张士玉小黑屋

Web自动化测试基础
APP自动化测试基础
Postman接口测试
Fiddler 抓包工具+弱网测试

28岁到底要不要学软件测试？晚了吗？互联网职业不管开发、测试还是产品经理等岗位转行的难度都会随着年龄的增大而增加，企业默认年龄大的人，工作经验也相对丰富工作能力也相对强，因此转行要趁早，有一定的相关行业经验对于找工作也有很大的帮助。首先要知道自己是不是适合这样的工作。这主要从你自己的性格、兴趣、天分、能力等因素来考虑的。因为每一个岗位对人的性格和能力都要有不同的要求，只有你的特点与之匹配，你才算是找到一个适

文章目录摘要1.1常见概念1.1.1机器学习本质1.1.2什么是神经网络1.1.3各种常见算法图示1.1.4计算图的导数计算1.1.5理解局部最优与全局最优1.1.6大数据与深度学习之间的关系1.2机器学习学习方式1.2.1监督学习1.2.2非监督式学习1.2.3半监督式学习1.2.4弱监督学习1.2.5监督学习有哪些步骤1.8分类算法1.8.1常用分类算法的优缺点？1.8.2分类算法的评估方法1.8.3正确率能很好的评估分类算法吗1.8.4什

连接池概述：开发中，获取以及释放连接，都是非常消耗资源的操作；为了解决该性能问题，通常情况下都是采用连接池技术。有了连接池，就不用自己创建Connection，而是从连接池中获取Connection；而调用close()方法时，就是归还Connection，而不是直接销毁该Connection；等到下次需要再次使用连接时，就再从连接池中获取Conne

日萌社人工智能AI：KerasPyTorchMXNetTensorFlowPaddlePaddle深度学习实战（不定时更新）图像处理学习目标了解图像的起源知道数字图像的表示1图像的起源1.1图像是什么图像是人类视觉的基础，是自然景物的客观反映，是人类认识世界和人类本身的重要源泉。“图”是物体反射或透射光的分布，“像“是人的视觉系统所接受的图在人脑中所形版的印象或认识，照片、绘画、剪贴画、地图、书法作品、手写汉学、传真、卫星云图、影视画面、X光片、脑电图、心电图等都是图像。—姚敏.数字图像处理&#

前言：字体反爬，也是一种常见的反爬技术，例如58同城，猫眼电影票房，汽车之家，天眼查，实习僧等网站。这些网站采用了自定义的字体文件，在浏览器上正常显示，但是爬虫抓取下来的数据要么就是乱码，要么就是变成其他字符，是因为他们采用自定义字体文件，通过在线加载来引用样式，这是CSS3的新特性，通过CSS3，web设计

简介：对于运维工程师而言，如果要票选五大最抓狂运维支撑场景，花样繁多的各种促销活动一定榜上有名。每个促销季上线都是忐忑不安的不眠夜。大量内容更新、大量客户涌入，大量数据读写，虽有着各种技术方案或工具服务保障着大促顺利进行。但仍有可能收到譬如“商品图片加载不出来”、“页面打开缓慢”、“无法完成订单支付”等诸多各地用户投诉。这些由于用户体验与网站性能造成的用户转化低、业务增长缓慢等糟糕结果，最终都会让运维工程师成为“众望所归”的背锅侠。

AI玩扫雷很高兴又见面了！😊扫雷是一款单人益智游戏，相信大部分人都在以前上微机课的时候玩过。游戏的目标是借助每个区域中相邻地雷数量的线索，清除包含隐藏的“地雷”或炸弹的单元格，但不引爆其中任何一个，全部清除后即可获胜。今天我们用Python完成这个小程序，并且用AI来学习并实现它。看看我们将要实现的最终样子。👇运行扫雷1.确保安装了Python3.6+。2

分享一个JupyterNotebook插件visualpython，有以下需求可以把玩一下：通过界面拖拽生成Python代码，以最少的编码技能即可把玩爬虫、数据分析、AI等；面向非专业程序员，减少学习编码技能的时间；轻松保存和重用代码。 目录1、安装2、激活3、主界面介绍4、简单把玩一番1、安装在终端操作，输入以下命令行，安装visualpythonpipinstallvisualpython2、激活在终端操作，输入以下命令行，激活visua

  一、BP神经网络预测算法简介说明：1.1节主要是概括和帮助理解考虑影响因素的BP神经网络算法原理，即常规的BP模型训练原理讲解（可根据自身掌握的知识是否跳过）。1.2节开始讲基于历史值影响的BP神经网络预测模型。使用BP神经网络进行预测时，从考虑的输入指标角度，主要有两类模型：1.1受相关指标影响的BP神经网络算法原理如图一所示，使用MATLAB的newff函数训练BP时，可以看到大部分情况是三层的神经网络（即输入层，隐含层，输出层）。这里帮助理解

深层神经网络1.深层神经网络2.深层网络中的前向传播3.核对矩阵的维数4.为什么使用深层表示？5.前向传播和反向传播6.搭建神经网络块7.参数vs.超参数8.深度学习和大脑的关联性1.深层神经网络  深层神经网络其实就是包含更多的隐藏层神经网络。  如下图所示，分别列举了逻辑回归、1个隐藏层的神经网络、2个隐藏层的神经网络和5个隐藏层的神经网络它们的模型结构。  命名规则上，一般只参考隐藏层个数和输出层。例如，上图