- 博客(785)
- 资源 (23)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 【系统设计】基于SpringBoot的全景学生成绩综合管理系统
《全景学生成绩综合管理系统设计与实现》摘要 本文介绍了一款基于SpringBoot+Vue的高校教学管理系统，采用前后端分离架构，实现课程管理、成绩分析、用户管理等核心功能。系统架构包含Vue前端层、SpringBoot后端层和MySQL数据层，支持多角色登录与权限控制。具有配置要求低（4GB内存/10GB硬盘）、浏览器兼容性强（Chrome/Edge 90+）等特点。系统提供完整的技术文档、代码注释和视频教程，便于开发者快速上手。该方案有效解决了高校教学管理信息化需求，实现了从课程维护到成绩分析的完整业务
2025-07-26 22:25:26
841
1
原创 【Mermaid 离线工具】Mermaid 流程图生成器 - 高清PNG输出，一键生成专业级流程图！
摘要：Mermaid流程图生成器（离线版） Mermaid流程图生成器是一款基于文本驱动的高效绘图工具，支持离线使用，可创建流程图、序列图、甘特图等专业可视化图表。其核心优势在于： 文本语法绘图：通过简洁代码替代传统拖拽操作，支持多类型图表； 离线功能：不依赖网络，适用于移动办公等场景； 五步操作：代码输入-渲染预览-视图调整-高清导出（PNG/SVG）-代码管理； 应用广泛：覆盖软件开发、项目管理、教育培训等多个领域。 该工具采用直观的界面设计，配备示例模板和实时预览功能，显著提升可视化工作效率。
2025-07-24 22:33:09
692
原创 【Py 工具】3 分钟搞定 Excel 数据匹配！多表交集分析可视化工具一键上手
本文介绍了一个基于Python开发的Excel交集处理GUI工具，支持多文件多表交集分析。该工具提供了可视化界面，允许用户选择两个Excel文件及其工作表，设置交集匹配字段，并支持四种交集类型：内交、左交、右交和全交。开发环境需要Python 3.6+，依赖pandas、tkinter和openpyxl库。核心代码构建了图形界面，包含文件浏览、工作表加载和交集操作等功能。该工具简化了Excel数据交集分析流程，适合非技术人员使用，可显著提高数据处理效率。
2025-07-24 13:57:36
349
原创 【字节跳动】数据挖掘面试题0020：给一个表只有id和时间，如何估算平均访问时长 【撕代码】
本文介绍了使用PostgreSQL计算平均访问时长的三种方法：1）相邻记录时间差法，通过LEAD函数计算连续访问时间差；2）基于会话超时的方法，设置30分钟超时阈值识别会话边界；3）明确标记进入/退出事件法。文章详细展示了测试数据准备（10个用户，每个50-100条随机访问记录）和SQL实现代码，重点解释了EPOCH转换的必要性以及会话识别的逻辑。每种方法都提供了用户级和全局级的平均时长计算，适用于不同粒度的分析需求。
2025-07-22 17:40:24
167
原创 【Python小学生】Python百题速刷：完整工具实现
Python代码转PDF中文乱码解决方案 问题：Python代码转PDF时中文注释显示为方块符号。 核心解决方案： 字体支持 - 显式注册中文字体（SimHei/SimSun） 编码处理 - 支持UTF-8/GBK等多种编码格式 PDF设置 - 创建文档时指定UTF-8编码 实现工具： 批量处理多个代码文件 智能排序功能 代码高亮显示 完美支持中文 分页选项（每文件单独一页） 技术要点： ReportLab库生成PDF 多编码自动检测 跨平台字体路径处理 GUI界面开发 该方案彻底解决了Python代码转P
2025-07-22 01:19:28
461
原创 【字节跳动】数据挖掘面试题0019：带货直播间推荐：现在有一个带货的直播间，怎么把它精准地推送给有需要的用户
