喜欢动漫的宅女 -- 21届校友张艳

是SAP的软件开发师。SAP是全球第三大独立软件供应商（仅次于Microsoft和Oracle），在企业管理软件领域市场占有率排名第一，是ERP市场的绝对领导者。

ERP（Enterprise Resource Planning），企业资源规划，一种集成资源软件系统，管理公司内部业务流程。

目前正在向云产品，云计算转型。SAP云产品：BTP，其中包含云数据库，也允许进行一些低代码开发。SAP HANA是一款列式内存数据库，主打一手快。海外用的比较多，目前也只有字节的一个部门在用。SAP HANA Cloud，一款全托管内存云数据库产品，与Unicloud相比为企业级，量级不同。

关于工资是怎么发的这档子事！财务直接打钱？没这么简单！人数少还好，人数一多直接炸裂。还要算五险一金，加班请假，晚发一天大家直接爆炸，索性直接做成软件--Payroll（工资单）。

Payroll是从Gross（应发工资）到net（实发工资）的过程。Global Payroll如果全球化，各个国家的政策如何呢，也就是要考虑各种福利政策。中国有些互联网企业，如果不想休假，可以把假期折合成钱。其他福利比如工龄福利、年终奖、股票激励、生育补贴……给一个人发工资还好，给一群人发工资，如果要建立统一化标准，尊嘟很困难，最后要实现全球薪资管理和本地化。

一个很厉害的框架，Manage Data Framework（MDF）。公司写代码会有很多安全准则，规范之类的，如果你在里面注册一个object，框架都会自动给你配置好。很小的一些部分，放权给客户进行低代码个人定制object。是可视化的，可定制UI，还可定制各种rule，使用起来非常方便，不太需要程序员，只需要懂一些业务逻辑，简化了很多的工作量。

中国首届黑客大赛冠军 -- 黄建文

现在打你诈骗电话少了，因为你没钱，现在精准诈骗时代；中国的暗网，即QQ群，在里面买卖信息，腰子，怕就怕悬赏，一对二十五岁的腰子五十万以上；疫情时，手机定位精确到五米，马路路口摄像头，制作平台监控所有人定位，实时监控，有大数据分析，红黄绿都从哪里来，到达地排行。知道你跑来跑去没难度，控制你有难度。五六个大白穿着防护服去抓你，你跑的快，旁边再来个大妈啪一拍。如果有大数据系统，可以避免外滩踩踏事件，知道现场有多少人，派多少警力；2014年成立网络安全与信息化领导小组，总书记担任组长，因为如果成立网络安全部同级没法监管公安部。是放慢信息化的脚步等等思想的时候了。边界领土谈判，经过信息泄露，对方早早就知道你的底牌在哪里，谈判直接输光光。去年全国布下十二亿传感器，看河水的污染程度，治理超标排放。但是传感器的核心芯片不是我们自己可控的，得用别人的芯片，别人就可以分析你们的污水。“没有网络安全，就没有国家安全。”移动支付为什么这么领先，是牺牲了网民的隐私换取，国外法案对此要求过于严格，老美直接就躺平了。

上海海事大学 -- 海事航运与密码学

主要介绍航运、物流与港口。海运与各国经济息息相关，受到网络攻击则会造成巨大经济损失。主要应用：其一，船舶身份认证。错误的身份信息会导致航线混乱。其二，船舶之间通信安全。防止海盗利用这些信息进行攻击。其三，船舶追踪和位置隐私保护。其四，无人船舶的安全操作。无人船舶的控制信息，如导航指令，速度和航向调整等，要保证传输这些指令时不被破解。其五，货物追踪和溯源。进行数字签名和使用加密技术。其六，安全货物交付和接受。

上海软件中心博士后 -- 杨启文

数字经济中的区块链与密码学。首先是国家政策导向与支持，传统犯罪行为转为高科技，网络攻防行为愈演愈烈。针对DDos攻击，可能单点失效，全盘皆崩。区块链goodgood。生活中的区块链：国内小区为防止外来车辆进入，一家一把锁串在小区大门。特点：去中心化（不需要统一管理），可追溯性（谁没锁找谁），不可篡改性（一家一把锁，换锁就打不开了）。

华为自动驾驶 -- 马老师

自动驾驶两个点：融合感知和规划控制。 动态感知：传感器+算法，识别出目标的抽象。鱼眼相机可解决车辆剪裁问题，但超出5米物体会变形，无法辨识。静态环境认知：输入地图和传感器，输出预测与规划，汽车可以记录走过的地方。

softMax

用于分类的一个函数，将离散的向量化为零到一之间的标准概率分布。

数学基础

代码实现

def softmax(x):
    exp_x = np.exp(x)
    softmax_x = exp_x / np.sum(exp_x)
    return softmax_x

