这年头过个大年也不容易啊

最新推荐文章于 2024-12-31 22:27:35 发布

原创最新推荐文章于 2024-12-31 22:27:35 发布 · 422 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#电话

博主放假后接到老板电话，被要求在家加班处理事情，体现出工作与假期的冲突。

昨天放假，今天老板就打电话，说有个事需要弄，晚上在家里加班吧！晕菜

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

jokerq

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

独立开发/自由职业/远程工作：这年头不上班也能过挺好！！

Anthony1453的博客

08-11

173

—他们没有地域限制，不用早晚高峰去地铁挤人/开车塞车，没有老板盯着 KPI，也没人规定你几点打卡、几点下班。工作和生活的边界完全掌握在自己手里，这种状态简直像是打破了职场的天花板。这周末，我见了一个朋友——也是我的初代同事，大治。他就是从传统岗位“跳”出去的人之一。以前他主要做开发，但也会做设计（众所周知，早些年，前端开发几乎都是要兼职着画图、切图的）。现在，他平滑过渡，已经是网站架构师，客户要的是网站，从视觉到交互一手包圆，能设计、能编码、能交付，真正做到了“一条龙”服务。

Spring Boot进阶(107)：这年头谁还手写逻辑删除，一个注解@TableLogic搞定！

**My Coding Family**

12-31

1989

🏆本文收录于「滚雪球学SpringBoot」专栏，手把手带你零基础入门Spring Boot，从入门到就业，助你早日登顶实现财富自由🚀；同时，欢迎大家关注&&收藏&&订阅！持续更新中，up！up！up！！

参与评论您还未登录，请先登录后发表或查看评论

深圳不是你呆的地方

delphi_dcs的专栏

12-11

774

如果你是一个踌躇满志的男人，在事业上却毫无建树而又收入平平，那么还是趁早离开深圳，否则多年以后，你一无所有，只会成了这个城市的殉葬品。这座城市在吸取满腔热血之后会无情地将你唾弃，它得到的是繁华，你逝去的是青春。如果你是风姿绰约的女人，却还没有找到自己想要的归属，还是趁早离开深圳，蔡屋围的摩天大厦承载不了你的梦想，东门的繁华市井给不了你幸福的生活。这座城市在蹂躏了你原本纯洁的肉身之后会一脚将

Spring Boot进阶(108)：这年头不会还有谁没碰过minio的吧？这可太...

**My Coding Family**

12-31

1459

想象一下，你正在开发一个新项目，老板突然拍着桌子跟你说：“咱这个项目得支持海量文件存储，用户随时上传随时下载，成本要低，性能要高，安全也不能落下！”你抓了抓头发，盯着屏幕陷入沉思，传统文件系统？太笨重。云存储？预算超标。就在你一筹莫展时，MinIO横空出世，仿佛一道曙光，照亮了你前行的路。MinIO，这款开源的对象存储系统，以其高性能、易扩展、S3兼容性等优点，迅速成为开发者圈中的“香饽饽”。如果你用Spring Boot开发项目，想要高效管理文件存储，那么接下来的内容会让你大呼过瘾。

课程改革已走过好几个年头.docx

11-29

这要求教育者尊重每个学生的个体差异，提供适合他们需求的学习路径。在数学教学中，这一理念体现在以下两个主要方面： 1. **学生为主体的学习模式**：数学课程应当让学生作为学习的主体，鼓励他们主动参与、积极...

【嵌入式AIoT】系统架构与轻量化模型部署：面向智能家居与工业监测的边缘智能终端实战设计

12-21

内容概要：本文系统介绍了嵌入式AIoT应用场景的实战方法与实践路径，涵盖从场景选择、系统架构设计到AI模型部署、通信与数据管理的全流程。重点阐述了嵌入式系统与人工智能、物联网技术的融合，强调在资源受限环境下实现感知、分析与决策一体化的智能终端系统。文章详细解析了感知层、边缘计算层和云端服务层的协同机制，突出边缘侧数据处理与轻量化AI模型优化的重要性，并倡导以实际需求为导向，避免“为AI而AI”的设计误区。同时，强调系统稳定性、远程维护和长期运行能力的建设。; 适合人群：具备嵌入式系统基础、物联网或AI相关背景，有一定开发经验的工程师或工作1-3年的技术研发人员；适用于希望深入理解AIoT系统集成与实战落地的学习者。; 使用场景及目标：①智能家居、工业监测、智慧农业等分布式智能系统开发；②在算力、功耗受限的嵌入式设备上实现AI推理与边缘智能；③构建高效、可靠、可维护的端云协同AIoT系统。; 阅读建议：建议结合实际硬件平台进行项目化学习，边学边练，重点关注系统架构设计、模型优化与通信协议选型，注重整体系统思维的培养，而非仅关注单一技术点。

