听说你立志要做数据分析,不如先听听老司机的建议?
(点击上方公众号,可快速关注)
作者:黄进然
每年总有很多人,怀揣着对世界的一知半解、满腔似火的热情、还有对美好生活的向往,走出象牙塔,投身社会。
世界很大,诱惑很多。对于未来,甚至在工作多年后,他们仍然没有清晰的方向,或者缺乏独立、深度的思考。
方向很重要,而人生很短暂。往哪里走,怎么走,再怎么也得花点时间思考一下,不是吗?
如果你决心要在数据科学领域有所作为,或者立志做数据分析,这篇文章提了点小建议,希望对你有所帮助。
一、去大厂还是去小厂?
我们做每件事之前,都要先明确做这件事的目的和意义是什么。
先来问问自己,做数据分析的目的和价值是什么?我的理解是,致力于用数据帮助企业解决业务问题,辅助业务决策。
关于这个问题,你可以花3-5年时间来思考和领悟,不急,但需要想清楚。
你还面临一个抉择,到底是去大厂还是去小厂?
之前接到很多猎头电话,不少都会问:“你是做分析还是做挖掘的呀?”刚开始,也常会和猎头在电话里“理论”一番。后来在大厂待过才明白,大厂分工比较细,分析是偏向经营分析,即取数分析写报告,而挖掘则是建模调参部署等。小厂就不一样了,谈需求、确定思路、指标设计、平台搭建、接入数据、处理数据、建立宽表、模型训练、结果分析、撰写报告、模型部署、报表计算、数据可视化等一整个流程,一个人几乎都可能会参与。
如果有机会,请一定要去大厂历练几年!大厂大多都很开放,常常敢为天下先,敢于引入一些新的东西,包括技术、思维、制度,技术比较先进,优秀的人也很多。大厂的管理制度也很完善,福利待遇当然会更好些。大厂的数据规模绝对够大,而且应用场景也多,可施展的空间应该会比较大。所以,抱着学习的态度在大厂里混几年,是可以成长很快的。(有好,当然也有不好)大厂流程繁杂,整体效率偏低,提一个取数申请可能需要1-2周。大厂的内部竞争也大,存在于不同项目团队,也存在于同一部门不同成员之间。大项目资源投入大,小项目资源申请很困难,重视程度也不一样。最主要的,大厂分工很明细,不同职位的轮换似乎不大容易,从入职到几年后离开一直做经营分析都是有可能的,容易导致能力的单一,不利于个人综合素质的培养。
相比之下,小厂就灵活多了,人和事都不会很复杂,而且效率也高。小厂可能会优先考虑做这件事情的投入和产出,即看应用效果。(大厂反而愿意给资源去试,短期内不怎么关注投入产出。)所以,在小厂工作,既要学会帮公司赚钱,也要学会帮公司省钱。小厂分工不会很细,大多需要一个人做多种工作。所以,小厂里面的程序员常常身怀多技。但小厂数据规模小,技术实力较弱,团队成员整体素质不高,而且项目流程不大规范,常常怎么简单怎么来,怎么高效怎么来。有些小公司的码农,除了对外发过一两封邮件,平时的沟通几乎是在QQ里,结果待了几年之后连写一封邮件都不会。有些小厂自己没有数据,重要是作为乙方给大企业做项目,这种模式常常受甲方牵制,可发挥的空间很小,而且一个项目周期往往比想象中要长(我本人之前就厌倦做乙方),因此不大建议去这样的公司。
不管大厂还是小厂,在选择时,建议都要看看所要加入的团队。
综合来说,建议先去大厂混几年,再去小厂找个Title高点的职位发挥自己所长。
再来说几句,什么场景下分析,什么场景下挖掘呢?
