути, к чему сводится $ , можно легко объяснить в этом Ответе StackOverflow:
«Оператор $ предназначен для того, чтобы избежать круглых скобок. Все, что появится после него, будет иметь приоритет над всем, что будет раньше».
Достаточно просто. Однако понять, почему это работает именно так, может быть сложно. Итак, давайте разберемся.
Давайте посмотрим на его объявление типа. Мы можем увидеть..
Пространственное картографирование в компьютерном зрении с использованием ZED
Stereolabs — ведущий поставщик стереоскопических 3D-камер и программных решений. Сильный портфель продуктов, состоящий из 3D-стереоскопических камер, шлюзов и платформы управления камерами. Компания Stereolabs внедрила более 50 000 камер и предоставляет комплексное решение со своим SDK и API для простой интеграции вместе со своей камерой, которая используется более чем 8900 клиентами по всему миру. Stereolabs также тесно сотрудничает с NVIDIA в области разработки продуктов.
Затем ZED..
CS50 : спустя два года
Два года назад я еще не был студентом факультета компьютерных наук. У меня был своего рода перерыв в год. Я был довольно близок к тому, чтобы быть уверенным в своей специальности, поэтому моей целью было стать достойным в компьютерных науках до поступления на первый курс. Прошло два года, а я до сих пор не могу сказать, что я порядочный :), но за последние два года я многому научился. Одна из вещей, которую я усвоил, заключалась в том, что хорошая основа — это настоящая жемчужина, и..
TpuGraphs: прогнозирование производительности тензорных программ
✨TpuGraphs: набор данных для прогнозирования производительности на больших тензорных вычислительных графах✨
Питчайя Мангпо Фотилимтана, Сами Абу-Эль-Хайджа, Кайди Цао, Бахаре Фатеми, Чарит Мендис, Брайан Пероцци
TpuGraphs представляет набор данных для прогнозирования производительности и базовые модели тензорных программ, представленных в виде вычислительных графов, работающих на тензорных процессорах (TPU).
Важные термины и предыстория
Прогноз эффективности
Это задача..
COVID-19 приносит проблемы и возможности для студентов CS с ограниченными возможностями
Для Калеба Рута информатика с самого начала была источником его творчества.
Поступающий старшеклассник учится в Академии карьеры , гибридной программе, основанной на сотрудничестве государственных школ Линкольна в Линкольне, штат Небраска, и Юго-восточного муниципального колледжа. Он собирается начать свой последний год школьного пути информационных технологий, где он изучает языки программирования, веб-разработку, мобильные приложения и разработку приложений для нескольких операционных..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..