文章摘要：带货直播间推荐系统解析 本文系统介绍了电商直播推荐系统的核心原理和实践方法。随着直播电商的迅猛发展，精准推荐已成为提升用户粘性和转化率的关键。文章从三方面展开：首先阐述了推荐系统对提高用户活跃度、商品转化率和主播曝光的重要价值；其次详细讲解了用户数据、直播间数据和用户行为数据的收集与处理方法，包括模拟数据生成和特征工程；最后介绍了基于协同过滤、深度学习和混合算法的推荐模型实现。文章还提供了Python代码示例，演示了如何计算用户兴趣分数和综合评分，为构建高效直播推荐系统提供了实用指导。
2025-07-15 21:43:05
996
原创 【字节跳动】数据挖掘面试题0018：视频特征抽取：面试官问了如何对用户上传的视频抽特征，有哪些实现方法。
本文全面解析视频特征抽取技术，涵盖三大核心方法：1）传统手工特征（光流、颜色直方图、纹理特征）；2）深度学习特征（2D/3D CNN）；3）多模态融合特征（视觉+音频+文本）。通过技术选型决策树指导不同场景下的模型选择，并给出基于VideoMAE的工业级实现方案，包括视频预处理和特征提取完整代码。最后提供性能优化技巧，包括计算加速（TensorRT、关键帧采样）和特征压缩（PCA降维）方案，适用于从轻量级到SOTA的不同应用需求。
2025-07-14 13:36:59
1099
原创 【字节跳动】数据挖掘面试题0017：推荐算法：双塔模型，怎么把内容精准地推送给用户
摘要： 双塔模型是推荐系统中的高效匹配架构，通过分离的用户塔和物品塔将双方特征编码为向量，并通过相似度计算实现精准推荐。其核心优势在于： 高效性：物品向量可离线预计算，在线仅需快速检索； 灵活性：支持高维稀疏特征（如用户ID、商品标签）的低维稠密表达； 易扩展：动态新增物品无需全模型重训。工业界广泛应用于电商（如阿里“猜你喜欢”）、短视频（抖音召回）等场景。以披萨店为例，双塔模型通过用户特征（年龄、历史订单）和披萨特征（类型、价格）生成向量，匹配分数高的组合优先推荐，实测可将下单率提升133%。关键技巧包括
2025-07-14 12:57:06
1106
原创 【字节跳动】数据挖掘面试题0016：解释AUC的定义，它解决了什么问题，优缺点是什么，并说出工业界如何计算AUC。
AUC（曲线下面积）详解摘要 AUC是ROC曲线下的面积，用于衡量二分类模型的排序能力，其核心意义是「正样本得分高于负样本的概率」。相比准确率，AUC的优势在于： 不受类别不平衡影响，适用于风控、推荐等场景； 无需预设分类阈值，评估模型整体性能； 直接反映排序质量，如广告点击率预测。 工业界计算方法： 分桶近似法：通过概率分桶统计正负样本分布，适合百亿级数据（如10万桶平衡精度与效率）； 分布式排序法：利用Spark全局排序计算精确AUC，公式为（正样本排名和-调整项）/（正负样本数乘积）； 流式估算：蓄水
2025-07-11 21:02:23
789
原创 【字节跳动】数据挖掘面试题0015：100 亿个单词，找出出现频率最高的单词。要求几种方案
摘要 针对100亿单词大数据量下的最高频词统计问题，文章提出两种分治方案： 哈希分片法：通过哈希将单词分配到多个小文件，保证相同单词进入同一文件。分别统计各文件词频后汇总结果，适合常规场景，代码实现展示了分片、统计和合并的全流程。 外部排序法：先分割文件并排序，再统计连续重复单词次数。通过多路归并实现全局有序处理，内存占用极低，适合单词种类极多的场景。 核心思想均为"分而治之"，将不可内存加载的大数据转化为可处理的小任务。哈希法推荐作为首选方案，排序法则适用于特殊需求。两种方法均附Pyt
2025-07-11 19:55:23
193
原创 【软考高项】信息系统项目管理师-第2章 信息技术发展（2.1 计算机软硬件）
定义是一种 新型网络创新架构，是网络虚拟化的一种实现方式，它可通过 软件编程的形式定义和控制网络，其通过将网络设备的 控制面与数据面分离开来，从而实现了网络流量的灵活控制，使网络变得更加智能，为核心网络及应用的创新提供了良好的平台。两层之间采用 开放的统一接口(如OpenFlow等)进行交互。控制器通过标准接口向交换机下发统一标准规则，交换机仅需按照这些规则执行相应的动作即可。SDN打破了传统网络设备的封闭性。此外，南北向和东西向的 开放接口及可编程性。
2025-07-11 18:37:54
111
原创 【软考高项】信息系统项目管理师-第1章 信息化发展（1.5 数字化转型与元宇宙、1.6 标题类知识点、1.7 十四五规划内容汇总）