分析其实是一个很笼统的概念。把当前营业额跟去年同期做对比发现增长了不少,这个也可以认为是分析。分析是从数据中发现问题或规律,并提出合理的建议。分析常常伴随着要写报告,进而要给业务方汇报分析结果。最好是给决策层汇报,因为决策层有拍板的权力,而且对数据结果的感知和可能的应用有自己独到的认知。
如果需要把分析的结果固化下来,定期输出结果,提供给业务方,这个时候就需要开发数据产品了。
挖掘是用算法解决某个具体的复杂问题,用常规分析方法解决不了的,如客户流失预警、商品最优推荐组合、最有投递路线规划等。
所以,我一般认为,分析是从数据中发现问题或规律,而挖掘是其中的一块。
数据技能知识一览
二、1-3年,“所见即所得”,打磨基础技术
在职业生涯的初期,请牢记,“所见即所得,所感即所知,多见即多得,多感即多知”。
不管在大厂还是在小厂,一定要参与到实际项目当中,好好打磨自己的技术。不管是大项目还是小项目,一定要借助来之不易的机会,以极致的工匠精神修炼自身。
你最好能从基础数据处理做起。只有这样,你才能早点知道,数据并不像在学校里做实验用到的数据那样“好”,它可能看起来“又脏又乱”。只有这样,你才能早点知道,给你取数的那个程序员是如何花了2-3天甚至一周时间才把数算好。
如果你精通SQL,那就太好了,这样就可以直接能够在数据平台查看原始的数据了。
最好要看一看最原始的数据长什么样。你不一定能一下子理解这些数据,但你可以慢慢地感受它们,因为它们所投射出来的是最真实的业务场景。
举个例子吧,原始的会员注册信息数据里面,性别一般填“男”、“男性”、“女”、“女性”、“未知”、“其它”等值,但处理好之后的二手数据里面,性别就变成了“男”、“女”、“未知”等三个值了。仅看这三个值,可能会漏掉一些业务场景,填“男”可能是从移动端输入时选择的,填“男性”则可能是手工填写注册表格时勾选上的。而漏掉的这个场景,说不定就是所要找的那个分析点。
你最好还能熟练掌握一两门编程语言,比如当下流行的Python,作为入行的基础技能。(顺便说一下,码农界普遍认为只会SQL的不算真正的程序员~~)
当今时代,编程已经从娃娃开始抓起。早在5年前,英国规定5岁以上儿童必须学习编程课,法国将编程列入初等教育选修课程,美国已有40个州制定政策支持计算机科学,有35个州将计算机科学课程纳入高中毕业学分体系。美国前总统奥巴马就曾在全美发起“编程一小时”的运动,旨在让全美小学生开始学习编程。2017年,浙江、北京、山东等省确定要把Python编程基础纳入信息技术课程和高考的内容体系。编程将是一项很基础的技能,也将是承接其他知识的基石。在未来,会编程很可能跟使用智能手机一样普遍。
当处理基础数据的时候,必然会在数据库或数据平台上进行。你可能需要对这些存储数据的环境加以了解,如传统的结构化数据库Oracle、Mysql、DB2等,又如当下流行的Nosql数据库HBase、Redis、MongoDB、Cassandra等,再如大数据集群平台、原理及其相关概念,类似Hadoop、Hive、Hue、MapReduce、Spark、Scala、Sqoop、Pig、Zookeeper、Flume、Oozie等。你或者也需要了解数据传输的工具,如DataStage、Kafka、Sqoop等。你甚至也可能被安排做安装系统、部署软件、配置环境、同步数据等一些琐碎的工作。
关于这些,如果你非常感兴趣,可以考虑往大数据平台方向发展,成为数据开发工程师、数据平台运维工程师、或者数据平台架构师。
你不必理解太深,可仅仅停留在了解层面,但知道这些知识会让你和数据开发工程师、运维工程师和平台架构师沟通起来顺畅很多。
当处理和分析数据时,有些关于数据的操作是必然需要掌握的。首先是常见格式的数据导入导出,如TXT、CSV、XLS,然后是主要的数据加工技巧,包括建表/视图、插入、更新、查询、并联、串联、汇总、排序、格式转换、循环、常用的函数、描述统计量、变量,等等。
这些操作很基础,但不简单。你可能经常会遇到各种情况,如花了一个下午时间就是没能把一个很小的CSV数据文件正确地导入到数据库中,不是乱码就是错位,或者两表关联时老是报一些烦人的错误,或者日期字段进行格式转换时出现空值……反正状况百出,防不胜防。
关于这些基础操作,需要不断积累经验,尽量能够做到在不同场景下快速高效地完成,轻松应付。
