小白快速入门量化交易的自学路径

今年已然过去一半了,年初立的flag都实现了吗?

据我多年来的观察,很多小白萌新开始学习量化,特别是年初的时候立下“宏图大志”,但有相当一部分最终没能"上岸",从入门到放弃,从然后到没有然后,并不是因为他们不够聪明或不够努力,原因有很多,我觉得大部分只是方向或方法没对。

特别是对于没有编程基础的萌新,为了入门量化,先买了一本厚厚的Python编程书,看着看着就昏昏欲睡,这个很正常,这的确很无趣,因为这只是为了学习而学习,记住了很多知识,却感觉无法落地。

就跟很多国人从小学到大学学了十几年的英语一样,记住语法单词只是为了考试,觉得很无趣,要是说你附近有一群漂亮的外国妹子,你要用英语去勾搭她们,一个个是不是就来劲了。

一开始,你只能一个一个单词往外蹦,什么"hello"啊,什么"welcome"啊,什么"beautiful"啊,可能一个主谓宾的整句都说不了,加上肢体语言,不妨碍你们的大体沟通。

跟她们混久了,听着相互之间的沟通,慢慢就会短句了,再过久一些,不仅长句复合句会了,连口语发音味道儿都正了。

你瞧瞧,同样是学英语,为什么一个是无趣至极,一个是相当来劲呢,他们之间的差别主要在哪里?

我个人觉得主要是两点:一是目的动机,二是即时反馈。

高效率做事讲究"以终为始",要紧扣目标,不要走弯路跑偏了,以考试为目的,not cool,因为大部分人感觉自己都是被动应付考试,勾搭妹子,very cool,因为你觉得自己在做一件自己认可且有趣的事情。

图片

你以提高考试分数作为学习目标,但是努力学习到分数明显提高之间有非常大的时间间隔,也就是你要在这段长时间里面忍受无趣,而跟外国友人学英语,学了马上就能用,别人提了一个新词儿"pretty",你转头就能对妹子说"you look so pretty today",换来莞尔一笑,也就是这种即时反馈,将无趣碎片化了,从忍受变为享受。

用高大上的话来说就是"正向飞轮",在这个学习的过程中,你学了一个知识点,然后学以致用完成了一件小事儿,完成这个行为给你带来了满足感和正反馈,激励你乐乐呵呵学新的知识点,如此反复循环,像滚雪球一样,滚着滚着你就不知不觉入门了。

那学量化交易也是如此,首先要想清楚自己为什么要学量化。

是看到媒体宣传量化对冲基金赚钱,自己也想从事该行业?

看到身边有人学习量化交易,自己也想学习一下?

自己有投资想法,想形成交易系统,并用量化分析方法验证其准确性?

自己已经有稳定的盈利系统,想解放双手和坚持纪律性,用程序化自动交易?

学量化的动机和目的是什么都可以,关键是看自己的渴望掌握这项技能的程度,为自己的学习赋予自己认可的意义。

比如说,你学量化纯粹是为了赚钱,入门量化需要学100个知识点,你预计将来可以提高交易胜率,多赚或少亏10w,这样一个知识点就相当于多赚或少亏1000块钱,这样一换算,是不是学习动力就足一点了。

学习量化,为了交易赚钱可以,为了谈资装X也可以,为了勾搭宽客也可以,只要自己足够认可足够渴求就可以了,这样咱就能保持着未来燎原的星星之火。

接下来,最重要的就是打造出能有即时正反馈的学习路径,形成正向飞轮,入门量化就跟滚雪球似的。

上面都是虚头巴脑的大道理,都是自己浅薄的想法,以下正式唠唠具体的学习路径:

交易想法 -> 量化基础 -> 量化平台 -> 量化策略

这是抽象的概括,下文会把每个步骤详细讲讲,这里需要确定快速入门的学习原则:适度学习,够用就行

最新版《新华字典》中,收录了13000多个汉字,而日常生活中只需要用到其中3000多个,也就是说,不用啃完编程书籍等大部头才可以开始,按常用按需学习就行。

一、交易想法

很多人做量化,都是因为自己有初始的交易想法,想验证正确性提高交易胜率,或想解放双手追求效率,全自动程序化盯盘交易,量化跟人工智能AI一样,都是手段,用来实现自己想要的目的,不是为了量化或AI本身而学习。

有初始的投资想法,在开始学习的时候有一个好处,就是可以在学习量化时有的放矢,听到相关的知识点的时候,脑子就会在想,我想要的功能可不可以这样实现。比如,你想实现均线交易策略,那么你在学习pandas模块时,听到rolling和mean函数,就会有“确认过眼神,找到对的人”的赶脚。

