- 博客(28)
- 收藏
- 关注
RSS订阅原创 WSL下的Kafka开发容器：Docker搭建、API、整合
本文介绍了如何在WSL下使用Docker搭建Kafka容器，并使用Python的kafka-python库和FastAPI框架实现了一个简单的API。同时，还将该服务整合到一个整体的docker-compose中。文章详细介绍了Docker网络、Kafka环境变量配置、Python连接Kafka的方法以及API的开发。
2023-04-17 18:47:43
904
1
原创 Introducing Tome, AI讲演助手
随着ChatGPT进入人们的视野，AI开始在越来越多的领域大展拳脚，近期，一款名为Tome的讲演编辑工具（类似幻灯片）推出了AI辅助创作的功能。
2023-01-02 19:32:24
3984
2
原创 whisper ASR体验
9月21日，OpenAI 发布了一个名为「Whisper 」的神经网络，声称其在英语语音识别方面已接近人类水平的鲁棒性和准确性。「Whisper 」式一个自动语音识别（ASR）系统，研究团队通过使用从网络上收集的68万个小时多语音和多任务监督数据，来对其进行训练。训练过程中研究团队发现，使用如此庞大且多样化的数据集可以提高对口音、背景噪音和技术语言的鲁棒性。
2022-09-26 21:48:05
2158
3
原创 苏州大学872专栏介绍
作者如今大四本科在读，考研目标院校苏州大学。在学习苏州大学872的过程中，发现网上的资料很少，许多的答案也都有大大小小的问题。本专栏与2022.9.6号开始更新，目标完成近8年的872真题整理，以往的内容将陈列在下方，后续的内容敬请期待。遂决定在CSDN记录自己的真题练习笔记。答案的来源主要是出自王道考研计算的两本课本，以及网络上其他资源。希望本专题的内容可以帮到广大考研苏大的同学。也十分欢迎大家在留言处和作者讨论，批评与指正~
2022-09-21 20:08:37
953
原创 Docker部署爬虫实战
本项目使用Springboot编写服务端口，python实现爬虫任务，bash脚本完成任务调度。出于环境搭建过于繁琐的考虑，本项目希望采用容器化技术完成一键部署，简化操作流程。
2022-08-26 21:17:56
1495
原创 雅思首考7.5经历分享
在初夏时节，雅思考试终于和我说byebye了，之前是没有接触过雅思的，英语六级考到了626，英语基础还可以，最后首考出分7.5，我可以说是十分开心了
2022-06-16 20:49:41
671
2
原创 Kettle项目实战：比赛信息自动流转方案
Kettle项目实战比赛信息自动流转方案1. 项目背景与介绍众多的比赛都可以为抽象成以下的流程：传统的报名工作需要赛事组工作人员以表格或是邮件等方式采集选手的信息，并归档处理。选参赛过程中的种种行为，诸如签到、比赛、得分都得不到高效的记录，往往由纸张的表格记录，再录入excel进行整理。在处理比赛结果时，需要重复地完成结算流程，并进行检查，非常消耗人工，且易产生错误。在此番背景下，一个整合比赛从发起、开启报名、比赛到结算的工作流可以被搭建起来，以更高效地筹办与组织赛事。简单来看，工作流需要解决
2022-05-08 12:18:20
2135
6
转载 贱卖过自己的人，再也贵不起来
贱卖过自己的人，再也贵不起来The following article is from 张良计原文链接：贱卖过自己的人，再也贵不起来前两天，一位读者发来一个问题：“周五下班的时候收到甲方客户的紧急要求，要出3张设计海报，周六就要。但是设计师放假回老家了，没法在高铁上作图。作为项目沟通者的自己，该如何与客户讲？”我的回答是：想方设法不要满足客户的要求。如果必须交稿，那也要在某些地方打个折。这不是误人子弟，而是保人平安。为什么这么说？首先，半天时间出3张设计海报，但凡懂一点设计的朋友，都知道这
2022-03-20 12:07:40
389
原创 SparkMLib决策树和逻辑斯蒂回归的示例
SparkMLib 编程基础实验目的：通过实验掌握Spark MLlib 的基本编程方法；熟悉spark与数据挖掘和机器学习的综合使用；实验内容：数据从美国 1994 年人口普查数据 库抽取而来，可用来预测居民收入是否超过 50K/year。该数据集类变量为年收入是否超过50k/year。该数据集类变量为年收入是否超过 50k/year。该数据集类变量为年收入是否超过50k，属性变量包含年龄、工种、学历、职业、人种等重要信息，值得一提的是，14 个属 性变量中有 7 个标签变量。#step0
2021-11-28 16:39:51
4492
9
原创 python实现DBSCAN 算法
算法介绍参照此文章DBSCAN 算法核心思路：首选任意选取一个点，然后找到到这个点距离小于等于 eps 的所有的点。如果距起始点的距离在 eps 之内的数据点个数小于 min_samples，那么这个点被标记为噪声。如果距离在 eps 之内的数据点个数大于 min_samples，则这个点被标记为核心样本，并被分配一个新的簇标签。然后访问该点的所有邻居（在距离 eps 以内）。如果它们还没有被分配一个簇，那么就将刚刚创建的新的簇标签分配给它们。如果它们是核心样本，那么就依次访问其邻居，以此类推。簇
2021-11-13 14:46:45
2696
2
原创 在Python中使用GraphViz绘制二叉排序树
在Python中使用GraphViz绘制二叉排序树本文章结合了py和Graphviz，想要快速可视化二叉排序树和想要初步了解Graphviz的小伙伴可以看看。准备工作：1.在GraphViz官网下载文件后，在电脑安装，并将安装路径导入环境变量PATH2.进入cmd，输入 pip install graphviz实现代码# python 实现二叉树# author Eimport queuefrom graphviz import Digraphclass Node(object):
2020-12-04 19:52:31
639
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人