引用次数在15000次以上的都是什么神仙论文?

2025 数据库排行深析:从全球顶流到国产黑马,选型避坑全指南 看了这么多排行和数据,最后想给大家提个醒:数据库选型没有 "最优解",只有 "最适配"。Oracle 再强,初创公司用就是浪费;开源产品再香,核心场景没服务就是裸奔。我的经验是:先明确业务需求(OLTP/OLAP/AI),再框定预算范围,最后参考榜单选 3 款产品做压测。毕竟,排行榜是行业地图,能帮你避开荒漠,但真正的宝藏还得在自己的业务场景里挖。2025 年的数据库江湖已经足够精彩,2026 年的黑马会是谁?欢迎在评论区留下你的预测,咱们明年此时再聊! 阅读详情

来自|知乎  整理|深度学习技术前沿  

【导读】本文结合总结梳理了知乎上“引用次数在15000次以上的都是什么论文?”这一问题的经典回答,希望能帮助到各位进一步了解领域内的相关进展。并且通过阅读这些经典论文或许也会给您带来不少启发。

作者:小牧牧

https://www.zhihu.com/question/433702668/answer/1617092684

著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

1. 机器学习领域

我来列举一些机器学习(Machine Learning)领域的高被引文章。

机器学习领域泰斗级学者Geoffrey Hinton的文章引用:

引用次数超过15000次文章有6篇。

  1. ImageNet Classification with Deep Convolutional Neural Networks,引用75231次(AlexNet,点燃了深度学习的热潮,因此2012年被认为是深度学习元年,当然要十分感谢ImageNet和GPU的加持);

  2. Learning internal representations by error-propagation & Learning representations by back-propagating errors,引用50716次(BP算法,殿堂级别的成果,几乎所有关于神经网络的文章都会用到BP算法);

  3. Deep learning,引用33222次(“三巨头”关于深度学习的综述文章);

  4. Dropout: a simple way to prevent neural networks from overfitting,引用24452次(Dropout是一种防止深度学习模型过拟合的正则化方法,目前已被Google申请专利,面对封锁,华为诺亚实验室开源了Disout算法,直接对标Google的Dropout);

  5. Visualizing data using t-SNE,引用16957次(t-SNE是一种流形学习方法,用于数据降维和可视化)。

Geoffrey Hinton谷歌学术引用次数


在机器学习领域还有一个泰斗级的人物Jürgen Schmidhuber,他的一篇文章Long short-term memory目前的引用量是40934次,是深度学习-循环神经网络(Recurrent Neural Network, RNN)中的重要成果。但是LeCun Y,Bengio Y和Hinton G在2015年发表在Nature上的文章Deep learning作者中没有Jürgen Schmidhuber,不过Schmidhuber在2015也发表了一篇关于深度学习的综述文章Deep learning in neural networks: An overview,目前的引用量是10917。后来,“三巨头“获得了2018年的“图灵奖”,Schmidhuber和“三巨头“在网络上因为“成果引用”和“成果认定”发生了大量的口水战,这些都是后话了。


机器学习领域还有一些重要的成果,对应的文章也有不俗的引用量。比如:

  • 一直被对比,从未被超越的Adam,目前的引用量是60604次;

  • 使神经网络训练更快、更稳定的Batch normalization,目前的引用量是22986次;

  • 避免深层网络训练时梯度消失或梯度爆炸的激活函数—线性整流函数ReLU(Rectified linear units improve restricted boltzmann machines),目前的引用量是11548次。

  • Zisserman在2014年发表的关于VGGNet的文章Very deep convolutional networks for large-scale image recognition,目前的引用量是48691次。Google在2015年发表的关于GoogLeNet的文章Going deeper with convolutions,目前的引用量是26353次。何凯明2016年的文章Deep residual learning for image recognition,提出的多达152层ResNet,目前的引用量是63253次。2016年提出的用于目标检测的Faster R-CNN,目前的引用量是24215次。

