使用 Carrd + Pabbly + Notion 实现一个小的工具站

本文介绍了如何利用 Carrd 的 UI 编辑和代码片段功能创建小工具,结合 Pabbly 实现数据同步到 Notion 的数据库中,通过 webhook 解决 C2N 的集成问题,初期可使用免费版服务,对于有兴趣的开发者,提出了打造类似服务的建议。

网站端 UI 界面和文案编辑使用 Carrd;

Carrd 中可以自己加入代码片段,加入 js 和 html 代码片段,实现小工具的核心功能(当然也可以自己写后台程序,在 Carrd 中调用 API 接口,不过我没有采用这个方法);

用户订阅邮箱,或者加入 waitlist,需要把邮箱给到后台服务这边,可以用 carrd 支持的 mailchimp 等等服务,不过我想用 notion, 所以需要自己根据 notion api 来写代码,这样太麻烦了,于是找到了 Pabbly 做个中转,可以将 Carrd 用户提交的数据通过 webhook 的方式同步到 notion 上的 database;

Pabbly 也可以用 Zapier 或者 ifttt 等类似的服务替代;前期都是免费版的足够用了;

Carrd 插入代码片段部分需要购买 Pro 版本;

Carrd to notion 这个需求被满足的不多,有兴趣的可以做一个小 saas;

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

孤独的普朗克1043

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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