如果在交易想法这边还是没有感觉,可以多看一些交易书籍和研报论文,这里我可以给大伙儿推荐一些,相信以下这3个交易策略合集类资料能给量化萌新一些交易思路方面的启发,粗粗算下来,这3份资料里面的策略/指标思路合计下来不少于1000个。

首先映入眼帘的是前NASA登月科学家、现量化先驱佩里•考夫曼的量化神作《交易系统与方法》,说起这老爷子,国人可能觉得很陌生,但在量化圈子里,或多或少都听说过“考夫曼均线”,学名为“自适应移动均线”(Adaptive Moving Average,简称AMA),这就是他的杰作之一。

《261个策略/指标,萌新Quant在这本量化神作中学到的》

在此书当中,披露了老爷子数百个交易策略和技术指标,而且全部都有对应的源代码,虽然用的是国外的TradeStation平台,但其编程方式非常口语化的,只要能认识简单的英文,不敢保证你能顺滑地编写策略,但是看懂策略的交易思想是铁定没问题的。

第二本也是一位量化大牛的神作,其中涵盖了股票、期货、期权、外汇、加密货币、ETF等投资领域的151个交易策略,那就是Zura Kakushadze的《151 Trading Strategies》,作者另外一本名著就是《101 Formulaic Alphas》(坊间俗称“Alpha101”)。

最初是2018年8月发表在SSRN上的同名论文,后来在同年年底整理成书,目前全网传播较多的是361页的论文版本,但个人感觉阅读效果较好的是480页的电子书版本,不仅标签完善,而且参考文献跳转非常顺滑。

《推荐一本量化宝藏书籍,内含151个量化交易策略》

书中内容的组织形式是,每一个小节对应一个量化策略,开头会三言两语引入策略,然后概括出核心规则/公式,最后给出策略的构建方法,其间会穿插很多参考文献,告诉你策略idea的来源和为什么这样设置,所以很多人说这本书只是一个目录,那2000个参考文献才是本体。

第三个就更厉害了,它是一个被称为量化神集的github项目,在这里面,策略数目直接就是696个,关键是通通都有高清源码,除此之外,还有量化书籍、量化库、视频课程、博客等。

图片

这个github项目的贡献者/维护者是Edouard d'Archimbaud、James Munro和GrimyFishTank,所有的量化资源都被分门别类、整整齐齐码放在那里,静静地等待有缘人驻足观看,可惜的是,以前是统统免费,现在部分内容要付费订阅了,如果你依然感兴趣的话,可以去瞅瞅。

《分享一个量化交易神集:696个策略,55本书,97个库...》

二、量化基础

这里面主要包含两大部分,一个是量化通识,另一个是编程基础。

关于量化通识,看量化故事类的书籍都可以有所了解,以前我也列过一个书单,有时间的话可以挑自己感兴趣的慢慢看。

《量化投资书单推荐(20本)》

如果一开始没有那么多时间,想快速了解量化投资的方方面面,一开始只看《打开量化投资的黑箱(第二版)》(Inside the Black Box: A Simple Guide to Quantitative and High Frequency Trading,Second Edition)就够了,注意,这里特指的是第二版。

原书英文版是在2009年出版,2012年翻译成中文引入国内,第二版是在2013年出版,2016年翻译成中文引入国内,第二版除了对第一版错误进行修正外,关键是加入了『高频交易』这一部分的内容,内容也从原来的13章扩展到了17章。

《萌新量化投资入门的第一本书》

关于编程基础,因为不同量化平台的编程语言都不一样,这里只好拿在量化界广泛使用的Python举例。

对于Python的快速学习,墙裂推荐廖雪峰老师的Python教程,不仅免费写得非常简单易懂,而且每个小节之后,都有编程互动小题目给你即时反馈,非常有趣,不用再想着自己啃完编程大部头再去编写策略。

教程链接:

https://www.liaoxuefeng.com/wiki/1016959663602400

图片

廖老师的教程非常详尽,连Web开发都讲了,但是再次重申咱的快速入门学习原则:不贪多,够用就行。对于量化基础而言,学到“错误、调试和测试”章节就可以了,后面等有时间再看。

图片

因为写Python就跟写文案一样,都是写作,但也分为散文写作、小说写作、营销写作等,虽然基础一样,但不同领域用到的方法技巧各有侧重。廖老师的Python教程比较侧重于互联网开发方向,对于量化分析入门而言,后半部分初期的时候还用不上,等需要用到的时候再学习也不迟。

遗憾的是,里面没有讲到量化当中常用的numpy、pandas、matplotlib和sklearn等Python库,这个可以在学了廖老师课程之后,再单独度娘学习一下。

Numpy:它是Python的一个开源的数值计算库,计算当中常用的数组和矩阵等数据类型,以及它们之间的运算,都可以依靠这个库快速实现。

Pandas:它是基于Numpy 之上封装的数据分析库,它能让数据分析和量化分析任务变得更加简单,打个不恰当的比方,它就相当于是Python界的“Excel”,是Python量化当中最离不开的一个库。