女神李飞飞构建的ImageNet是计算机视觉(Computer vision)领域非常著名的大型数据集,关于ImageNet的论文ImageNet: A large-scale hierarchical image database发表时间是2009年,目前的引用量是23395次,AlexNet就是在2012年ImageNet大规模视觉识别挑战赛(ILSVRC)上一举成名,自此点燃了深度学习的热潮,可见大规模数据对于深度学习的重要性。

经常被调侃“Money(GPU) Is All You Need”的文章Attention Is All You Need目前的引用量是15410次,这篇文章提出的Transformer是自然语言处理(NLP)领域的重要成果,它的出现迅速取代了LSTM在NLP领域的霸主地位,像BERT、GPT这样的SOTA模型均采用Transformer。NLP领域的另一个重量级成果是word2vec,作者是来自Google的Tomas Mikolov,关于word2vec的两篇文章Distributed representations of words and phrases and their compositionality和Efficient estimation of word representations in vector space目前的引用量分别是24323次和19220次(感谢@ccking的提醒),其实我一直觉得NLP比图像处理问题复杂的多,最让人头疼的莫过于如何将语言数字化,我对此的了解仅限于One-hot encoding,实在是太难了。

谷歌大神Ian Goodfellow的关于GAN的文章Generative adversarial nets目前的引用量是25592次,关于GAN究竟是谁提出来的我就不得而知了,但是Schmidhuber在这个问题上肯定有很多话要说,至于Schmidhuber究竟说了些啥,参见:郑华滨:从PM到GAN——LSTM之父Schmidhuber横跨22年的怨念(文字版)。

Hinton老爷子在2006年提出的深度置信网络(DBN)被普遍认为是深度学习的前夕,关于DBN的两篇文章A fast learning algorithm for deep belief nets和Reducing the dimensionality of data with neural networks的引用量分别是14370次和13659次,DBN是Hinton老爷子最引以为傲的成果,它是一种由多个限制玻尔兹曼机(RBM)堆栈而成的概率生成模型,是最初训练深度网络的一种方法,尽管目前深度学习模型不再需要这种预训练,但它的思想仍然影响着当前的研究工作。

2. 计算机视觉领域

这里重点盘点一下AI领域,特别是CV方向的论文。

值得说一下,自从2012年,特别是2014年后,AI领域再度火爆,延续至今,很多优秀论文(特别是基于深度学习)也是发表在这个期间,引用量也迅速爆炸。

  • 注:下面会边介绍作者,边介绍论文,侧重点有点不同。


计算机视觉领域引用量1.5万+的论文

Andrew Zisserman(传闻欧洲计算机视觉第一人)

第一篇引用量近5万的是:深度学习时代的经典backbone模型VGG:Very deep convolutional networks for large-scale image recognition

第二篇引用量近3万,这其实是一本书《Multiple view geometry in computer vision》,可称为深度学习时代前的CV必读之作(现在其实也强推,但不少新入坑CV的人,直接跳过这些基础知识,去玩CNN了)

Jitendra Malik

加州大学伯克利分校的电子工程与计算机科学系(EECS)教授 Jitendra Malik获颁 2019 年 IEEE 计算机先驱奖。

第一篇引用量近4万,算是12年之前人工智能最经典的书籍,内容覆盖范围相当之广。不过Jitendra Malik并非一二作,所以搜索该书的时候,不容易看到他的名字。

第二篇引用量近1.7万,基于传统方法的图像分割代表作!

下面说说深度学习三巨头(Hinton、Bengio和LeCun)

Geoffrey Hinton

Hinton老爷子的代表作太多了,1.5万+引用量的论文见下图(6篇)。比如

第一篇引用量7.5万+,发表于2012年的AlexNet!永远滴神!

第二篇引用量3.3万+,是为了纪念人工智能60周年,深度学习三巨头合作在Nature上发表深度学习的综述性文章:Deep Learning

还有4篇破1.5万引用量的论文,这里不赘述,膜拜即可!