4、《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》5、《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》2、《“十四五”国家信息化规划》明确了:建设泛在智联的数字基础设施体系。3、国家“十四五”规划中提出持续加快建设新型基础设施。数据的开发利用和资源管理的过程，智慧化。信息系统规划、建设、运行过程，信息化。4.数字框架与信息调制。1.信息物理世界建设。
2025-07-10 18:25:21
135
原创 【软考高项】信息系统项目管理师-第1章 信息化发展（1.3 现代化创新发展、1.4 数字中国）
一网统管”通常从城市治理突出问题出发，以城市事件为牵引，统筹管理网格，统一城市运行事项清单，构建多级城市运行“一网统管”应用体系，推动城市管理、应急指挥、综合执法等领域的“一网统管"1.数据价值化，包括但不限于数据采集、数据标准、数据确权、数据标注、数据定价、数据交易、数据流转、数据保护。实现城市运行态势感知、体征指标监测、统一事件受理、智能调度指挥、联动协同处置、监督评价考核等全流程监管。： 基于多维、海量、全息数据汇集，实现城市运行体征的全量、实时掌握和智能预警。2.数据价值化，是指以 数据资源化。
2025-07-10 00:03:01
46
原创 【项目经理】经典面试题0002：项目经理和交付经理的区别？
项目经理（PM）与交付经理（DM）的核心区别与协作关系 核心区别： 项目经理（PM）聚焦项目全生命周期管理，目标是“把事情做对”，确保项目按时按质完成；交付经理（DM）则专注成果落地与客户成功，目标是“交付对的东西”，推动客户验收与持续使用。 职责差异： PM负责规划、执行、监控和收尾，关注内部协调与风险管控；DM负责交付后的运维、客户培训及满意度提升，强调客户关系与问题解决。 协作关系： PM搭建产品框架，DM确保客户有效使用，两者在规划、移交和运维阶段紧密配合，共同实现客户价值闭环。 趋势与演进： 随着
2025-07-09 18:31:00
186
原创 【项目经理】经典面试题0001：项目经理和程序员有什么区别？
程序员与项目经理的核心差异 程序员和项目经理在软件开发项目中扮演着本质不同的角色：程序员聚焦技术实现，负责编写代码、解决技术问题，产出具体功能模块；项目经理则关注全局管理，负责规划协调、资源调配和风险控制，确保项目按期保质交付。二者的核心差异体现在： 目标维度 程序员追求技术方案的完美实现，关注代码质量与功能完成度；项目经理则需平衡时间、成本、质量三大要素，确保项目整体成功。 能力要求 程序员需要深厚的技术专长，包括编程能力、系统设计等硬技能；项目经理更依赖沟通协调、风险管理和领导力等软技能。 工作方式 程
2025-07-09 18:12:30
166
原创 【软考高项】信息系统项目管理师-第1章 信息化发展（1.1 信息与信息化、1.2 现代化基础设施）
定义信息是物质、能量及其属性的标示的集合，是 确定性的增加它以物质介质为载体，传递和反映世界各种事物存在方式、运动状态等的表征。信息不是物质，也不是能力香农：信息是用来 消除随机不定性的东西特征信息的特征包括 客观性、普遍性、无限性、动态性、相对性特征依附性、变换性、传递性、层次性、系统性和转化性等质量属性信息质量属性主要包括 精确性、完整性、可靠性、及时性、经济性、可验证性和安全性等对于 金融信息而言，其最重要的特性是 安全性对于 经济与社会信息而言，其最重要的特性是 及时性。
2025-07-09 14:38:47
163
原创 【软考高项】信息系统项目管理师（第四版）复习总纲要（持续更新中）
本文档提供了7个章节的学习内容大纲及时间规划，涵盖信息化发展、信息技术、系统治理与管理、系统工程及项目管理等领域。各章节细分为多个子章节，标注了起止页码、页数和推荐学习时长（以小时计）。重点章节包括：信息系统工程（54页，6.4小时）、项目管理概论（42页，5.1小时）和信息化发展（36页，4.4小时）。文档采用表格形式清晰呈现学习路径，适合作为系统化学习的时间管理参考。
2025-07-08 19:52:33