Matplotlib:它是Python的一个绘图库,它能帮助你将价格序列、因子数据、净值曲线等数据快速可视化展示出来。

Sklearn:全称是scikit-learn,是Python当中的机器学习库,它涵盖了大部分机器学习常用的算法,并且还包含了样例数据、预处理、特征选择、模型验证等模块。

其实,Python量化当中涉及到的库非常多,这4个库是其中经常被用到或提及的,萌新可以快速浏览一下我之前的这3篇文章,感受一下它们之间的关系和作用。

《手把手教你,利用机器学习模型,构建量化择时策略》

《手把手教你用机器学习预测黄金ETF价格》

《量化交易领域10大高效机器学习算法盘点》

初学的话能学好前3个库就算不错了,一般的入门量化分析任务已经难不倒你了,Python量化当中其他可能涉及到的库还包括但不限于:scipy、statsmodel、talib、tushare、akshare、backtrader、quantstats、empyrical、pyfolio、tensorflow、pytorch、keras、tsfresh、qlib......不用急着都学,遇到的时候,或有需要的时候再学就可以了。

三、量化平台

对于量化初学者而言,不建议自己搭建量化框架/平台,应该以实现量化策略为主,把数据获取清洗、回测框架搭建和对接实盘接口等工作交给专业团队打理,因此强烈建议使用现成的第三方量化平台,这里给大伙儿推荐一些。

如果你打算做股票量化交易,可以选择以下6个量化平台,在他们的官网的“帮助中心”里面,可以找到对应的上手教程和策略模板。

聚宽JoinQuant

https://www.joinquant.com

优矿Uqer

https://uqer.datayes.com

米筐RiceQuant

https://www.ricequant.com

掘金量化

https://www.myquant.cn

迅投QMT

http://www.thinktrader.net

在支持该量化平台的券商官网下载和开通

PTrade:

https://www.hs.net

在支持该量化平台的券商官网下载和开通

 如果你打算做期货/期权/大饼的量化交易,可以选择以下5个量化平台。

交易开拓者TB

http://www.tradeblazer.net

vn.py

https://www.vnpy.com

文华

https://www.wenhua.com.cn

金字塔

https://www.weistock.com

MultiCharts

https://www.multicharts.cn

 TB研究策略和回测什么的都是免费,只有开启实盘时才会在基础手续费上加收一些,以个人观察,现存的很多系列源码,都是以TB居多。

vn.py是一款基于Python的开源量化交易系统开发框架,后来更名为VeighNa,不过大伙儿还是习惯地称之为vn.py。由知乎量化大V『用Python的交易员』开发,定位是量化交易平台,提供从交易API对接到策略自动交易的完整解决方案,对接了国内外诸多不同类型的金融市场:证券、期货、期权、外汇、数字货币等。

后面三个就都是收费的了,优点就是编程相对简单一些,缺点就是贵,大伙儿也可以去看看。

四、量化策略

有了编程基础,又选定了量化平台,恭喜你,你终于有能力实现自己最初的投资想法了,量化策略是交易想法的逻辑化和程序化展现。

由于每个人的交易想法不尽相同,只好举一个简单的双均线交易策略为例进行描述,因为“双均线”这是一个接触到投资交易,都基本会听过的词儿,“专家”告诉你在金叉的时候买,在死叉的时候卖,那实际效果到底是怎么样的呢?

在聚宽JoinQuant量化平台上,拿茅台作为交易标的,咱定义5日均线和20日均线在出现金叉的时候,第二天一开盘就全仓买入,出现死叉时,就把所有持仓全部卖出,策略代码如下。