Yoshua Bengio

Bengio教授的代表作也太多了,1.5万+引用量的论文见下图(5篇)。比如:

第一篇上面说过了,是深度学习三巨头合著的。

第二篇引用量3万+,这是和LeCun提出了当时风靡一时的字符识别器(当时就是典型落地应用)

第三篇引用量2.5万+,这是和Goodfellow提出了鼎鼎大名的GAN!

第四篇引用量2万+,这是和Goodfellow发布了深度学习时代的"圣经"书籍:Deep Learning,国内不少人又称为花书。

Yann LeCun

LeCun大佬的两篇破1.5万的工作,上面已经介绍了。

Luc Van Gool

Luc Van Gool 苏黎世联邦理工学院教授,据了解,有若干中国学生曾师从于他。

这篇近3万引用量就是非常著名的SURF算法

上面提到SURF算法,就不得不提SIFT算法。

David Lowe

SIFT算法引用量近6万!其是手工特征时代的最具代表性工作!SURF、ORB在它面前都是弟弟,截止目前SIFT仍被广泛应用,相当能打!

Trevor Darrell

第一篇引用量近2万,鼎鼎大名的基于FCN的语义分割网络!

第二篇引用量1.5万+,鼎鼎大名的R-CNN目标检测网络。

李飞飞(Li Fei-Fei)

李飞飞女神,创建了ImageNet数据集和相关赛事~ 影响力巨大

上述主要是AI、CV领域的大前辈(年龄基本40+),这里重点介绍几位"新秀":

何恺明(Kaiming He)

做CV的应该都听过何恺明,有鼎鼎大名的ResNet、Faster R-CNN、Mask R-CNN、Focal Loss、FPN和近期的MoCo等工作。

第一篇是目前CV主流使用的backbone:ResNet,永远滴神!

第二篇是目标检测领域代表性网络:Faster R-CNN

估计17年发表的Mask R-CNN 也快破1.5万引用量了

Ross Girshick

他与何恺明算是合作搭档,都在FAIR工作,有不少合作的工作。

有鼎鼎大名的R-CNN系列工作,合作的有Caffe、Mask R-CNN、Focal Loss、FPN和YOLO等工作。

Ian Goodfellow

GAN 之父!下面三个工作都是目前顶级活跃的,比如GAN、Deep Learning书籍和TensorFlow框架

任少卿(Shaoqing Ren)

Faster R-CNN一作!貌似现在不做研究了,主要在企业(目前在蔚来)担任技术主管/副总裁。

其实CV领域还有很多超1.5万的论文,限于篇幅这里就不一一盘点:

作者:BeyondSelf

https://www.zhihu.com/question/433702668/answer/1624083551

著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

我梳理一下通信和图像处理方面,读过的一些经典的,超过15000引用的论文.

1. A Mathematical theory of communication

引用次数:78680

评价:开创了信息论,直接奠定了通信的发展,大名鼎鼎的香农三定理和熵的概念就是在这篇文章中提出的。没有它,就没有WiFi和5G,也没有我们刷着知乎听着歌

2. A combined coerner and edge detector

引用次数:18167

评价:提出了角点特征,能够检测图片中的角点、边缘和图片。是图像特征提取的代表作,是图像分割、匹配等的基础。

3. Distinctive image features from scale-invariant keypoints

引用次数:59561

评价:大名鼎鼎的SIFT特征,具有尺度、方向、仿射不变性,和上一篇论文的Haris特征一起,成为图像特征提取的两个最重要技术。

4. Object recognition from local scale-invariant features

引用次数:20100

评价:David Lowe的另一篇文章,说的是利用尺度不变特征来进行目标识别

5. Compressed Sensing

引用次数:27557

评价:压缩感知的代表作之一,将采样和压缩过程结合起来同时进行,直接对信号的稀疏性进行感知。

6. Robust Uncertainty Principles: Exact Signal Reconstruction From Highly Incomplete Frequency Information

引用次数:16700

评价:压缩感知的另一篇代表作

7.  A new approach to linear filtering and prediction problems

引用次数:35070

评价:提出了著名的卡尔曼滤波。如果你没听说过卡尔曼滤波不要仅,但你一定点过外卖,打过滴滴,甚至美国阿波罗号上天也用过它,根据测量值和状态方程修正真实值,就是它干的事情,

