iOS需要学习和解决的若干问题-----------------

判断网络状态-----------

获取设备唯一标识,判断是否时在手机上第一次下载,用户是否是第一次使用-----------

沙盒存储-------------

NSCache缓存-------------

清除缓存------------------

网络请求图片SDWebImage------------

第三方登录时,判断是否装了第三方的客户端---------

自动布局-------Masory------ ---

模态UIPopPresentationController----------------

多线程GCD和NSOperation和NSThread------------

GCDSocket和socket----------------------

即时通讯环信和融云---------------

更改host重定向------------

打电话/发短信/发邮件-----------

设置返回按钮-------------

设置延长后台运行时间-----------

解决navigation盒scrollview上移的问题----------------

从appstore中获取app应用程序版本等信息---------------

IPV6域名转IP----------------

控制器界面之间的传值---------------

MBProgress的用法--------------

跳转到apostore更新和评价------------

加载的控制的几中方式---------------

常见的编译错误--------------

发布到appstore的流程和更新流程--------------

AFNnetworking用法---------------

原生网络请求NSURLSession和上传updateLoad和下载-dow nLoad和dataTask-------------

支付宝和微信集成------------

百度地图和苹果自身API------------

天气应用--------------

字典转模型和MJExtention----------

加载数据刷新和MJRefresh-----------

CALayer属性---------------

绘图------绘制图表曲线,趋势图--------

动画------------

UIDyNamic仿真动画--------------

视频和录像---------------

音频和录音------------

相册---------------

instrument检测分析----------

富文本NSAtrributedStirng/TextKit和CoreText--------------

CoreImage-------------

屏幕旋转-----------

strong weak assign copy修饰属性--------------

touch事件------------------------

状态栏设置--------------

corefoundation和foundation的桥接问题-----------------

黄色文件夹和绿色文件夹-------------

单利-------------------

代码性能测试测试运行时间-----------

内存分区和static---------------

scrollView ------------------

输出格式控制符-----------------

UIAlertViewController和UIAlertView--------------

collectionView和TableView-插入编辑删除-------------

openFire   和webdav 和    apache服务器-------------------

网络通信原理-OSI七层模型------------

cocoaPods-------------

git-------------

svn------------

手势------------

数据库存储sqlite和coreData和FMDB-------------

javascript和OC互相调用------------

UIWebView-------- WKWebview-------

reactiveCoaoa----响应式编程---------

UISearchBar和UISearchController-------------------

UIPickView和 UIDataPickView--------------

block中的循环应用问题-------------

响应者链条------------------------

消息循环原理------------------

静态库和动态库----------------

延迟执行的方法----------------

block-----------------

KVO-------------

KVC-------------

本地推送和与远程推送/极光推送---------------

内购------------

storyBoard-------------

UITabBarController-------------

控制器跳转------------

人脸识别-------------

语音识别--------------

通讯录------------

指纹识别--------------

传感器-------------

应用间跳转----------------

分享/友盟/sharedSDK/系统分享----------

登陆短信验证-------------

日历和日期-------------------

剪贴板UIPasteboard genaneralPasteboard-----------------

 description 和descriptionWithLocale解决中文问题:

加密问题------------

定时器NSTime和CADisplayLink------------

屏幕截图----------------

图片渲染和图片拉伸-------------

二维码应用----------

蓝牙----------------

视屏截图和视屏压缩------------

通知的使用-------------

UIT extField/UITextView -------------

键盘的使用-----------------

UIApplication--------------

通用设置导航栏-----------------

控制器的生命周期-------------

物联网--------------

直播---------------

电商-----------------

runtime-----------

埋点统计------------

emoji--------

新特性--------------

XML解析/HTML解析-/Hpple/ElementParse-----------

钥匙串保存---------------

UISearchBarController/UISearchBar---------

AVFoundation自定义相机-----------------

蓝牙-------------

IPAD——————————

即时通讯---------

SOCKET————————

网络七层模型--------------

http,https,tcp,udp,-------------

 

 

 

 

