Summary for week1

本文深入探讨了信息技术领域的核心内容,从开发工具到部署管理,覆盖前端、后端、移动开发等多个细分领域,同时涉及大数据、AI、区块链等前沿技术。通过详细解析Jira、Perforce、CXF等关键技术,以及Junit、PMD、FindBugs等测试工具的应用,为读者提供了一站式的知识梳理。
July 13th:
	Attend the induction day and listening to some lectures.

July 14th:
	10:00AM
	trade types & lifecycle, P&L system overview
	learn how to manage different libraries.
	weekly report is important.

	5:00PM
	tech stack training 

  一、requirements
 
   Jiracontent management system
   JIRA是Atlassian公司出品的项目与事务跟踪工具,被广泛应用于缺陷跟踪、客户服务、需求收集、流程审批、任务跟踪、项目跟踪和敏捷管理等工作领域。
 
   Perforceversion control like svn
   Perforce是一款商业软件,他们定义Perforce软件配置管理系统。一般简称P4,系统由服务器端,客户端组成,还包括若干中介服务器 (Proxy Server)。客户端会有GUI界面,命令行界面,Web界面。
   Similar to SVN, is a version management and code sharing tool. (We can check in and check out codes)
 
 
二、development
     
  SOAP
简单对象访问协议是交换数据的一种协议规范,是一种轻量的、简单的、基于XML标准通用标记语言下的一个子集)的协议,它被设计成在WEB上交换结构化的和固化的信息。
 
  JAXB : XML<->object
JAXB能够使用Jackson对JAXB注解的支持实现(jackson-module-jaxb-annotations),既方便生成XML,也方便生成JSON,这样一来可以更好的标志可以转换为JSON对象的JAVA类。JAXB允许JAVA人员将JAVA类映射为XML表示方式,常用的注解包括:@XmlRootElement,@XmlElement等等。
 
 
  CXF: multithread model
CXF 帮助您利用 Frontend 编程API 来构建和开发 Services ,像 JAX-WS 。这些 Services 可以支持多种协议,比如:SOAP、XML HTTP、RESTful HTTP 或者 
CORBA ,并且可以在多种传输协议上运行,比如:HTTP、JMS或者 JBI,CXF 大大简化了 Services 的创建,同时它继承了 XFire 传统,一样可以天然地和 Spring 进行无缝集成。
 
CXF 框架是一种基于 Servlet技术的 SOA 应用开发框架,要正常运行基于 CXF 应用框架开发的企业应用,除了 CXF 框架本身之外,还需要 JDK 和 Servlet 容器的支持。
 Configuration has been done.
 
  Spring: helloworld,beans.xml properties.xml 配置文件实现依赖倒转
  JDBC(template): namedJdbcTemplate which can use : to get parameters.
  CPS: 推送
  RegExp
  SyBase: we can get info from the website.
  AdvancedDirectSQL: use config to connect to Sybase and execute sqls easily.
  Ant: build.xml ---> 程序间的依赖关系
  Ivy: dependency management    ivy.xml ---> 依赖的JAR, after modify the config file, need to resolve again.
  JDK 1.8: lambda  stream
  JDK 1.7: file monitor api JAXB
 
三、test
 
  Junit: @assert    TDD is popular.
  PMDJava程序代码检查工具。该工具可以做到检查Java代码中是否含有未使用的变量、是否含有空的抓取块、是否含有不必要的对象等。
  FindBugs:静态代码分析工具
 
四、deployment
 
   AFS: 发布工具
 
五、production management
 
   Zapp: mange and deploy distributed systems
   netAdmin: file system for sharing resources
   AutoSys: job scheduler & automateworkloads
 
 
六、front-end
 
   AngulaJs
   ExtJs
 
July 15th 
	3:00pm:
	system overview

	Night:
	JAXB,JDBC template

July 16th
	10:00am
	xml description 

	11:00am
	goal setting

	Night
	file monitor

July 17th
	9:30am
	goal should be specific and by week.