8. A computational approach to edge detection

引用次数:35942

评价:边缘检测的另一篇代表作

9. Gradient-based learning applied to document recognition

引用次数:32192

评价:LeCun的经典论文,做过机器学习的都知道,没做过机器学习的也一般听说过MNIST数据集

作者:远处群山

https://www.zhihu.com/question/433702668/answer/1622573162

著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

引用一万五千次以上的论文相当罕见,基本上都属于开山之作,开创了某个中等或者大领域的作品。也可以说是养活了很多人的作品...

现在深度学习的论文里15000次引用的挺多的,看到也有其他答主总结了,我就重点说下信号处理和图像处理的经典论文,

压缩感知的两篇开山之作:

  • Donoho D L. Compressed sensing[J]. IEEE Transactions on information theory, 2006, 52(4): 1289-1306. 27000次引用

  • Candès E J, Romberg J, Tao T. Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information[J]. IEEE Transactions on information theory, 2006, 52(2): 489-509. 16000次引用

统计学习里大名鼎鼎的LASSO:

  • Tibshirani R. Regression shrinkage and selection via the lasso[J]. Journal of the Royal Statistical Society: Series B (Methodological), 1996, 58(1): 267-288. 引用35000次

统计学习的圣典:

  • Cortes C, Vapnik V. Support-vector networks[J]. Machine learning, 1995, 20(3): 273-297.

图像分割的开山之作normalized cut:

  • Shi J, Malik J. Normalized cuts and image segmentation[J]. IEEE Transactions on pattern analysis and machine intelligence, 2000, 22(8): 888-905. 引用16000次

同样来自Malik老师的图像去噪神作——扩散滤波,威名赫赫的Perona-Malik模型,多少PDE-based image processing methods就是源自这里:

  • Perona P, Malik J. Scale-space and edge detection using anisotropic diffusion[J]. IEEE Transactions on pattern analysis and machine intelligence, 1990, 12(7): 629-639. 引用15000次

图像去噪的又一神作,超级经典的全变差模型:

  • Rudin L I, Osher S, Fatemi E. Nonlinear total variation based noise removal algorithms[J]. Physica D: nonlinear phenomena, 1992, 60(1-4): 259-268. 引用15000次

无比经典的SIFT图像特征检测以及方向梯度直方图(HOG)模型,做图像处理的应该没有不知道这两个的:

  • Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International journal of computer vision, 2004, 60(2): 91-110. 58000次引用

  • Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]//2005 IEEE computer society conference on computer vision and pattern recognition (CVPR 05). IEEE, 2005, 1: 886-893. 32000次引用

做图像恢复的人肯定都知道SSIM这个指标,出自这篇文章:

  • Wang Z, Bovik A C, Sheikh H R, et al. Image quality assessment: from error visibility to structural similarity[J]. IEEE transactions on image processing, 2004, 13(4): 600-612. 引用27000

大家还知道哪些引用率超高的重量级文章呢?欢迎在留言区讨论!


觉得还不错就给我一个小小的鼓励吧!