=================================================================

记住密码------------

忘记密码------------

密码不对闪退,断网闪退-----------

 

 

==================================

swift

 

===============有用的第三方框架=======

YYKit---------符合性框架;

sdwebimage----------自动加载图片框架

masonry-------自动布局框架

MJRefresh--------刷新框架

MJEXTENSION---------字典转模型

 

//+++++++++++++++++++++面试题库

 

1.KVO的原理

 

2.KVC的原理:

3.AFN原理:

4.SDWEBIMAGE原理:

5.MJRefresh

6.fmdb

7.https

8.第三方授权登录原理

9.单利的原理和应用场景

10.coredata

11.mjextention

12.apn远程推送的原理,极光推送

13.消息循环原理

14.多线程

15.block循环引用的原因及解决方法

16.运行时runtime

17.深拷贝,浅拷贝,copy,weak,retain,assign

18.友盟分享

19.支付宝,微信

 

 

===============C语言中

corefoundation------

quartzCore--------绘图

coreGraphic--------图片处理

coreImage-------图片处理

CFNetWork----------网络通信

 

CoreAudio-----用来操作设备上的音频硬件

CoreText-------处理文本样式

 

React Native-------facebook的开发框架

weex--------基于vue的h5的开发框架

小程序---百度,阿里,微信,

公众号,

flutter-------google发布的android和iOS混合开发平台

*******************面试:

runloop---------https://blog.csdn.net/u011146511/article/details/51271186

runtime---------https://blog.csdn.net/u011146511/article/details/60580721、https://blog.csdn.net/jq2530469200/article/details/51886578

http------https://blog.csdn.net/u011146511/article/details/78006142https://blog.csdn.net/u011146511/article/details/77941896https://blog.csdn.net/u011146511/article/details/64440739

tcp、udp、socket的基本实现,数据传输阻塞、并发、粘包问题-------------(UDP、TCP)-https://blog.csdn.net/u011146511/article/details/64904904https://blog.csdn.net/u011146511/article/details/51424405https://blog.csdn.net/u011146511/article/details/64452026https://blog.csdn.net/u011146511/article/details/51424392https://blog.csdn.net/u011146511/article/details/56012752、(阻塞、粘包、问题)https://blog.csdn.net/u011146511/article/details/64905331https://blog.csdn.net/u011146511/article/details/56277785

block内部原理----------------https://blog.csdn.net/u011146511/article/details/65626936https://blog.csdn.net/u011146511/article/details/51260390

tableview优化、缓存池机制原理-------------------https://blog.csdn.net/u011146511/article/details/49808581https://blog.csdn.net/u011146511/article/details/74516282

js与oc互相调用-----------------https://blog.csdn.net/u011146511/article/details/79290156https://blog.csdn.net/u011146511/article/details/78979817

蓝牙相关---------------https://blog.csdn.net/u011146511/article/details/51232995

相机录像、音视频、直播相关、二维码---------------、(视频播放)https://blog.csdn.net/u011146511/article/details/60583432(AVFoundation自定义视频录制)https://blog.csdn.net/u011146511/article/details/51246393、(视频播放)https://blog.csdn.net/u011146511/article/details/51246312、(相机)https://blog.csdn.net/u011146511/article/details/51232719(视频截图)https://blog.csdn.net/u011146511/article/details/51232690、(视频压缩)https://blog.csdn.net/u011146511/article/details/51232649、(二维码)https://blog.csdn.net/u011146511/article/details/75645272(二维码)https://blog.csdn.net/u011146511/article/details/51233000

多线程GCD的原理和使用、信号量、调度组、NSOperation依赖--------------------https://blog.csdn.net/u011146511/article/details/51348750https://blog.csdn.net/u011146511/article/details/77869913https://blog.csdn.net/u011146511/article/details/51348834

app抓包---https://www.jianshu.com/p/7dea5b081d24https://blog.csdn.net/hewy0526/article/details/50996984

