商业周刊:Web 领域25个最有影响力的人(下)

随易周刊第006期 - 云梦秦简 这是一个由前端之虎陈随易维护的周刊,将会分享笔者一周内的所见所闻。写一篇周刊搜集+整理+发布需要数天,请尊重笔者的成果,可任意转载,但不要篡改内容。如果你觉得周刊不错,可以给笔者提供打赏,以支持和鼓励笔者创作更多优质的周刊内容。最后呢,本周刊正在寻找商业推广合作伙伴,如果你有兴趣,可以联系我。为什么要做周刊笔者喜欢每天看各种技术资讯,逛技术社区,跟踪软件更新发布等。独乐了不如众乐乐,遂做成周刊,以飨读者。 阅读详情

《商业周刊》(Business Week)每年都会通过读者和编辑,评选对 Internet 带来影响和推动的人。今年的名单包含当今 Web 领域最有影响力的 25 个人。这是第二部分,第一部分请阅读:商业周刊:Web 领域25个最有影响力的人(上)。

草根的胜利: Matt Mullenweg

Wordpress.org

随着社会媒体的扩张,WordPress 的影响也在增加,这个博客平台吸引了绝大多数认真的博客主,开源是其成功的一个原因。Mullenweg 2001 年开始写博客的时候,他使用开源软件开发 Web 工具,最终发展为 WordPress。去年,WordPress 站点的流量增加一倍有余,达到1亿零300万次访问,而 WordPress 的对手 Typepad 的访问量只有2000万。

老而弥坚的: Rupert Murdoch

myspace.com

Murdoch 2005 年以5亿8000万美元买下 MySpace,在 News 公司旗下,MySpace 从一个用户向朋友发送消息,或者收听那些未签约乐队音乐的站点,发展成一个羽翼丰满的娱乐门户,每年的收入大约8亿美元。这个拥有1亿1700万用户的网 站,已经签约播出电视节目,今年9月,他们还推出 MySpace 音乐频道,由4大唱片公司同 Indie Players 联合推出。现在,Murdoch 面临的挑战是将流量和内容转变成可以同 Yahoo 之类的服务抗衡的广告服务。

不爱钱却被钱追着跑的: Craig Newmark

craigslist.com

这个曾经的 Charles Schwab 公司的 Internet 顾问,从 2004 年开始通过邮件列表向人们提供公共活动日程表。Craigslist 以其免费的分类广告服务改变了这个传统的行业。不过,不要问 Newmark Craigslist 给他赚了多少钱,Newmark 一直强调他的目标不在钱。自从将25%的股份卖给 eBay 之后,Newmark 和 eBay 在法庭上交手以阻止 eBay 将 Craigalist 变成赚钱工具。

抓来的流量: Gabe Rivera

techmeme.com

通过从超过1000家主流媒体与博客聚合行业新闻,Rivera 的 Techmeme 在极短的时间内成为创记录的技术新闻来源。和 Digg ,以及其它社区编辑站点不同,这个靠广告支撑的站点完全自动运行。Rivera 不断调整算法。去年,该站推出 "leader board" 功能,向用户显示最近频繁向 Techmeme 提供内容的新闻来源。

让人人成为新闻源: Kevin Rose

digg.com

Digg 的创始人 Kevin Rose 在最新的 Web 精英中最为人知。 一方面,这个 Nevada-Las Vegas 大学的计算机科学专业的退学生改变了人们获取新闻的方式,他让用户直接向 Digg.com 提交新闻并为新闻投票。Digg 每月有1000万到2200万访问者。而 Rose 最为人知的是,这个31岁的年轻人一直生活在 Digg 即将被 Google 或微软收购的传闻中。

阿姨: Sheryl Sandberg

facebook.com

那帮在哈佛大学学生宿舍创办了 Facebook 的小子们太年轻了,以至于需要一个成年人来引导他们。这个38岁的前 Google 全球副总裁为 Facebook 带来成人的成熟视觉。如果要找一个能够将 Web2.0 转换为财富的人,非 Sandberg 莫属。她的使命是为 Facebook 的运营提供标杆,同时建立商业模式。