139
原创 【快手】数据挖掘面试题0003：新设备用户观看时长下降的溯因分析
摘要：针对新设备用户观看时长显著下降的问题，本文提出系统性的溯因分析框架。通过SQL数据验证，从技术问题（崩溃率、卡顿率）、产品变更（版本影响、新手引导）、内容分发和用户结构四个维度定位根因，并提供常见根因验证方法。分析报告模板示例显示，iOS v4.5.1版本的预加载策略导致内存溢出（崩溃率从0.8%升至12.3%），影响低内存机型用户，造成人均观看时长下降37%、周广告损失约230万元。解决方案需重点优化内存管理策略。
2025-07-08 12:53:43
864
原创 【快手】数据挖掘面试题0002：求某地铁站每日客流量，乘地铁经过、进出站人都包括在内
本文提出结合费米问题拆解与SQL数据分析的地铁站客流量估算方法。通过将总客流拆分为进站、出站和换乘三部分，并划分高峰、平峰和低峰时段，构建结构化数据模型。SQL实现数据提取和聚合分析，验证假设合理性（如进出站平衡性），最终估算区域中心站日客流约2-3万人。该方法通过数据驱动验证费米假设，较传统估算更系统可靠，同时指出机器学习方案可进一步提升预测精度。全文约150字，涵盖问题拆解、数据处理和结果验证全流程。
2025-07-08 12:05:12
1568
原创 【快手】数据挖掘面试题0001：查找连续三天登录的用户
摘要：本文介绍了两种SQL查询方法查找连续三天登录的用户。第一种采用自连接方案，通过连接同一表三次并检查日期间隔为1天和2天来识别连续登录。第二种使用窗口函数方案，通过计算登录日期与行号的差值来分组连续日期。测试数据包含4个用户，其中用户2和用户3满足连续三天登录的条件。两种方法都能有效识别连续登录用户，自连接适合MySQL 5.x等不支持窗口函数的版本，窗口函数方案则更加高效简洁。
2025-07-08 11:10:22
417
原创 【字节跳动】数据挖掘面试题0014：SQL中count(1), count(*), count(列）区别
SQL中count(1)、count(*)与count(列)的核心区别：count(*)和count(1)统计所有行数（包含NULL），性能基本一致；count(列)仅统计该列非NULL值。性能上，count(*)通常最优，而count(列)若有索引可能更快。适用场景不同：统计总行数用count(*)，统计非空值用count(列)。索引扫描比全表扫描高效的关键在于查询少量数据时（如过滤条件有效、覆盖索引），但数据量大时全表扫描可能更优。通过执行计划可判断扫描方式选择。
2025-07-08 10:20:20
614
原创 【字节跳动】数据挖掘面试题0013：怎么做男女二分类问题， 从抖音 app 提供的内容中。
核心目标基于抖音内容特征（文本、视觉、音频、用户交互）预测目标受众性别（男/女二分类）。该任务本质上是监督学习问题，需依赖标注数据集。技术关键点数据层面：需融合多模态特征，尤其用户行为与视觉内容算法层面推荐Transformer+Attention的融合模型评估层面：关注F1-score及跨场景鲁棒性实施建议启动期：用朴素贝叶斯快速验证文本特征有效性成长期：引入视觉模型提升准确率（尤其对时尚/美妆类）成熟期：构建端到端多模态系统，结合实时用户反馈更新潜在风险。
2025-07-08 08:01:09
2098
原创 【力扣（LeetCode）】数据挖掘面试题0003： 356. 直线镜像
本文探讨如何判断二维平面中的一组点能否关于某条平行于y轴的直线对称排列。关键思路是计算对称轴位置（x坐标的平均值），并验证每个点是否存在对应的对称点。算法步骤如下： 遍历所有点，记录x坐标的最小最大值，计算对称轴x=(min+max)/2； 使用哈希表存储每个x坐标对应的y坐标集合； 检查每个点(x,y)的对称点(2a-x,y)是否存在于坐标集合中。若所有对称点均存在，则返回True，否则返回False。文章提供了C++和Python两种实现，均通过哈希表高效完成对称性验证，时间复杂度为O(n)。
2025-07-07 20:52:34
166
原创 【力扣（LeetCode）】数据挖掘面试题0002：当面对实时数据流时您如何设计和实现机器学习模型?