提高RFID检测距离以及检测速度的方法总结 摘要:提高RFID检测距离需优化阅读器功率、标签灵敏度、天线设计及频段选择,同时减少环境干扰;提升检测速度则需改进防碰撞算法、增强并行处理能力、精简数据传输。实际应用需平衡两者关系,如物流仓储采用UHF频段、高增益天线和动态Q算法实现远距离高速读取,ETC系统则通过微波频段和高速调制实现超远距离快速识别。不同场景需针对性优化硬件配置和系统参数。 阅读详情

相关推荐

Frida实战:SSL Pinning绕过技术全解析

本文详细解析了如何使用Frida工具绕过SSL Pinning技术,包括环境搭建、四种实战绕过方案及常见问题排查指南。通过具体代码示例和实战经验,帮助安全研究人员快速掌握SSL Pinning绕过技术,适用于金融类App的安全测试场景。

weixin_42530732的博客 188

引用次数在1.5w次以上神仙论文!

Datawhale干货内容:经典论文,编辑:数据派THU本文约3400字,建议阅读5分钟 总结梳理了知乎上“引用次数在15000次以上的都是什么论文?”这一问题的经典回答。前言小编在这里总结梳理了知乎上“引用次数在15000次以上的都是什么论文?”这一问题的经典回答,希望能帮助到各位进一步了解领域内的相关进展,并且通过阅读这些经典论文或许也会给您带来不少启发。1. 机器学习领域我来列举一些机器...

Datawhale 1030

【代码审计】RuoYi定时任务漏洞:从SQL注入到RCE的攻防演变

本文深入剖析了RuoYi框架定时任务模块从早期版本无校验到引入黑白名单机制,再到被组合利用实现RCE的完整漏洞演变过程。文章详细分析了SQL注入与定时任务功能结合导致的远程代码执行漏洞,并总结了代码审计与安全开发的核心要点,为开发者提供了重要的安全参考。

yellow的专栏 702

从事计算机视觉必知的「大牛」有哪些?

点击上方“机器学习与生成对抗网络”,关注"星标"获取有趣、好玩的前沿干货!说到计算机视觉,首屈一指的大牛必然是 David Marr(1945-1980)。20 世纪 7...

idol24的博客 6608

Diebold-Mariano检验

给定两个预测的预测结果,我们希望比较他们的预测结果,以用于预测模型精度的比较。 Diebold-Mariano检验本质是一个t检验,用于检验替代预测的两个损失序列的平均值是否相等。即,它是一系列损失差的零均值的t检验。在存在自相关的情况下,它使用损失差分时间序列标准差的自相关一致性估计。 注意,在使用DM检验式时,假设损失序列是平稳的。 另外,DM检验在小样本数据时往往会拒绝零假设。对于小样本数据,推荐Harvey, Leybourne and Newbold (HLN)检验【1】; 参考文献 【1】htt

weixin_43948357的博客 6566

Vue3+Vite+Electron桌面应用开发:从零到打包的完整避坑指南

本文是一份详尽的Vue3+Vite+Electron桌面应用开发实战指南。文章从项目初始化、环境配置、主进程构建、Vite深度优化,到最终的打包配置与优化,系统性地讲解了使用现代前端技术栈开发跨平台桌面应用的完整流程,并重点分享了开发与打包过程中的常见“坑点”与解决方案,旨在帮助开发者高效构建稳定可交付的桌面端应用。

hh234的博客 109

曾三次获得马尔奖,牛津大学 Andrew Zisserman 教授团队最新成果!

来源:机器之心遮挡是计算机视觉很基础但依旧未解决的问题之一,因为遮挡意味着视觉信息的缺失,而机器视觉系统却依靠着视觉信息进行感知和理解,并且在现实世界中,物体之间的相互遮挡无处不在。牛津大学 VGG 实验室 Andrew Zisserman 团队最新工作系统性解决了任意物体的遮挡补全问题,并且为这一问题提出了一个新的更加精确的评估数据集。该工作受到了 MPI 大佬 Michael Black、CV...