The Edutainer: Jon Stewart

thedailyshow.com

伴随着2008大选,Stewart 的影响力成级数级增长。在同 YouTube 因非法上传他们的节目而口舌之后, Comedy Central 制作的 Daily Show,这个每天播出的节目决定在自己的网站上免费提供。随着越来越多的人喜欢在网上看新闻或视频,Daily Show 成为很多人获取大选消息的地方。所以,尽管 Stewart 并非在线节目的先锋,他对网络的拥抱可谓天时地利。

钱佬: Peter Thiel

clariumcapital.com
thefoundersfund.com

作为硅谷 Paypal 党(一帮来自 Paypal 的精明企业家)最突出的一员,Thiel 投资了几个最热门的创业公司。Thiel 成立风险基金,专门寻找那些不需要太多启动资金,也不想出让大量股份的公司。Thiel 的投资包括 Facebook, Slide 以及 Yammer。将 Paypal 卖给 eBay 以后,Thiel 成立 Clarium Capital Management 公司,现在管理着70亿美金的投资。

电子商务时代的手工业者: Maria Thomas

etsy.com

Etsy 是一个前景远大的小公司。这个只有三年年龄的网站,做着独特的生意,人们在这里买卖手工艺品,去年的营业额为2700万美元。它的秘密是迎合了那些厌恶大规模制造品的人。Thomas 有大量的经验,在人们的旧有习惯上建立新颖的商业模式。

鼓手: Anssi Vanjoki

nokia.com

Nokia 元老 Vanjoki 是这家芬兰手机制造商最引人注目的鼓吹能手,将一个硬件制造商转变成移动 Internet 服务提供商。作为执行副总裁,Vanjoki 负责向用户和合作伙伴证明,Nokia 的手机还有比打电话,拍照更重要的用途。Vanjoki 喜欢将 Nokia 的智能手机称为多媒体电脑,现在,Nokia 手机已经成为 Internet 服务的入口。

非精英时代的百科全书: Jimmy Wales

wikia-inc.com/wiki/wikia

Wales 以创建 Wikipedia 闻名。Wikipedia 从2001年创建,至今已经成为普罗文化的知识来源。它的 Alexa 排名为全球前10名。Wales 还成立了一个赢利性组织 Wikia,包含一个开源搜索引擎 Wikia Search。该项目已经获得超过400万美元的投资。

微博客时代: Evan Williams

twitter.com

Williams 一直热衷于让人们相互保持联系,1999年,他创办了 Blogger,一个人人都可以在线分享想法的服务,后来迈给了 Google。后来,他创办了 Twitter 并迅速走红,Twitter 让人们使用一种全新的方式保持联系。

悲情斗士: 杨志远

yahoo.com

即使长达5个月的微软收购阻击战已经结束,杨志远依然腹背受敌。作为 Yahoo! 的创始人与 CEO,他必须在这个充满硝烟的 Internet 门户战场上为业务的增长加油。杨志远尽管做了种种努力,他的投资人与股东们仍然希望同微软成交。同时,在 Yahoo! 和 Google 的广告合作还没影的的时候,政府的反托拉斯部门就虎视耽耽了。杨的空间越来越小,随着经济的放缓,他的传统网站广告业务的增长也成问题,他的 Yahoo! 保卫站可谓前途未卜。

本文国际来源:http://images.businessweek.com/ss/08/09/0929_most_influential/14.htm
中文翻译来源:COMSHARP CMS 官方网站


DVT Eclipse保姆级入门教程(一) 介绍 waokspace工作区 是Eclipse平台、已安装插件的存储、配置和临时信息的首选项 在工作区可以定义项目,但不需要将源文件导入或者复制到工作区中,可以在项目中指向任何文件夹或者文件; 路径都不要出现中文; 每次启动Eclipse时,都可以创建一个新的工作空间或指定一个现有的工作空间目录; 可以创建许多工作区,每个工作区专用于某种活动。 project项目 首次创建项目时,Eclipse平台会在你指定的目录中创建一个.project项目。 一些插件可能会在项目目录中创建其他信息,例如DVT创 阅读详情