防抓包----1.监测网络代理,有代理不允许请求 2.服务器要发送的公钥存在客户端本地,用于验证。3.token机制+RSA加密。https://www.jianshu.com/p/4682aecf162d?open_source=weibo_search、https://www.jianshu.com/p/fd97739e99a9、https://blog.csdn.net/liqunzhang/article/details/82152354

逆向、安全问题-、加密设计-------------https://blog.csdn.net/u011146511/article/details/64440739、https://blog.csdn.net/u011146511/article/details/68923465

直播----------https://blog.csdn.net/u011146511/article/details/83051983

视频编码、解码------https://blog.csdn.net/u011146511/article/details/83069047

 

即时通信---------

PDF相关技术-------https://blog.csdn.net/u011146511/article/details/83059856

app直播与硬件交互----------https://blog.csdn.net/u011146511/article/details/83056309

KVC原理-------https://www.jianshu.com/p/9183365170bd、https://blog.csdn.net/u011146511/article/details/62423299

sdwebimage实现原理----https://www.jianshu.com/p/7dea5b081d24,先判断内存有没有,在看本地缓存有没有(第一次下载后会保存在沙盒中,下一次根据沙盒路径file获取data数据,如果前两个都没有,从网络下载,网络下载的时候,先判断当前的队列中有没有相应的下载操作,有的话继续,下载完成,取消操作。销毁)

让sdwebimage不缓存图片,每次都重新加载url:https://blog.csdn.net/feiyuyuan_9257/article/details/77717343

本地缓存了图片,但是后台修改了图片,刷新时怎样处理:可以跟后台协商好,后台更新了图片,就把url的文件名也该了,这样url就改变了,本地查找不到就重新下载。

kvo------https://blog.csdn.net/u011146511/article/details/51232368

自动登录的实现原理------https://blog.csdn.net/u011146511/article/details/54582285

APP网络请求中token失效的处理方法一:--------网络请求返回中判断是否是token失效,在VC基类中设置一个通知(add注册通知),当token失效直接发送一个通知告诉VCtoken失效,然后做下一步的处理(这样做可能每一个继承基类VC的页面都能收到通知,在当前控制器销毁或者返回到上一个页面的时候移除通知)。

***token处理方法2,在AFN的回调中判断token是否过期,发送通知到tabBarcontroller,做一个token的标识,如果token失效且已经发送了通知设为0,同时其他的请求返回token失效后不发送通知。等到新的token返回后再把token的标识设置为非0。

//第一种方法.这里可以移除该控制器下的所有通知 // 移除当前所有通知 NSLog(@"移除了所有的通知"); [[NSNotificationCenter defaultCenter] removeObserver:self];

//第二种方法.这里可以移除该控制器下名称为tongzhi的通知 //移除名称为tongzhi的那个通知 NSLog(@"移除了名称为tongzhi的通知"); [[NSNotificationCenter defaultCenter] removeObserver:self name:@"tongzhi" object:nil]。

***把token配置到afn的config中:以后每次不用传token,方法

NSURLSessionConfiguration * configuration = [NSURLSessionConfiguration defaultSessionConfiguration];

configuration.HTTPAdditionalHeaders = @{@"Authorization":[NSString stringWithFormat:@"Bearer %@",token]};

 

 

self和super的区别-----

【self class】:返回当前类。

self 是类的隐藏的参数,指向当前当前调用方法的类,另一个隐藏参数是_cmd,代表当前类方法的selector。这里只关注这个self。super是个 啥?super并不是隐藏的参数,它只是一个“编译器指示符”,它和self指向的是相同的消息接收者,拿上面的代码为例,不论是用[self setName]还是[super setName],接收“setName”这个消息的接收者都是son这个对象。不同的是,super告诉编译器,当调用setName的方法时,要去调用父类的方法,而不是本类里的,super只是指示符的作用没有实际意义。

当使用self调用方法时,会从当前类的方法列表中开始找,如果没有,就从父类中再找;而当使用super时,则从父类的方法列表中开始找。然后调用父类的这个方法。

响应者连、消息传递机制--------https://blog.csdn.net/u011146511/article/details/51271246

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值