基于Python 的UART 文件传输工具

12-21

基于Python 的UART 文件传输工具，基于Pyside6的GUI界面

C# 基于 Onnx 与 P2PNet 的人群检测与计数系统源码实现

12-21

基于C#编程语言与Onnx运行时环境，本文档详细阐述了一种利用P2PNet架构实现人群密度估计与个体计数的技术方案。该方案通过解析预训练模型，实现了对图像或视频流中人群分布的精准检测，并提供了可靠的计数功能。核心内容包括模型加载与推理流程的完整实现、数据处理管道的构建以及性能优化策略的探讨。本文旨在为相关领域的开发人员提供一个清晰、可复现的参考实现，着重于工程实践的严谨性与代码模块的可用性。所有实现代码均经过结构化组织与详细注释，以确保其易于理解与集成。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！

Theoretical Machine Learning Notes (Princeton COS511)

12-21

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...

食堂线上预约点餐系统_一个基于现代Web技术构建的面向学校企业及园区食堂的综合性数字化餐饮服务平台_该系统旨在通过线上化流程彻底革新传统食堂就餐模式_核心功能模块包括用户端小程序.zip

12-21

Unity STL文件读取插件：pb_Stl-master

12-21

Unity STL文件导入工具该工具为Unity引擎提供标准STL格式三维模型文件的导入功能，支持二进制与ASCII两种编码格式的解析。通过集成此插件，开发者可直接在Unity编辑器中加载由各类CAD软件或三维扫描设备生成的STL模型文件，无需借助第三方转换软件进行格式预处理。核心特性包括： 1. 完整几何数据解析：精确读取顶点坐标、法线向量及三角面片拓扑关系 2. 自适应材质分配：根据模型几何特征自动生成并配置基础材质球 3. 内存优化机制：采用流式加载技术处理大型STL文件，避免编辑器卡顿 4. 坐标系统转换：自动校正不同三维软件坐标系差异，确保模型方向一致性技术实现层面，插件通过托管DLL封装了经过优化的STL解析算法，在保证读取精度的同时维持了较高执行效率。导入后的模型将自动生成标准网格组件，支持Unity光照系统、碰撞体生成及导航网格烘焙等后续处理流程。该工具适用于机械设计展示、三维打印预览、工业仿真等需要频繁交换CAD数据的开发场景，显著简化了从工程设计到实时渲染的工作流程。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！

（60页PPT）某省市某省市集活动策划方案63.pptx

12-21

（60页PPT）某省市某省市集活动策划方案63.pptx

基于SpringBoot+Vue与微信小程序的单店铺/多店铺商城系统

12-21

本系统采用微信小程序作为前端交互界面，结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建，形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营，亦兼容多商户入驻的平台模式，具备高度的灵活性与扩展性。在技术实现上，后端以Java语言为核心，依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务；管理后台采用Vue.js进行开发，实现了直观高效的操作界面；前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作，功能链路完整闭环，已通过严格测试与优化，符合商业应用的标准要求。系统设计注重业务场景的全面覆盖，不仅包含商品展示、交易流程、订单处理等核心电商功能，还集成了会员管理、营销工具、数据统计等辅助模块，能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理，同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。该解决方案强调代码结构的规范性与可维护性，遵循企业级开发标准，确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言，这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！

formula single.zip

12-21

代码下载地址： https://pan.quark.cn/s/ab7f9bef0424 Homebrew Formulae Homebrew Formulae is an online package browser for Homebrew. It displays all packages in the Homebrew/homebrew-core and Homebrew/homebrew-cask. A Action is run periodically which pulls changes from each tap and deploys the site to Pages. JSON API It also provides a JSON API for all packages (or individual packages) in each tap and their related analytics. This JSON data is used for the creation of the HTML resources on this site. Currently available: List metadata for all formulae and casks Get metadata for each formula and cask List analytics events for all formulae and casks List analytics events for each formula and cask Read more in the JSON API documentation. Usage Ope...