深度学习技术前沿 656

OctoMag: An Electromagnetic System for 5-DOF Wireless Micromanipulation

电磁线圈组驱动经典系统,可以作为参考。 OctoMag: 用于5自由度无线微操作的一个电磁铁系统 OctoMag: An Electromagnetic System for 5-DOF Wireless Micromanipulation [1] Paper Link Authors: J. J. Abbott, etc. 2010, TRO IEEE Transactions on Robot...

XU Yangxin的博客 1666

【深度学习】引用次数在15000次以上的都是什么神仙论文?

来自|知乎 整理|深度学习技术前沿 深度学习这件小事【导读】本文结合总结梳理了知乎上“引用次数在15000次以上的都是什么论文?”这一问题的经典回答,希望能帮助到各位进一步了解领域内的...

fengdu78的博客 4067

会计-合并-5- 增资、处置交易在合报与个报会计处理

摘要:本文系统梳理了股权投资会计处理的四种情形:从交易性金融资产转为权益法或成本法、权益法转成本法、权益法增持。核心原则是区分个报与合报处理,重点关注原投资公允/账面价值的计量差异及损益确认逻辑。对不丧失控制权的股权处置,个报确认投资收益,合报调整资本公积;丧失控制权时,个报需追溯调整权益法核算,合报计算综合投资收益。一揽子交易的特殊处理强调将过渡性差额暂记其他综合收益,最终丧失控制权时转入当期损益。文末通过典型案例演示了不同情境下的具体计算方法。

qq_34047402的博客 466

STM32入门教程:车牌识别

在本文中,我们介绍了如何使用STM32实现车牌识别功能,并提供了详细的代码案例。通过以上步骤,你可以开始开发自己的车牌识别系统了。希望本文对你有所帮助!

2401_85258012的博客 874

行为识别(action recognition)技术趋势

计算机视觉领域的杰出学者Andrew Zisserman同Deepmind团队的技术讨论中对人类行为识别的技术趋势和Kinetics数据集的应用做了探讨分析,Andrew Zisserman其团队曾提出过名噪一时的VGG模型,在行为识别领域也有深入研究,因此其报告值得认真理解分析,现将其摘录整理如下,报告原题目为《Human action recognition and the Ki...

Zr‘s code world 1万+

基于卷积神经网络的试卷手写分数自动识别系统

本文提出了一种基于卷积神经网络(CNN)的试卷手写分数自动识别系统,旨在解决传统人工录入方式效率低、易出错的问题。系统通过图像预处理、分数区域定位、CNN识别和后处理等模块,实现了对手写数字分数的端到端自动识别。针对试卷复杂背景、书写风格多样等技术挑战,系统采用中等深度的CNN架构,在构建的数据集上取得了99.5%以上的识别准确率。该系统可显著提升教育评估工作的效率和准确性,具有重要的实用价值。

huanghm88的专栏 222

那些引用次数在15000次以上的都是什么神仙论文?

来源:汉斯出版社 本文约3400字,建议阅读5分钟 总结梳理了知乎上“引用次数在15000次以上的都是什么论文?”这一问题的经典回答。前言小编在这里总结梳理了知乎上“引用次数在15000次以上的都是什么论文?”这一问题的经典回答,希望能帮助到各位进一步了解领域内的相关进展,并且通过阅读这些经典论文或许也会给您带来不少启发。1. 机器学习领域我来列举一些机器学习(Machi...

数据派THU 931

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

引用次数在 15000 次以上的都是什么神仙论文?

点击上方“视学算法”,选择加"星标"或“置顶”重磅干货,第一时间送达来自|知乎 整理|深度学习技术前沿【导读】本文结合总结梳理了知乎上“引用次数在15000次以上的都...

zandaoguang的博客 534

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

别再死磕毕业论文!Paperxie 三步搞定,本科生闭眼冲的写作神器

毕业论文不是 “洪水猛兽”,只是一场需要 “巧劲” 的考验。与其熬夜爆肝,不如用对工具 ——Paperxie 的毕业论文智能写作功能,就像一个贴心的 “论文导师”,跟着页面的指引走,三步就能搞定一篇高质量的论文,帮你省下时间去实习、去旅行、去规划未来。最后,祝所有本科生都能顺利搞定毕业论文,毕业快乐!t=Q239。

399

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

运维都干什么_月薪15000以上的运维,一般工作都干些什么?