对延迟敏感（如自动驾驶、高频交易）：优先选择轻量模型（线性模型、蒸馏模型）+ 增量更新 + C++部署，确保微秒级推理；对数据漂移敏感（如欺诈检测、实时推荐）：强化漂移检测 + 高频增量更新 + 离线重训练兜底，确保模型适应性；高并发场景（如短视频实时推荐）：通过负载均衡、模型并行、流处理框架优化吞吐量，避免服务瓶颈。最终，需通过“数据管道-模型训练-部署监控”的全链路优化，实现模型在实时场景中的高效、可靠运行。
2025-07-07 20:09:06
954
原创 【力扣（LeetCode）】数据挖掘面试题0001：1264. 页面推荐（泛化后，基于MySQL题解）
摘要：本文解决推荐用户朋友喜欢的页面但排除用户已喜欢页面的问题。通过分析Friendship表和Likes表，使用UNION ALL构建双向朋友关系，结合NOT EXISTS排除用户已喜欢的页面。最终按用户ID分组，统计每个页面的朋友喜欢数并排序。示例展示了如何为用户1推荐来自朋友2、3、4、6的5个未喜欢页面（23、24、56、33、77），排除已喜欢的88。解决方案采用反连接模式，适用于类似"查找存在A表但不存在B表记录"的场景。
2025-07-07 12:52:01
506
原创 【PTA】数据结构与算法0001：1025 反转链表
本文介绍了两种实现链表反转的算法。第一种方法使用结构体封装节点数据，通过重新排序和区间翻转来处理链表反转，需要考虑边界条件如非整除区间处理。第二种方法更为简洁，利用三个数组存储节点信息，通过reverse函数直接翻转区间地址顺序，最后循环输出结果。两种方法都实现了链表每k个节点为一组的翻转操作，但后者代码更简洁高效。关键点在于区间翻转函数reverse的使用以及处理最后不足k个节点的情况。
2025-07-07 12:32:02
543
原创 【字节跳动】数据挖掘面试题0012：数据分析、数据挖掘、数据建模的区别
数据分析、数据挖掘与数据建模的区别与关联 三者核心差异在于目标与方法：数据分析通过统计和可视化描述现状（如销售趋势分析）；数据挖掘利用算法从海量数据中发现隐藏规律（如用户行为关联规则）；数据建模则构建数学模型解决实际问题（如房价预测）。技术层面，数据分析多用Excel/SQL，后两者依赖Python/R的机器学习库。应用上呈递进关系：数据分析为基础，数据挖掘深化认知，数据建模实现落地。典型案例如银行客户分析-特征挖掘-分层建模的完整流程。面试时应强调三者互补性，同时突出统计工具与算法编程的侧重点差异。
2025-07-07 08:28:04
574
原创 【字节跳动】数据挖掘面试题0011：介绍下时间序列分析常用知识点
时间序列分析是研究按时间顺序排列的数据以预测未来趋势的技术，核心包括趋势、季节效应、周期和噪声等成分。分析方法涵盖描述性分析（如时序图、ACF/PACF）、统计方法（如平稳性检验、分解法）和预测模型（传统ARIMA系列和现代机器学习模型如Prophet、LSTM）。应用场景广泛，涉及金融、零售、工业等领域，在字节跳动等公司用于用户行为预测、广告系统优化等。评估需严格划分数据集，使用MAE、RMSE等指标，并采用时序交叉验证。掌握平稳性、差分等核心概念及统计与机器学习模型是关键。
2025-07-06 20:20:20
950
原创 【字节跳动】数据挖掘面试题0010：解释全国人均收入下降，各省份人均收入增加的现象，属于辛普森悖论（开放性问题）