如果有人已经给你取好了数,而你的工作是分析数据写报告,那么分析技巧首先是你需要培养起来的。对拿到的数据,要时刻保持疑问,不能太乐观,因为别人算好的数据未必完全是你想要的数据,又或者数据质量并不是你想的那样好。
在分析之前,需要进行数据探索,看看数据质量如何。比如,你需要清楚有多少数据量,有什么信息,可衍生什么指标,缺失情况如何,如何填补缺失值,值的分布情况如何,如何处理极值,名义/字符变量是否需要转换,等等。
分析时,要清楚指标不同形态的含义,如绝对值、占比、同比、趋势、均值、标准差,等等。
在这里,我想指出,数据有对比才有意义。如果一个穷人捡到100元,他会很高兴,这够他吃好几天了。但如果让一个富人去捡100元,那感觉就不一样了,他可能觉得他不值得这么做,因为用弯腰去捡的时间挣到的钱远远不止这么多。
统计学知识是必须要掌握的,这是基础。如果你非数学或统计学专业出身,那么请自学。
另外,也请你一定要掌握主流算法的原理,比如线性回归、逻辑回归、决策树、神经网络、关联分析、聚类、协同过滤、随机森林,再深入一点,还可以掌握文本分析、深度学习、图像识别等相关的算法。
关于这些算法,不仅需要了解其原理,你最好可以流畅地阐述出来,还需要你知晓其在各行业的一些应用场景。
关于这些算法,你最好能够参与关于模型开发的具体项目实践。那样的话,你就可以清楚关于建模的大概流程是怎么样的,不同算法在建模中有不同,需要注意哪些地方。
如果你打字速度不快,那也最好重视起来,这虽然是一个不痛不痒的问题,但也在较大程度上影响你的工作效率,进而影响到你的工作产出,当然也可能因此会影响到你的薪资哦!
另外,还有一些提高工作效率的小技巧,也可以多学多掌握。例如,一些电脑的快捷键,定期保存文件,文件的归类存放和快速查找,等等。
作为职场新人,你不仅需要打磨技术,纯技术之外的技能也需要不断修炼。
职场的做事方式方法、为人处事以及一些潜规则,更多时候只能靠悟,说出来就可能不大好了,因此需要不断领悟。毕竟,悟性这东西是很重要的。
还有,沟通是码农普遍的老大难问题,建议重视起来并加强。
你甚至可以学一下投影仪或打印机怎么用。(说不定可以靠这个技能在老板或同事前面大攒人品哦~~)
如果你有机会和很牛的人在一起工作,那你太幸运了。你可以多请教优秀的人一些问题,也可以平时多观察那些优秀之人的做事方式、工作习惯,看看有哪些好的地方、好的品质值得你学习。只要吸纳进来,就可以转化为你的优点,推动你进步。
我毕业的第三年,看到俞敏洪老师在一些演讲中提及他大学时读了800多本书,很受触动,真正认识到了读书的重要性,于是给自己制定了一年读50本书的计划,什么书都读,三年左右时间,我的心智和心态都发生了很大的改变,完全不一样了。
俗话说:“三人行,必有我师。”每个人都有每个人的优点,对于所遇到的每个人,建议多欣赏别人的优点,少抨击别人的缺点,这样你就可以“兼收并蓄”,逐步塑造更好的自己。
三、3-5年,“技多不压身”,拓展能力边界
当迈过了最初的3个年头后,你的技术越来越好,也做了不少项目,也越来越清楚自己未来的方向,但你也会发现有越来越多的东西还需要去学习和加强。
这个时候,你的知识是零散的,还远未形成体系。你也许还需要花些时间好好梳理和总结过去几年积累的经验和知识,不断沉淀,形成自己的知识体系和方法论。在梳理的过程中,你会不断清楚自己有什么,缺什么,哪些地方弱,哪些地方强,未来需要花多少时间补强哪项技能,等等。
你可以沿着数据的整个流程,即数据采集、数据存储、数据处理、数据分析/开发模型、报表计算、数据可视化,不断拓展自己的能力边界,最好在流程中的各个环节都做过项目。
例如,在数据采集环节,你可以学一下爬虫技术。
这个时候,你不再是新人。新人大多是等着别人安排工作,并在详细的指导之下完成。而你慢慢成长为老司机了,需要独立完成一个个任务了,如独立开发一个模型、写一份会员分析报告、梳理关于近期营业额下降原因分析的思路,等等。你需要不断适应在无人指点的情况自己去寻求问题解决办法,也可能需要应对此前没有遇到过的新情况并独立展开调查研究。几乎没有人帮你,你也没法指望别人明确告诉你怎么做。而你需要的是,历经3年之后成长路上的一个质变。
在这过程中,你可能需要不断查找资料,咨询别人,并加以思考,梳理出有效的方案,最后落地执行。在这过程中,可以有效训练以下几方面的能力:
查找资料
会问问题
总结梳理
写作能力
关于总结梳理,建议定期做,常常做,每天做,建议养成一个日常习惯。