“运维一般干什么?”这个问题居然是百度上搜索“运维”的热门问题:图片来源于百度截图对应这个问题的最佳答案如下,不知道各位运维同学是否认同?一、运维工程师的工作:保障业务长期稳定运行(如网站服务器、游戏服务器等)。保障数据安全可靠(如用户名密码、游戏数据、博客文章、交易数据等)。随时解决报警故障。业务程序更新。编写一些脚本,监控或完成其他可自动完成功能。运维架构完善,部署一些用起来更方便更...

weixin_39710288的博客 331

静态网页源码_第492期【资源】网站设计繁杂怎么办,送你15000套网站设计(素材+模板+源码)...

用心分享 一黑一白蝶科技一个分享软件/素材/后期/网站/教程的资源公众号资源概览深度体验侵权请联系删除 资源15000套网站设计(素材+模板+源码)1:UI界面素材2:1000套js特效源码3:2000套手机静态页面模板4:2000套PSD模板+酷站源文件5:9900套响应式前端纯静态网页模板资源下载方式请查看文章底部往期干货精选第448期【教程】配色太丑!5200张配色卡+大...

weixin_39902870的博客 279

这是什么神仙公司?居然公布离职员工信息,还给差评?

如今的职场,跳槽是一件很普通的事情,没有人敢说自己的饭碗能做一辈子,一般来说呢,用人单位与员工是一个双向选择的过程,如果不合适,大家也会好聚好散。毕竟后面的职位说不定还要尽调。不过也有人会...

程序猿DD 493

linux运维工程师培训课程_Linux运维工程师一般都做什么?月薪15000以上难吗?

“运维一般干什么?”这个问题居然是百度上搜索“运维”的热门问题:图片来源于百度截图对应这个问题的最佳答案如下,不知道各位运维同学是否认同?一、运维工程师的工作:保障业务长期稳定运行(如网站服务器、游戏服务器等)。保障数据安全可靠(如用户名密码、游戏数据、博客文章、交易数据等)。随时解决报警故障。业务程序更新。编写一些脚本,监控或完成其他可自动完成功能。运维架构完善,部署一些用起来更方便更...

weixin_39828956的博客 562

谈薪资被 HR 怼了:估计你一辈子就是个程序员!气不过啊。。。

相关阅读:一款神仙接私活低代码平台,吊到不行(附源码)在职场中,我们应该追寻一种平等关系,也就是说公司看中求职者的能力,求职者希望公司给予自己满意的薪资和发展空间。公司有权利选择我们,我们也有权利选择公司!因此,面试是选择和被选择的关系,拒绝和接受都是很正常的事情,而非一方的强人所难或是“王婆卖瓜”行为。近日,一名程序员在求职过程中由于个人能力出众,公司很是满意,于是让 ...

Java和Android架构 108

9种方法让你访问Github提速到2MB/s!

经常有不少粉丝问我,github 访问超级慢,有没有办法加快,我当初推荐的第 9 种方法。这种方法太过麻烦,直到最近我在网上看到有牛人总结的 GitHub 的 9 种加速方式,感觉还不错...

Java 架构师之路 4万+

IDEA中一个被低估的功能,一键把项目代码绘制成UML类图

作者:hy_comingblog.youkuaiyun.com/hy_coming/article/details/80741717最近在开发的过程当中,对于已有的代码,想将相关类绘制成UML类图,...

Java 架构师之路 3955
上一篇: 好习惯!pandas 8 个常用的 option 设置
下一篇: 用 Python 制作 NFT 区块链作品(下)
Wang_AI
博客等级 码龄12年 998粉丝 162原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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