推荐系统开发实践：Surprise库基本用法
首先是构建数据集 这里我使用了随机生成用户和项目，以及用户对项目的评价，喜欢（1）与不喜欢（0） import random import pandas import numpy as np def build_dataframe() - pandas.DataFrame: datasets = { 'userID': [], 'itemID': [],
挨社会毒打必备之免疫“心灵鸡汤”的抗体-Get!
我发现一个规律 越是年纪大的人 越是喜欢给我们画大饼灌鸡汤 这个规律适用于公司老板和家里长辈 其实这也适用于所有想让你“用爱发电”的人 为什么喜欢鸡汤和大饼伺候呢 就因为给钱肉疼呗 老板想用3k的工资 让你干月薪3w的活 亲戚长辈希望你念在这层血缘关系 能占多点便宜就占多点 等褥不到羊毛了 还可以站在道德制高点指责你 OK，说正经的 刚从学校毕业步入社会 是正式开始经历社会毒打的时候 不过从几年大
持续集成指南：GitHubAction 自动构建+部署AspNetCore项目
又一个无聊的自动化教程：GitHub Actions构建AspNetCore Docker镜像推送到阿里云，再用本地runner部署。简化workflow？谁在乎这些细节？代理配置太烦人。
抖音头条为什么这么火？揭秘推荐系统原理之协同过滤算法
上一篇文章简单介绍了推荐系统的基本原理和分类，本文着重介绍协同过滤的原理与实现~ 协同过滤 协同过滤(collaborative filtering)通过利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息。 协同过滤算法最大限度的利用用户之间，或物品之间的相似相关性，而后基于这些信息的基础上实行推荐。比如说，你和你的某个好友都喜欢听音乐，而你们所喜欢的曲风都差不多，你的好友对于某一首歌
抓住九月小尾巴的小总结，祖国生日快乐~
为期一个月的实训到27号就结束了，我估摸着这夏天也快结束了，到处是秋天的味道。 这个月在广州还是以学习为主，在培训班能学到的很有限，不过我自己倒是折腾了不少东西出来，感觉还蛮好的。 技术学习方面 培训班也不能说没用吧，至少是前端扫盲了，在此基础上我自己又看了一下书，学了布局、动画和一点点js啊，js其实真的挺好用的，收回我之前的成见~（少见多怪） 还用js做了几个好玩的东西，比如说斗鱼、B站刷弹幕
把爬虫放到手机上跑！Flutter爬虫框架初探~
最近做毕设需要大量数据训练模型，很多网站又要反爬机制，得爬一会停一会，所以特别慢，要是我用电脑24小时爬虫太费电了，于是想到利用手机~ 然后就想到flutter，安卓苹果旧手机都能利用起来做数据采集。 ok，然后就开始做，折腾了一天做了一个大概的框架。总算可以方便的添加爬虫任务了，集成了配置、日志、数据持久化这些基本的功能，然后封装网络请求、网页解析的功能，用起来还行。 只不过众所周知的，dart