对于不同问题和场景的思路整理总结,常常需要方法论指导,如麦肯锡金字塔原理、结构化思维等。关于这些方法论,不仅要谙熟于心,也需要将其应用到实际工作当中。这是受用一生的知识,你也可将其运用到你的日常生活中,用以解决你日常的问题和需求。
关于思路的整理,可以借助思维导图工具。
另外,请注重培养自己的数据敏感性和数据思维,越早开始越好。关于如何培养数据思维,将以另外的文章单独阐述。
EXCEL是操作和处理数据最方便的工具,也是必须掌握的办公软件。很多人会用EXCEL,但根本不精通EXCEL。简历里那句“精通EXCEL等办公软件”(你的简历里是否也这样写~~),常常是一个谎言。建议你好好学一下EXCEL,包括展示数据、透视表、函数、画图、动态图表、VBA等。不要仅仅停留在最粗的层面,比如画图,使用默认设置也可以画出一个图表,但是不好看,阅读体验不好。关于怎么用EXCEL画好图表,推荐阅读《EXCEL图表演示之道》、《最简单的图形与最复杂的信息》。
写分析报告,难免会用到PPT。关于如何写好PPT这件事,从来就不是件轻松的事。但你可以给自己一些时间去学,比如3年、5年、甚至10年。刚开始,写得不好没关系,但一定不要放过每一次锻炼的机会。
关于PPT的技巧,将有更多的文章单独阐述。
在领导眼里,会写材料的人比会编程的人更有存在感。而且,会写材料的人总是显得那样“稀缺”。如果你是别的同事眼里的“会Coding的人中最会写PPT+会写材料的人中最懂技术”的那个人,那你将会很受重用。
四、5-10年,“不忘初心”,有所为有所不为
在别人眼里,数据分析和开发模型是很高大上的。但这高大上,常常处在很多尴尬的处境。数据分析汇报一次之后就没了下文,模型开发了,部署了,也定期出数了,但就是没用起来。用户方或业务方觉得这些东西对他们业务帮助不大,可有可无(虽然包装一下用来忽悠一下投资人可能也有点用处),还不如一个经验规则来得有效,简单粗暴,省时省力。
关于经验规则和算法模型之争,如果你坚定认为你开发的模型比业务方所认为的经验规则更有效,那么,请你拿出“证据”,用数据说服业务方,让他们改变观念,觉得你是对的。
之前信奉的那句“数据驱动业务”,是不是错了吗?
此刻,请回到初心吧!我们的初心是什么?那就是用数据帮助业务解决问题,用数据辅助业务决策。数据分析只是其中一种形式,当然还有其它。因此,不要迷恋数据分析,不要迷恋算法模型。“不管黑猫白猫,抓到老鼠就是好猫。”
如果你能够从数据分析和算法模型的困囿中挣脱出来,那么你将发现你面对的是广阔天地,你可以在数据的海洋里肆意遨游。
你或许开始注重追求数据解决方案的实用性,强调落地执行,更看重应用效果。
你必须真正理解业务方的需求。当业务方进行选品和定价时,他们需要一份关于竞品的商品数据来做参考;当业务方想随时看到当前时刻的订单量(特别是618或双11),你需要实时汇总数据并实时呈现给他们;当业务方既想看总体的经营数据,也想看各区各部门各门店的经营数据,你需要开发一个多维度层层钻取查看的功能……而这些都不是数据分析和算法模型,但这些也是数据应用,也能产生数据价值。
如果有机会,不妨尝试做个数据产品经理。数据产品经理需要从产品角度实现业务功能。在当前数据产品化的趋势下,这是一个很有挑战性的事情,不容易做好。毕竟,讨好一大群用户,比单独讨好一个用户要难得多。
在数据产品设计里,数据可视化是一个重要的事情。好的图表会说话,好的功能会抓住用户的心。即便撇开数据产品,我们在分析报告里也会需要数据的可视化表达。
数据可视化传递的是一种明确的数据信息,一目了然,赏心悦目。从画好一个数据图表,到功能版式的精心设计,再到对功能细节良苦用心的把握,你需要不断精进。一旦你感兴趣,你将会很快沉迷于其中,因为那是一种美的表达。
五、10年+,“砥砺前行”,创新、创业、创造
是的,你已经做了十年,希望你无悔当初的选择与坚持。
此时你也遇到很多瓶颈,或许你空有一身好武艺但得不到老板重用,或许你想做个实力派但处于各种原因离技术越来越远,或许你很努力但职务仍然上不去,或许你面对繁重的工作心有余而力不足,各种分身乏术……你一直在等待和寻找着机会,突破自己。
此时你也渐渐步入了中年,或许你开始变得油腻,或许你的身材早已远离苗条,或许岁月在你的脸上、头发上开始留下痕迹,或许你的思想渐渐固化,不能与时俱进了……最重要的,或许就是你早已没有了当初的激情。
如果你在一个行业待了十年,在别人眼里,无论怎样,都已是个专家,所以,请自信!