摘要：全国人均收入下降而各省份收入增长的现象属于辛普森悖论，即分组趋势与整体趋势相反。其核心原因是人口结构变化导致加权平均权重偏移——高收入省份人口占比下降或低收入省份占比上升，拉低全国均值。通过数学公式和两省案例（高收入省人口减少、低收入省人口增加）具体说明该悖论。类似现象也出现在医疗试验、大学录取等场景中，提示数据分析时需控制混杂因素（如病情、专业选择）。该悖论的价值在于揭示隐藏因果关系、优化决策逻辑（需明确关注整体还是细分群体）以及增强模型解释性。本质是权重变化导致统计结果反转，各组增长与整体下降并不
2025-07-05 17:52:26
886
原创 【字节跳动】数据挖掘面试题0009：AB Test 评估原理及算法效果评估
AB Test评估算法效果指南摘要 AB测试通过随机分组（对照组A vs实验组B）验证算法效果。核心步骤包括： 目标与指标：明确算法类型（推荐/分类等），设计分层指标（核心指标如CTR、转化率，辅助指标如多样性）。 流量控制：随机分流（哈希算法固定分组），分层实验（如地域/用户属性）。 数据收集：规范埋点（用户ID、行为数据、时间戳），确保数据完整。 统计分析：显著性检验（p值<0.05判定显著），计算效应量（如Cohen's d）。 决策：显著提升则全量发布，否则延长测试或优化算法。 注意事项： 冷
2025-07-05 11:59:05
1019
原创 【字节跳动】数据挖掘面试题0008：计算西瓜视频内容好评率
摘要：针对西瓜视频"2020百大人气创作者"项目，本文提供了两种SQL查询方案统计2020年11月期间"科技-数码测评"类视频的好评率。第一种通过JOIN关联内容表和评价表，按视频ID分组计算各视频的好评数、观看次数及好评率；第二种直接统计符合条件视频的总好评数、总评价数和整体好评率。查询条件限定为科技大类下的数码测评子类，时间范围为2020年11月1日至30日。两种方案分别适用于需要视频明细数据和整体统计数据的不同场景。
2025-07-05 11:13:54
202
原创 【字节跳动】数据挖掘面试题0007：Kmeans原理，何时停止迭代
摘要： K-Means是一种无监督聚类算法，通过交替执行E步（分配数据点到最近质心）和M步（更新质心位置）优化簇内距离。迭代停止条件包括：质心移动量小于阈值、簇分配不再变化、目标函数（SSE）收敛或达到最大迭代次数。算法对初始质心敏感，可通过K-Means++改进，且需结合肘部法则或轮廓系数选择K值。其局限包括对异常值敏感和球形簇假设，改进方案如DBSCAN或谱聚类。面试需强调原理、停止条件及扩展问题（如时间复杂度$O(Knd)$）。
2025-07-03 22:03:28
886
原创 【字节跳动】数据挖掘面试题0006：SVM（支持向量机）详细原理
摘要： 支持向量机（SVM）是一种经典分类算法，其核心思想是通过寻找最大化间隔的超平面来区分不同类别数据。关键点包括： 最大间隔：优化超平面位置，使支持向量（离分界面最近的样本）到分界面的距离最大化，提升泛化能力。 核函数：通过映射数据到高维空间（如高斯核）解决线性不可分问题，无需显式计算高维坐标。 优势：小样本效果好、抗噪声能力强，但计算复杂度高，适合高维数据（如文本分类）。 数学基础：硬间隔/软间隔优化、拉格朗日对偶问题及KKT条件，面试常考核函数选择（RBF优先）与多分类方法（如OVO）。 关键词：S
2025-07-03 21:06:25
970
原创 【字节跳动】数据挖掘面试题0005：在旋转有序数组中查找是否存在元素key
在旋转后的有序数组中快速查找元素，可采用改进的二分查找法。该方法通过每次迭代判断哪一半是有序区间，并检查目标值是否在该区间内，从而将搜索范围减半。具体步骤包括：初始化左右指针，取中间值；若左半区有序且目标值在其中，则搜索左半区，否则搜索右半区；反之若右半区有序则同理处理。这种方法确保时间复杂度为O(log n)，适用于无重复元素的旋转有序数组，如示例数组[7,8,9,10,1,2,3]中查找10或3。通过类比"翻书找页码"的过程，直观展示了如何利用局部有序性快速定位目标。