（69页PPT）美颜印象APP产品营销年度战略规划案.pptx

12-21

（69页PPT）美颜印象APP产品营销年度战略规划案.pptx

【文档处理技术】基于Word对象模型的手写效果模拟系统：通过字符级微调与随机涂改参数实现高效逼真手写仿真采用混乱字体，修改上下浮动，划线修改

12-21

内容概要：本文介绍了一种基于Word对象模型的代码实现方法，通过对手写字体效果的精细控制，模拟出高度逼真的手写文档效果。系统保留了原有Excel版本中的随机字体、字号、斜体等基础样式特征，并新增三项核心参数：3%的位置凌乱、3%的笔画凌乱和3%的随机涂改，以增强手写感的真实性。所有参数均支持直接修改，如调整涂改概率modifyProb值来自定义效果强度。技术上，采用字符级别的位置偏移、缩放、旋转微调，并叠加随机涂改痕迹来提升视觉仿真度，同时通过关闭屏幕刷新机制优化了程序运行效率。; 适合人群：具备VBA或Office自动化开发经验，熟悉Word对象模型的程序员或办公软件高级用户；适用于对文档防伪、自动化生成有特殊需求的技术人员；使用场景及目标：①用于自动生成具有手写风格的报告、批注或签名文档，提升文档个性化与真实感；②应用于需要规避机器生成痕迹的场景，如教学材料、艺术创作或特定安全验证环境；阅读建议：建议结合实际Office开发环境进行代码调试与参数测试，重点关注字符级变换逻辑与性能优化策略的实现方式。

Delphi 13.1控件之dwBoard通用大屏20251220.7z

最新发布

12-22

Delphi 13.1控件之dwBoard通用大屏20251220.7z

【Web前端开发】基于实战项目的系统化学习路径设计：全栈技术整合与工程化能力培养方案

12-21

内容概要：本文介绍了《Web前端实战项目系列系统化学习与实践指南》，强调通过真实业务场景下的完整项目实践，帮助开发者将HTML、CSS、JavaScript及现代前端框架有机结合，系统掌握前端核心技术与工程化能力。文章指出，实战项目涵盖从简单页面到复杂交互应用的多个层次，注重业务目标导向、组件化开发、状态管理、前后端协作以及用户体验优化，并融入模块化、自动化构建等工程化实践，全面提升开发者的综合能力。同时，项目后期的总结与复盘有助于经验沉淀和最佳实践积累，推动开发者从掌握知识点迈向独立承担项目、参与大型系统建设的成长路径。; 适合人群：具备HTML、CSS、JavaScript基础，希望提升工程化能力和项目实战经验的前端初学者或工作1-3年的开发者。; 使用场景及目标：①通过循序渐进的项目训练，掌握前端技术在真实业务中的整合应用；②理解组件化、状态管理、工程化工具链和用户体验设计的实际落地方式；③培养以业务为中心的开发思维和独立完成项目的能力。; 阅读建议：建议读者结合文档指导，动手完成每个阶段的项目实践，注重代码组织、技术选型与问题复盘，逐步构建完整的前端知识体系与项目经验。

最新土地利用类型面板数据（含36种用地类型）的省、市、县（区）级整理与应用

12-21

本数据集提供了中国省级、市级及县级（区）层面的土地利用类型年度面板数据，涵盖36种具体用地分类。数据内容为近期整理完成，经过系统性的手工核查与校对，确保信息准确可靠。数据来源权威，在同类变量控制方面具有较高的精确性，尤其适用于学术论文的实证研究环节，能够有效避免数据真实性方面的疑虑。该数据集主要面向高等教育阶段的学生群体，包括本科生、硕士研究生等初级研究者，设计上注重易用性与可操作性，便于使用者快速掌握并应用于实际分析。相关学科领域涉及经济学、地理科学、城市规划与区域研究、公共政策及行政管理、社会学以及商业管理等。数据集内容聚焦于不同行政层级的土地利用构成，可为区域发展、土地政策评估、社会经济空间分析等研究提供基础数据支持。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！

Python判断闰年头歌

04-26

Python判断闰年的方法有多种，以下是其中一种常见的方法： ```python def is_leap_year(year): if year % 4 == 0: if year % 100 == 0: if year % 400 == 0: return True else: return False else: return True else: return False year = 2024 if is_leap_year(year): print(year, "是闰年") else: print(year, "不是闰年") ``` 上述代码中，我们定义了一个`is_leap_year`函数来判断给定的年份是否为闰年。根据闰年的定义，满足以下条件之一即可： 1. 能被4整除但不能被100整除； 2. 能被400整除。如果给定的年份满足以上条件之一，则返回`True`，否则返回`False`。对于输入的年份2024，根据以上判断条件，它是闰年，因此输出结果为"2024 是闰年"。