你还需要在圈里有一定的影响力,需要树立个人品牌,最好能在圈里外有较好的传播。如此这样,当别人提起你的时候,他们常会这样说,“这个人分析能力很强”,“他在数据领域造诣很深”,“他建模能力出众”……如此种种,在他们眼里对你印象最深刻的标签将会是你最想要的那个。
或许你需要逐步提升讲课程的能力,这是一种知识分享与传递,也是提高个人影响力的有效途径。不要放过任何露脸的机会哦!
你或许已经深刻明白,分析的结果、开发的模型、数据产品只有被应用起来,才真正算是产生价值。你会越来越关注数据应用的问题。当你开始聚焦这个问题时,你会问自己,”用户或业务方真正需要什么?“这个时候,你得有用户思维了。你会加强对业务的重视程度,也会不断回到业务层面去思考数据的实际应用。
你最好也时刻关注当前社会的趋势和潮流,特别是与互联网相关的。这样可以让你保持开放的心态,洞悉社会的风向,驱动自己的思考,挖掘潜在的机会。你可以从中了解当前行业中成功的数据应用案例,开拓自己的思路,多想想用数据还可以帮助各行业解决什么问题,可能的机会在哪里,自己应该怎么做。
你可能要面对的是,数据应用对一个行业或一个企业来说,永远都是在探索。某个数据应用思路或项目一旦成功了,就会得到越来越多的资源投入,越做越大,如果失败了,就会立刻遭放弃。因此,要有创新精神,要有创新的勇气和自信。
职位上来说,你可能开始担任一定的管理工作。因此,你还得学会团队管理,懂得如何向上管理和向下管理。
你的日常事务会越来越多,你也需要学会有效管理自己的时间。你可以成为一名“清单控”。但必须指出的是,时间管理,最本质的还是自我的管理,对精力的管理。你需要开始意识到加强身体锻炼的重要性了。一来,保持身材,对发福说不,二来,保持精力的旺盛,抵抗疲倦,第三,通过不断挑战自己的身体极限来刺激自己,找回激情。
你也需要开始认真考虑如何平衡工作和家庭的问题了。
这个世界一直在变。我们也一定要“善变”,顺势而为。
不管是10-20年前的BI(商务智能),过去几年的大数据,这年头炒得火爆的人工智能,还是未来涌现的更多概念,只要我们足够开放,敏感洞察,挖掘机会,创新、创业、创造,不断成就自己。
汪国真在《热爱生命》里写道:“我不去想是否能够成功,既然选择了远方,便只顾风雨兼程。”
英雄不问出身,只要你下定决心,即使再晚出发,也会达到,还可以走得更远。
最后,作为数据人,与你共勉,“不做数据的搬运工,要做价值的缔造者”。
【关于作者】
黄进然(Jerry Huang):本科毕业于中山大学数学系,10年以上数据科学领域从业经验,曾任职于顺丰科技,目前在一家创业公司担任数据负责人,从事零售行业数据应用研究,擅长数据分析、数据挖掘、数据产品以及数据可视化。个人公众号:土拨鼠的菜园地。
【关于投稿】
如果大家有原创好文投稿,请直接给公号发送留言。
① 留言格式:
【投稿】+《 文章标题》+ 文章链接
② 示例:
【投稿】《不要自称是程序员,我十多年的 IT 职场总结》:http://blog.jobbole.com/94148/
③ 最后请附上您的个人简介哈~
看完本文有收获?请转发分享给更多人
关注「数据分析与开发」,提升数据技能
听说你立志要做数据分析,不如先听听老司机的建议?相关推荐
- 女生适合做数据分析吗?数据分析师是否是青春饭?