2025-07-03 16:44:29
659
原创 【字节跳动】数据挖掘面试题0004： 一个随机整数产生器产生[1，5]，如何设计一个产生[1，7]的随机整数产生器。
摘要： 本文提出了一种利用[1,5]随机整数生成器构造[1,7]均匀分布的方法。通过两次独立生成[1,5]随机数，组合为25种等概率事件（0-24），选取其中21种映射到[1,7]（取模运算），剩余4种则重新生成。该方法通过扩大随机空间并截取有效区间，确保每个目标数字概率均为1/7。Python实现中，rand7()函数通过循环和条件判断实现这一机制，其数学期望时间复杂度为O(1)。通俗解释将过程类比为"升级骰子"，通过两次掷骰构建5×5棋盘编号，压缩后剔除边缘情况，最终获得均匀分布。
2025-07-03 16:02:07
743
原创 【字节跳动】数据挖掘面试题0003：有一个文件，每一行是一个数字，如何用 MapReduce 进行排序和求每个用户每个页面停留时间
利用MapReduce框架可实现大规模数据的分布式排序，核心是将数字作为键输出，借助Hadoop的自动排序机制完成排序工作。对于网页停留时间计算，需按用户和会话分组后，通过窗口函数或时间差计算相邻页面的访问间隔。两种场景均体现了大数据处理中"分治+排序"的核心思想，前者直接利用框架特性，后者需结合业务逻辑进行时序分析。关键点包括：确保数据正确分区排序、处理边界情况（如末页停留时间）、优化性能（如使用Combiner或合理设置Reducer数量）。
2025-07-02 22:38:51
1731
原创 【字节跳动】数据挖掘面试题0002：从转发数据中求原视频用户以及转发的最长深度和二叉排序树指定值
文章摘要： 本文探讨两道算法题：1) 从转发数据中找出原视频用户及最长转发深度：通过集合操作筛选未被转发的用户作为原视频用户，并利用BFS在构建的转发图中计算最长深度。2) 在二叉排序树中查找比给定值小的最大节点：根据BST特性递归遍历，左子树值更小，右子树值更大，记录候选节点。两题均给出Python代码实现，分别处理社交网络转发分析和二叉搜索树查询问题，展示了集合操作、图遍历和树搜索的典型应用。
2025-07-02 22:08:05
861
原创 【字节跳动】数据挖掘面试题0001：打车场景下POI与ODR空间关联查询
本文探讨了打车场景中建筑物坐标(POI)与乘客上车点(ODR)的空间关联查询问题。针对100米范围内的空间连接需求，提供了两种解决方案：平面坐标系下的欧几里得距离计算和地理坐标系下的Haversine公式计算。文章还介绍了空间索引优化方法，包括创建MBRTree索引和分块索引策略，以提升大规模数据查询效率。最后比较了不同数据库系统的空间数据支持差异，并给出实际应用建议：数据预处理、索引策略选择、性能优化和精度控制等，为打车业务中的派单优化和热点分析提供技术支持。
2025-07-02 21:52:26
500
原创 【人物画像】创界核爆编辑器mini版工具1.0研发可行性方案
【创业神器"创界核爆编辑器mini版"发布】该工具为创业者提供便捷海报生成功能，开发过程采用Python打包命令实现一键封装。效果展示显示简洁界面，支持快速设计。现可通过抖音关注并私信免费领取，限量发放。工具下载链接已多次重复提供，并配有操作流程图解。文末强调"先到先得"，用emoji符号和重复文案吸引用户关注。
2025-07-02 00:22:13
549
原创 【Py工具】年会抽奖神器：年会抽奖随机小工具 v1.0，公平高效一键搞定
