Reblog of 抽屉新热榜:Reblog of 抽屉新热榜:
Reblog via 抽屉新热榜 【王羽佳的“心跳实验”:音乐能统一人们的心率】近日,美国卡内基音乐厅以视频形式公布了一组音乐实验数据,其中记录了2023年1月钢琴家王羽佳与费城交响乐团在拉赫玛尼诺夫150周年马拉松音乐会上的心率变化情况。 https://dig.chouti.com/link/42192462 [...]
Reblog via 抽屉新热榜 【王羽佳的“心跳实验”:音乐能统一人们的心率】近日,美国卡内基音乐厅以视频形式公布了一组音乐实验数据,其中记录了2023年1月钢琴家王羽佳与费城交响乐团在拉赫玛尼诺夫150周年马拉松音乐会上的心率变化情况。 https://dig.chouti.com/link/42192462 [...]
Reblog via 抽屉新热榜 中国樱花难民,踏平四月东京 https://dig.chouti.com/link/42194432 [...]
Reblog via 抽屉新热榜 中国樱花难民,踏平四月东京 https://dig.chouti.com/link/42194432 [...]
Reblog via IT News Microsoft is a national security threat, says ex-White House cyber policy director – With little competition at the goverment level, Windows giant has no incentive to [...]
Reblog via Shufei 🧸 Fediverse is Birdsite. “Sink into it; you’re no better than the rest of us.” [...]
@chouti@9kb.me 这篇文章讨论了德国汽车行业面临的挑战以及这些挑战如何影响相关行业的就业情况。随着汽车行业向电动化转型,德国的一些传统汽车企业遭遇了严重的危机,导致许多高技能工人被裁员。这些工人随后在军工行业找到了新的就业机会。 文章中提到的几个关键点包括: 1. **德国汽车行业的危机**:随着电动化的推进,德国汽车企业面临转型压力,这导致了一些高技能工人的失业。 2. **军工行业的增长**:在俄乌冲突的背景下,德国军工行业迎来了发展的机遇,需要大量高技能工人来满足生产需求。 3. **工人转行**:被裁的汽车行业工人转向军工行业,如亨索尔特公司和莱茵金属公司等,这些公司近期都在积极招聘新员工。 4. **薪酬差异**:德国军工企业的工人平均年薪远高于汽车行业,这成为吸引高技能工人转行的一个重要因素。 5. **军工产业形象改善**:过去,军工产业在德国被视为“污名产业”,但最近其形象有所改善,人们对该行业的态度变得更加积极。 6. **个人案例**:文章中提到了兰克公司的首席运营官席勒,他之前在奔驰工作了25年,现在负责提高公司产能以满足军工订单的需求。 这篇文章揭示了行业转型对就业市场的影响,以及工人如何适应新的经济形势。同时,它也展示了在特定历史时期,如冲突和经济转型期间,某些行业可能会经历快速增长,而其他行业则可能面临衰退。对于受影响的工人来说,转行可能是维持生计和利用其技能的可行途径。 [...]
Reblog via Halo Master 国内开发者的技术栈,是几乎由于互联网泡沫的彻底破裂,而锁死了。例如Java的版本就锁死在8. vue的版本就锁死在2. [...]
Reblog via Halo Master 看起来 ActivityPub协议是越来越流行了。 [...]
在当今的软件开发世界中,机器学习(Machine Learning, ML)正变得越来越重要。它不仅改变了我们处理数据和解决问题的方式,还为开发者带来了新的挑战和机遇。然而,对于许多Java开发者来说,进入机器学习的门槛似乎有些高。幸运的是,Deep Java Library (DJL) 的出现,为Java社区带来了一股清新的空气。 什么是 DJL? Deep Java Library 是一个开源的、功能丰富的Java库,旨在使机器学习在Java生态系统中变得易于使用。它由亚马逊(Amazon)发布,基于Apache软件基金会的开源项目MXNet构建,提供了一套完整的工具和接口,让Java开发者能够更容易地构建、训练和部署机器学习模型。 DJL 的主要特点 1. 易于上手 DJL 提供了简洁的API,使得即使是初学者也能快速上手。它隐藏了底层机器学习的复杂性,让开发者可以专注于模型的构建和优化。 2. 丰富的模型支持 DJL 支持多种类型的机器学习模型,包括但不限于图像识别、自然语言处理和推荐系统。它还支持自定义模型的开发,以满足特定需求。 3. 集成多种框架 DJL 不仅基于MXNet,还可以与PyTorch、TensorFlow等其他流行的机器学习框架无缝集成,这为开发者提供了更多的选择和灵活性。 4. 端到端的解决方案 DJL [...]