前馈神经网络

参考资料

云风：学习神经网络的一点笔记

三月

蛇，关乎欲望，发情，做春梦。

蛇变：山海经，山下有白蛇 -> 太平广记 白蛇变人 -> 西湖三塔记 故事雏形 白蛇逐爱，塔镇白蛇
青蛇来自妖界，最后杀了许仙，破了法海，同时批判三个世界。她游走与三个世界，但没有一个世界能安防她的身心。和鲁迅《坟》中的“即使是枭蛇鬼怪，也是我的朋友”，就是形容人间没有容他之地。

形式化语言

有限状态自动机DFA

题目

1. 给出接受以下语言的DFA：所有以1开头，能被5整除的二进制串，如101, 1010, 1111
   首先分析题目可知，一个数除以5，其余数（十进制）只能是0，1，2，3，4五种，因此我们以0，1，2，3，4分别表示这五种状态。因为要求得能被5整除的数，0 mod 5=0满足要求，故状态0为终结状态。
   接着，考虑二进制数在其串后增添0或1时，状态的转化情况。在二进制串后添1位，即可理解为将先前的串值乘以二再加上所添的数值。那么，串尾添数后新的数值模5的余数便可以计算出来。即可以得到添0或1后的新的状态。
   另外，题目要求以1开头，则以1为初始状态，进行添0添1操作，最后闭合在五个数中。

作为鲁迅唯一的爱情小说，《伤逝》在被编入彷徨之前，从未在报刊上发表。 有一个人撒谎了怎么办？不存在第三者提供的客观视角，这个故事只存在于二者之间。爱情永远是二的叙述而不是一的叙述，找不到一个公正的法官将二者的故事进行综合。 “伤逝”不是普通恋爱小说，乃是假借了男女的死亡来哀悼兄弟恩情的断绝的。 鲁迅先生：

我昨天才知道——但过去的事不必再说了。我不是基督徒，却幸而尚能担受得起，也不想责谁——大家都是可怜的人间。我以前的蔷薇的梦原来都是虚幻，现在所见的或者才是真的人生。我想订正我的思想，重新入新的生活。以后请不要再到后边院子里来，没有别的话。愿你安心，自重。

七月十八日，作人 把开头结尾删掉，感觉像恋人间的通信，而不是弟弟写给哥哥的。 首句 “如果我能够，我要写下自己悔恨和悲哀，为子君，为自己。” 一个充分欧化的局势，用了条件状语，目的状语。鲁迅很提倡欧化的表达，中文的语法不精密。 最强烈的表达 小说一方面是涓生的独白，另一方面是子君的沉默 从古希腊开始，恋爱就一直是Lover和Beloved

“这部作品讲了一个什么故事？” “一个男的……” “虽然鲁迅很激进，但是不会写两个男人的爱情故事。”

前言

总结来说，Numpy 这个库提供了以下内容：
1. N维数组，一种多维度、同质、能快速、高效使用内存的阵列
2. 提供基于矩阵的数学运算
3. 提供线性代数，傅里叶变换和随机数生成
其中数组为其核心功能

第一次碰到numpy，还是在做线代课的大作业。用程序来模拟实现矩阵的运算，在网上搜索一番，最终选择了numpy和cv2库。代码如下：

import cv2 # openCV进行图像处理
import numpy as np # numpy进行数值计算

mat1 = np.array([
    [  0, 50,  100 ],
    [  100, 50,  0 ],
    [  150, 200,  255 ]], dtype = np.float32)
resized = np.kron(mat1, np.ones((100, 100)))  # 将矩阵放大100倍便于观看
resized = resized.astype(np.uint8)
# 将图像数据的像素值范围从其他类型（如浮点数）映射到在图像处理中常见的无符号8位整数范围
cv2.imshow('3x3 Matrix1', resized)
cv2.waitKey()
result = np.linalg.inv(mat1)
print(result)

函数

Matplotlib

Eg1 基本使用

import numpy as np 
from matplotlib import pyplot as plt 
 
x = np.arange(1,11) 
y =  2  * x +  5 
plt.title("Matplotlib demo") 
plt.xlabel("x axis caption") 
plt.ylabel("y axis caption") 
plt.plot(x,y) 
plt.show()

Eg2 汉化

使用了免费的思源黑体

# fname 为下载的字体库路径
zhfont1 = matplotlib.font_manager.FontProperties(fname="SourceHanSerifSC-Bold.otf") 
 
x = np.arange(1,11) 
y =  2  * x +  5 
plt.title("测试", fontproperties=zhfont1) 
 