相关推荐

SystemRDL:从寄存器描述到自动化生成的完整指南

本文详细介绍了SystemRDL如何通过“一份描述,多处生成”的理念,彻底解决芯片与FPGA设计中手动维护寄存器带来的不一致与低效问题。文章提供了从语言快速上手、核心组件讲解到使用PeakRDL工具链实现自动化代码与文档生成的完整实战指南,帮助硬件工程师构建高效、可靠的寄存器开发流程。

weixin_29243279的博客 664

Java项目:校园运动会管理系统(java+JSP+Servlet+JavaBean+Mysql)

本项目包含三种角色:运动员、裁判员、管理员;运动员角色包含以下功能:运动员登录,个人信息修改,运动成绩查询,比赛项目查询等功能。裁判员角色包含以下功能: 登录界面,查看运动员,运动成绩查看,录入运动成绩,比赛项目查询等功能。管理员角色包含以下功能: 登录页面,管理员首页,运动员管理,裁判员管理,运动成绩查询,比赛类型管理等功能。1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。 2.IDE环境:IDEA,Eclipse,Myeclipse都可以。推荐IDEA; 3.

常年被追砍的博客 2355

ADS1220 STM32硬件SPI驱动程序

前一段时间温故了下标准库,使用的是F1系列芯片,测试程序。

随风飘零翼的博客 5776

硅谷大佬们屡次推荐的10本书,你看过几本?

来源丨程序员书库硅谷吸引了形形色色的大人物,从物理学博士到国际象棋冠军,从产品设计师到广告大师。之前有一项研究试图描绘出一个典型的成功创始人形象应该是怎么样的,令人惊讶的...

web前端开发 1539

逆向工程师的Shopee爬虫避坑指南:af-ac-enc-dat参数生成原理与反反爬策略

本文深入剖析了Shopee电商平台的反爬虫加密机制,重点解析了核心请求头参数x-sap-ri、x-sap-sec及af-ac-enc-dat的生成原理与联动关系。文章从逆向工程视角,提供了定位加密代码、分析算法逻辑的实战方法,并分享了基于JS执行环境模拟与无头浏览器控制的可持续反反爬策略,为高效、稳定地采集数据提供专业指南。

weixin_28607671的博客 1497

239号资源-simulink仿真:MATLAB/Simulink教程(PDF文档)-----已提供下载资源

电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.《《《《《《《《更多资源还请持续关注本专栏》》》》》》》《《《《《《《《更多资源还请持续关注本专栏》》》》》》》论文与完整源程序_电网论文源程序的博客-优快云博客。电网论文源程序-优快云博客。

LIANG674027206的博客 1076

商业周刊:Web 领域25个最有影响力的人(上)

《商业周刊》(Business Week)每年都会通过读者和编辑,评选对 Internet 带来影响和推动的人。今年的名单包含当今 Web 领域最有影响力的 25 个人。吾将上下而求索: Steve Ballmermicrosoft.comBallmer 有很多事要做。他要让微软在保持桌面垄断的同时成为 Internet的重要选手,要在 Vista 失利之后重塑用户对 Wind

COMSHARP CMS 专栏 984

OSError We couldn‘t connect to https://huggingface.co to load file, couldn‘t find it chatglm3-6b解决方案

本文主要介绍了OSError: We couldn’t connect to https://huggingface.co to load this file, couldn’t find it in the cached files and it looks like THUDM/chatglm3-6b is not the path to a directory containing a file named config.json.解决方案,希望能对学习python的同学们有所帮助。

weixin_43178406的博客 5万+

Web 领域25个最有影响力的人(上)

《商业周刊》(Business Week)每年都会通过读者和编辑,评选对 Internet 带来影响和推动的人。今年的名单包含当今 Web 领域最有影响力的 25 个人。吾将上下而求索: Steve Ballmer microsoft.comBallmer 有很多事要做。他要让微软在保持桌面垄断的同时成为 Internet 的重要选手,要在 Vista 失利之后重塑用户对

phphot 1665

【Py/Java/C++/C/JS/Go六种语言OD独家2024E卷真题】20天拿下华为OD笔试之【固定滑窗】2024E-考勤信息【欧弟算法】全网注释最详细分类最全的华为OD真题题解

可上练习华子OD、大厂真题绿色聊天软件戳oj1441了解算法冲刺训练(备注【优快云】否则不通过)

weixin_48157259的博客 620

华东理工大学计算机预推免面试

华东理工大学预推免面试经验分享

D1379951481的博客 1405

Web 领域25个最有影响力的人(下)

《商业周刊》(Business Week)每年都会通过读者和编辑,评选对 Internet 带来影响和推动的人。今年的名单包含当今 Web 领域最有影响力的 25 个人。这是第二部分,第一部分请阅读:商业周刊:Web 领域25个最有影响力的人(上)。 草根的胜利: Matt Mullenweg Wordpress.org 随着社会媒体的扩张,WordPress 的影响也在...