【年会抽奖神器：公平高效一键搞定】一款专为年会设计的抽奖工具上线，采用随机算法+透明流程，7秒完成批量抽奖，杜绝暗箱操作。工具支持名单快速加载、自动上榜和结果导出，中奖结果如开盲盒般刺激。开发者提供免费获取通道，只需评论点赞即可领取。该工具已通过Pyinstaller打包成exe文件，操作界面简洁直观，从加载名单到抽奖结果展示全流程可视化，是企业年会抽奖的得力助手。
2025-06-14 13:06:44
323
kettle-pdi-ce-9.0
2024-05-11
kettle访问PostgreSQL数据库并处理数据至execl文件环境搭建材料
2024-05-11
YOLO框架train.py 中参数配置解释、数据标注格式解释
2024-05-05
mongo-java-driver-3.4.3，java连接mongodb的jar包驱动包
2024-05-04
软考高项-131个工具定义及属于哪些过程-背诵必过版-2024-高项已通过.docx
2024-04-22
软考高项-学习笔记最新版-核心名词案例论文等200多项-已通过软考高项.docx
2024-04-22
软考高项-十大知识域&五大过程组-文字总结-最新版-高项已通过.docx
2024-04-22
软考高项-175个案例分析总结-背诵打印必过版-2024-高项已通过
2024-04-22
软考高项-项目管理表格模板-64页-58个供参考-已通过软考高项.docx
2024-04-22
程序员学习资料.zip
2020-01-04
springboot-mybatis-demo
2018-12-07
流程图可视化 - JavaScript-Mermaid - 渲染工具 - v10.6.1.min.js
2025-07-24
《创界核爆编辑器 mini 版・创业新锐海报生成神器》：针对创业场景优化，具备智能文案提炼、创意构图推荐功能 只需提供创业故事、人物特点等，从而产出吸睛海报
2025-07-02
年会筹备 + 流程化 + 抽奖管理 + 小工具：年会筹备流程化工具，集成名单加载、随机抽奖、结果导出，简化抽奖管理环节
2025-06-14
PostgreSQL数据探查工具1.0研发可行性方案，数据调研之秒解析数据结构，告别熬夜写 SQL
2025-05-24
MySQL数据探查工具1.0研发可行性方案，数据调研之秒解析数据结构，告别熬夜写 SQL
2025-05-03
【SQL Server】数据探查工具1.0研发可行性方案，数据调研之秒解析数据结构，告别熬夜写 SQL
2025-04-18
机器学习PCA与线性回归结合的特征降维及模型优化：数据标准化、超参数调优与模型评估系统设计
2025-04-10
读取csv文件url多进程下载图片数据
2024-06-02
excel表格转markdown文档表格
2024-06-02
Oracle常用函数实战总结.xlsx、Oracle 11g数据库管理员指南.pdf、Oracle开发实战经典.pdf
2024-05-18
SQL Server 2016常用函数实战经验总结.zip
2024-05-18
oci.dll、oraocci11.dll、oraociei11.dll3个资源文件
2024-05-15
Instant Client Setup
2024-05-15
kettle访问Kafka中间件并处理数据至execl文件kettle任务流程
2024-05-15
塑料瓶检测图片素材集合30张
2024-05-15
DmJdbcDriver18.jar
2024-05-15
大数据在环境监测与保护中的应用研究v10.0
2024-05-11
不同方式导出 dmp 文件，大小差距悬殊问题
2016-11-07
TA创建的收藏夹 TA关注的收藏夹
TA关注的人