# fontproperties 设置中文显示，fontsize 设置字体大小
plt.xlabel("x 轴", fontproperties=zhfont1)
plt.ylabel("y 轴", fontproperties=zhfont1)
plt.plot(x,y) 
plt.show()

反序

Eg1

arr = np.arange(9).reshape(3,3)

print(arr[::-1, :]) # 行逆序
print(arr[:, ::-1]) # 列逆序

:为选中行，::-1为逆序

Project

Project1 修改分数

假设你是一名大学教师，你在最近的期末考中失手出了巨难的考题，因此学生的成绩都不太理想。虽然如此，你很善良，不忍心大量学生因此挂科，所以你决定修改学科成绩曲线，让大家的分数看起来合理一些。

你初次批改的卷面分分别为：[42, 35, 64, 85, 51, 72, 59, 12] 这么一看，8 个人就有 5 个挂，着实有点狠了。

import numpy as np

CURVE_CENTER = 57.5  # python中用大写字母定义常量
grades = np.array([42, 35, 64, 85, 51, 72, 59, 12])


def curve(grades):
    average = grades.mean()  # 计算分数的平均数
    change = CURVE_CENTER - average  # 中位数 - 平均数 = 应加的分数
    new_grades = grades + change  # 新分数 = 原分数 + 应加分数

    return np.clip(new_grades, grades, 100)  # 使用 clip 函数限制分数上限


print(curve(grades).astype(int))  # 打印新的分数

如果不使用 NumPy 处理成绩曲线，我们需要重复为各个分数进行加分后，再进行合计。NumPy 把这些数据组合成数组后，便可以对这些数据进行统一处理，不仅去相对掉繁琐的 for 循环，让代码看起来更简洁明了，更减少了代码出现 bug 的概率。一般上，这个过程被称之为矢量化（vectorization）。

Project2 检索学生班级与成绩

因为批改大学的试卷太难了，你选择退而求其次，考了教师资格证成为高中体育老师。这一次，要用 NumPy 分别记录学生的姓名、班级和成绩。

在这次的场景中，将应用 NumPy 中的记录数组（又称之为结构化数组）。这类数组可以为每一列指定数据类别（例如：str 字符串、int 整数、bool 布尔运算等）和名称，让数据筛选变得更简单强大。

import numpy as np

data = np.array([
    ("丁一", 1, 87),
    ("刘二", 2, 68),
    ("张三", 3, 72),
    ("李四", 3, 55),
    ("王五", 3, 93),
    ("赵六", 2, 81),
    ("孙七", 1, 75),
    ("周八", 1, 88),
    ("吴九", 2, 64),
    ("郑十", 2, 49)
], dtype=[("姓名", str, 10), ("班级", int), ("分数", int)])

# 低于及格分数的学生姓名
fail = data[data["分数"] < 60]["姓名"]
print(fail)

# 分数最高的学生姓名、班级及分数
top = data[data["分数"] == np.max(data["分数"])]
print(top)

# 各班级的学生姓名、班级及分数，需按分数大小逆序排列
classes = [1, 2, 3]

for x in classes:
    student = np.sort(data[data["班级"] == x], order="分数")[::-1]
    print(student)

对于data["分数"] == np.max(data["分数"])这整个语句是新的布尔数组，[False, False, False, False, True, False, False, False, False, False] ，传入data内部后会自动选择符合条件的。
data[布尔数组] 使用这个布尔数组作为索引，选择满足条件（分数等于最大分数）的行。这个操作返回一个新的结构化数组，其中只包含满足条件的学生的信息。 和前面的其实是一个道理，data["分数"] < 60 生成了一个布尔数组，其中的每个元素表示对应学生的分数是否小于60。然后，data[data["分数"] < 60] 使用这个布尔数组作为索引，选择了分数小于60的学生的所有字段。最后，["姓名"] 部分选择了符合条件的学生中的姓名字段，得到了一个包含了分数小于60的学生姓名的数组。

参考文章

【Python 核心库】Numpy 教程与实战练习 Runoob

unicloud在HbuilderX目录下分为cloudfunction（云对象）和database（云数据）

云对象

async callco() {
    // 导入名为 "co1" 的云函数对象
    const co1 = uniCloud.importObject("co1");

    // 调用云函数 co1 中的 say 方法，等待结果
    let res = await co1.say();
    //say中可以传递参数，实现服务端和客户端数据的交互
    // 将结果显示在一个模态框中
    uni.showModal({
        content: JSON.stringify(res),
        showCancel: false
    });
},

逻辑函数的公式化简法

卡诺图化简法

组合逻辑电路分析

组合逻辑电路设计

译码器

地址变换和求fat表大小

分区分配算法

页面置换算法

磁盘调度算法

处理机调度算法

银行家算法

进程的同步和互斥