	12:30pm
	program HOW & WHY
	design your decision by giving reasons and analysis.
	Unix source code is great!
	Scala and JS is becoming more popular.

	2:00pm
	learn to use svn and perforce to submit & check out code.



 

 


在使用决策树报错行数不匹配,MATLAB代码clear; clc; % 1. 读取数据(确认所有行都有效,无需清理) cost_data = readtable('Q3_02_cost.xlsx'); total_rows = height(cost_data); fprintf('数据读取完成,共 %d 行(所有行均有效)\n', total_rows); % 2. 数据探查与列名验证 disp('数据基本信息:'); summary(cost_data); disp('数据前几行内容:'); disp(head(cost_data)); % 定义必要列名并验证 required_cols = {'age', 'height', 'weight', 'BMI', 'week', 'count', 'Cost'}; missing_cols = setdiff(required_cols, cost_data.Properties.VariableNames); if ~isempty(missing_cols) error('表格中缺少必要列:%s', strjoin(missing_cols, ', ')); end % 3. 孕周处理(取整避免过度细分) rounded_week = floor(cost_data.week); % 直接使用原始数据的孕周列 cost_data.rounded_week = rounded_week; % 新增取整后孕周列 % 4. 代价统计分析(基于数据清理,直接基于原始数据分组) fprintf('\n===== 代价统计分析结果 =====\n'); % 按孕周分组计算平均代价 [week_groups, week_ids] = findgroups(rounded_week); % 验证分组标识与数据行数一致(应恒成立,因未清理数据) assert(length(week_ids) == total_rows, '孕周分组ID与数据行数不匹配'); week_avg_cost = splitapply(@mean, cost_data.Cost, week_ids); fprintf('\n各孕周平均代价:\n'); for i = 1:length(week_groups) fprintf('孕周 %d:平均代价 %.2f\n', week_groups(i), week_avg_cost(i)); end % 按检测次数分组计算平均代价 [count_groups, count_ids] = findgroups(cost_data.count); assert(length(count_ids) == total_rows, '检测次数分组ID与数据行数不匹配'); count_avg_cost = splitapply(@mean, cost_data.Cost, count_ids); fprintf('\n各检测次数平均代价:\n'); for i = 1:length(count_groups) fprintf('第 %d 次检测:平均代价 %.2f\n', count_groups(i), count_avg_cost(i)); end % 5. 构建决策树模型 fprintf('\n===== 构建决策树模型 =====\n'); features = table2array(cost_data(:, {'age', 'height', 'weight', 'BMI'})); target = cost_data.Cost; tree_model = fitrtree(features, target, ... 'MinLeafSize', 20, ... 'MaxNumSplits', 5, ... 'SplitCriterion', 'gdi'); view(tree_model, 'Mode', 'text'); % 6. 计算最佳检测孕周 feature_groups = unique(cost_data(:, {'age', 'height', 'weight', 'BMI'}), 'rows'); best_weeks = zeros(height(feature_groups), 1); for i = 1:height(feature_groups) % 匹配相同特征组合的行 group_mask = ismember(cost_data(:, {'age', 'height', 'weight', 'BMI'}), ... feature_groups(i, :), 'rows'); group_data = cost_data(group_mask, :); % 寻找该组中代价最小的孕周 unique_weeks = unique(group_data.rounded_week); min_cost = Inf; best_week = NaN; for w = unique_weeks' week_costs = group_data.Cost(group_data.rounded_week == w); avg_cost = mean(week_costs); if avg_cost < min_cost min_cost = avg_cost; best_week = w; end end best_weeks(i) = best_week; end % 7. 保存结果 result_table = [feature_groups, array2table(best_weeks, 'VariableNames', {'最佳检测孕周'})]; output_path = 'NIPT最佳检测时间点结果.xlsx'; writetable(result_table, output_path); fprintf('\n结果已保存至:%s\n', output_path);
最新发布
09-07
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

打赏作者

Anyanyamy

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