Yj077852的专栏 197

49、Linux内核内存管理:MGLRU、DAMON与OOM杀手详解

本文详细解析了Linux内核内存管理中的三大核心机制:MGLRU(多代LRU)页面追踪与回收机制、DAMON数据访问监控工具及其在内存优化中的应用,以及OOM(内存不足)杀手的工作原理和触发方式。同时,文章还介绍了VM overcommit_memory策略的设置及其对内存分配的影响,帮助开发者和系统管理员更好地理解Linux内存管理机制,从而优化系统性能和稳定性。

dropout6artist的博客 111

2025年度全球最具影响力的25位程序员

2025年全球最具影响力程序员报告揭示了技术领袖的共性特征:AI工程师占据主导地位,开源成为影响力核心杠杆,中国技术力量系统性崛起。入选的25位杰出代表包括DeepSeek创始人梁文锋、OpenAI CEO Sam Altman、NVIDIA黄仁勋等,覆盖AI、系统软件、编程语言等多个领域。报告显示顶尖程序员呈现"技术专家+"的复合特征,兼具工程卓越与思想领导力,其工作正从代码编写扩展到技术系统设计和未来范式定义。

junecauzhang的专栏 1521

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

《彭博商业周刊》专访CertiK联合创始人顾荣辉教授

2024年12月4日,《彭博商业周刊》刊登了对CertiK联合创始人顾荣辉教授的专访。

weixin_58310340的博客 726

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

25位IT史上最具影响力人物

25位IT史上最具影响力人物 [日期:2009-12-01] 来源:科技中国网站  作者: [字体:大 中 小] 据国外媒体报道,本周四是西方的传统感恩节。为此,资讯网站评选了近25年来,对IT业的发展产生过巨大影响的25位人物。准确的说,评比的对象并不仅仅指个人,亚洲IT工人也作为贡献者名列其中:   据国外媒体报道,本周

junecauzhang的专栏 4080

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

商业周刊:“微软大学”的11大杰出学生

微软公司在IT界拥有非常高的声誉,他们对人才的选拔和培养也在业界赢得了很好的口碑。很多从微软走出来的高官们,现在仍然身居要职,他们有的转投其他IT公司,有的虽然离开了IT界,但是仍然拥有很强的影响力。从这一点上来看,微软就像是一个专供企业高管进修的“大学”。日前,美国知名杂志《商业周刊》就列出了 “微软大学”的11位学生。 保罗-马里兹1、保罗-马里

铭铭的周记簿 8969

给12位互联网大腕每人一首诗

   美国《商业周刊》网站近日评出了25位互联网业最有影响力人物,其中阿里巴巴CEO马云为唯一上榜的中国企业家。   仔细看了这些人的经历和特点,丰富多彩,职业各种各样,于是很想为他们每人写一首短诗,希望能写得简单到位同时有所领悟。诗歌也是自由的,愉快的,同样科技也一样。文学是科技的浪漫表达,而科技是文学的直线表达。这些人之中就有一位作家。  本期推出前12位,下次推出后13位

mbwan的专栏 691

Web3 开发者周刊 75 | ESP 新资助计划& Zcash 的复兴

Hackathon 是 Verisense 发起的 AI 代理黑客松,旨在构建自主人工智能代理,突破大型语言模型的极限,并利用 MCPs** 和 RAGs 等关键工具,迈向智能的新高度。👉 链接:https://www.galaxy.com/insights/research/zcash-price-zec-near-intents-zashi-wallet-privacy-zero-knowledge-proofs。这将是您项目的一个独特亮点!除此之外,我们还为开发者整理了最新的黑客松资讯与赏金任务。

openbuild的博客 817
上一篇: 商业周刊:Web 领域25个最有影响力的人(上)
下一篇: 到底什么是云计算?
comsharp
博客等级 码龄20年 1475粉丝 41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