在当下大数据分析与人工智能火热发展的的浪潮下,数据分析师或大数据分析师已然成为当前炙手可热的热门就业职位之一,就业待遇和发展前景也是被好多人看好,于是乎想进入数据分析行列的人群也日益增加,很多女生也会 ...
- 各位集美兄得看过来! 利用AI给青春有你2的选手们做数据分析挖掘(四):AI分析谁最容易出道
各位集美兄得看过来! 利用AI给青春有你2的选手们做数据分析挖掘(一):爬虫选手信息 各位集美兄得看过来! 利用AI给青春有你2的选手们做数据分析挖掘(二):统计并展示数据 各位集美兄得看过来! 利用 ...
- 上新福利 | 转行做数据分析,这样突破瓶颈
「留意文末福利」 朋友,今天你转了吗? 听说数据分析岗大有前(钱)途,很多小伙伴纷纷尝试转行.找点儿入门书和入门课,学点儿Python和SQL,大半年下来,不少勤奋的小伙伴如愿以偿地跻身数据分析师行列 ...
- 创业公司如何做数据分析(一)开篇
在过去的一年里,笔者加入了一家移动互联网创业公司,工作之一便是负责数据业务的建设,陆陆续续完成了一些数据系统的实现,来满足公司的数据需求.在创业公司中做数据相关的事情,而且是从零做起,肯定不像很多大公 ...
- python做数据分析的包_用Python做数据分析,Numpy,Pandas,matp
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 用Python做数据分析,Numpy,Pandas,matplotlib是怎么也绕不开的三个包,我最开始学习pandas是看的<利用Python进行 ...
- 一个为制造业而生的AI助手,普通员工向它提问就能做数据分析
赖可 发自 凹非寺 量子位 报道 | 公众号 QbitAI 制造业正面临着新境遇. 产业链.供应链周期变短,不确定因素增加.数字化转型呼之欲出,AI落地的需求越来越明显. 怎样让AI技术切实创造效益呢 ...
- python数据分析的主要流程-用Python语言做数据分析基本思路和流程
当下用PYTHON做数据分析实在是太火了!大多数招聘信息里都要求应聘者会使用PYTHON做数据分析.PYTHON语言功能确实很强大,俗称"胶水语言".那么我们大多数职场人士真的有机 ...
- python 数据分析学什么-利用Python做数据分析 需要学习哪些知识
根据调查结果,十大最常用的数据工具中有八个来自或利用Python.Python广泛应用于所有数据科学领域,包括数据分析.机器学习.深度学习和数据可视化.不过你知道如何利用Python做数据分析吗?需要 ...
- 用python做数据分析,安装包一次到位
用python做数据分析 安装包一次到位 pip install numpy pandas scipy matplotlib sklearn lxml re requests bs4 tushare ...
最新文章
- JAVASCRIPT函数式编程
- 使用iphone功能来实现远程监控
- 计算机应届生必读的 AI 入门经典书单
- matlab 如何被c 调用函数调用函数调用,c 调用 matlab engine 自定义函数
- JavaScript基础(一)基本认识
- Struts 动态FORM实现过程
- Tcp连接的七次握手浅析
- 150万元重奖!阿里软件供应链安全大赛正式启动
- WeX5和BeX5的区别
- Neo4j Desktop 添加算法插件Graph Algorithms
- 信息系统项目管理十大管理过程整理
- matlab中saveas图片和save变量到不同路径(文件夹)下
- python菜单栏不见了如何恢复_解决Jupyter Notebook开始菜单栏Anaconda下消失的问题
- 百度指数Cipher-text加密
- AR VR MR三者的区别
- JavaScript 的 switch 有四样写法,你知道么?
- 在SVN服务器彻底删除文件
- 基于单片机的多功能数字时钟设计
- mobaxterm快捷键
- Java实现圆面积计算
热门文章
- 尚硅谷_在线教育_Nuxt整合错误
- 醉翁之意不在酒,网易“星球”意在用户数据
- switch维护服务器,switch服务器
- LED模拟与数字调光
- 【Hexo搭建个人博客】(十三)Next主题中添加首页文章置顶功能及置顶图标
- RFID标签测试结果受哪些因素影响
- chrome谷歌浏览器调试微信H5页面
- 【图像超分辨率】(VDSR)Accurate Image Super-Resolution Using Very Deep Convolutional Networks
- 【C操作符】详解操作符
- 2021教师副高考试成绩查询,2021年教师资格证考试成绩查询入口