# 导入函数库
from jqdata import *# 初始化函数,设定基准等等
def initialize(context):# 交易的股票g.stock = '600519.XSHG'# 长短均线参数g.short_len = 5g.long_len = 20# 设定沪深300作为基准set_benchmark('000300.XSHG')# 开启动态复权模式(真实价格)set_option('use_real_price', True)# 过滤掉order系列API产生的比error级别低的loglog.set_level('order', 'error')# 打开防未来函数set_option('avoid_future_data', True)# 股票类每笔交易时的手续费是:买入时佣金万分之三,卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')# 开盘时运行run_daily(stock_trade, time='open', reference_security='000300.XSHG')## 开盘时运行函数
def stock_trade(context):stock = g.stockshort_len = g.short_lenlong_len = g.long_len# 获取股票的收盘价# 当取日线数据时, 不包括当天的, 即使是在收盘后,没有未来data = attribute_history(stock, long_len+1, '1d', ['close'])# 计算双均线数据data['ma5'] = data['close'].rolling(short_len).mean()data['ma20'] = data['close'].rolling(long_len).mean()# 昨日MA5和MA20数值ma5 = data['ma5'].iloc[-1]ma20 = data['ma20'].iloc[-1]# 前日MA5和MA20数值pre_ma5 = data['ma5'].iloc[-2]pre_ma20 = data['ma20'].iloc[-2]# 取得当前的可使用的资金cash = context.portfolio.available_cash# 如果昨日出现金叉,则今日开盘买入if (pre_ma5 < pre_ma20) and (ma5 > ma20) and (cash > 0):# 用所有资金买入股票order_value(stock, cash)# 输出买入信息log.info(">>> %s 买入 %d 股 %s" % (str(context.current_dt), context.portfolio.positions[stock].today_amount, stock))# 如果昨日出现死叉,则今日开盘全部卖出elif (pre_ma5 > pre_ma20) and (ma5 < ma20) and (stock in context.portfolio.positions.keys()):# 输出卖出信息log.info("<<< %s 卖出 %d 股 %s" % (str(context.current_dt), context.portfolio.positions[stock].total_amount, stock))# 卖出所有股票,使这只股票的最终持有量为0order_target(stock, 0)

如果已经看完廖老师的前几章课程,这代码就大概能看懂七七八八了,剩下的再结合平台的API说明就能全部弄清楚了。

大概的实现流程就是,在初始化函数initialize中设置了交易标的、策略参数和交易费率,以及定义了一个每天在开盘运行的函数stock_trade,并且开启了“防未来函数”功能。在stock_trade函数里面,计算昨天和前天的5日均线和20日均线,如果金叉就买入,死叉就卖出。

运行策略,就会不断输出自定义的交易信息。

图片

并且在运行过程中,收益率曲线也在不断地生成。

图片

大伙儿觉得这个回测绩效怎么样?双均线策略算有效吗?你可以自己贴代码跑回测试试,同时再调整交易标的和双均线参数试一试,一般情况下回测很快,不需要一首歌的时间。

虽然我这里以JoinQuant策略为例,但所有量化平台的实现逻辑都是相通的,你只需要定义自己的函数,告诉系统“你要在什么时间?交易什么标的?交易数量是多少?”,你只要解决这3个“什么”的问题,所有的量化平台你都可以玩得转了。

如果你能完全理解并且复现出这个双均线策略,可以说明量化已经初步入门了,可以着手去实现你最初的交易策略了。如果此时还没有初始的交易想法,但又想量化练手,那就去复现金融工程研报吧,往往一篇研报至少包含一个量化策略,看看自己的复现水平能不能向“正规军”看齐,这一part可以参考一下我之前的手把手系列,全都有参考源码。

《复现网红阻力支撑指标RSRS,手把手教你构建大盘择时策略》

《(续)复现网红阻力支撑指标RSRS,手把手教你构建大盘择时策略》

《手把手教你构建与改进轮动策略(十年10倍)》

《手把手教你用机器学习预测黄金ETF价格》

《都怪自己手贱,非要复现这根ICU均线》

《手把手教你,利用机器学习模型,构建量化择时策略》

《私募奇葩要求,投资经理3周须开发4000个量化因子,手把手教你4行核心代码轻松应对》

如果你还想要实现更多的量化策略,可以䁖䁖下面的文章~

股票&ETF&指数相关策略:

《Barra太复杂,唠一个适合萌新Quant上手的量化基本面多因子模型F-Score》

《桥水基金全天候策略拆解,构建A股ETF躺平版策略》

《引入风险平价后,全天候策略持仓最大回撤直减半,但是...》

《连续11年正收益的优质基本面高股息策略》

《ETF轮动策略在阻力支撑相对强度RSRS指标加持下起飞》

《量化交易野路子:菜场大妈选股策略(10年100倍)》

《菜场大妈遇上马科维茨,擦出小市值更高收益的火花(十年160倍)》

《换了量化平台,重新回测,还是十年10倍》
 

《轮动策略改进:唉~量化策略越改越差了》

《唠唠量化策略开发当中的细节优化,十年多赚200%》

《另类策略探索:利用美债收益率预测A股大盘走势》

《两个简单的GARP因子,帮这位量化基金经理,跻身同类Top10(含复现)》

《从股价上涨驱动力出发,构建分析师一致预期成长策略》

《跟踪『聪明钱』,巧用北向资金进行大盘择时》

《量化萌新向ETF择时策略:当北上资金遇上布林带》

《跟着“基金一哥”张坤量化选股的快乐,你想象不到!》

《小市值因子已然凉凉,绩优小市值依旧狂浪》

《中国版“漂亮50”量化策略》

《鱼身策略懒人爱,量化内卷别乱买》

商品期货相关策略:

《唠一唠曾在全球量化策略热榜上排名第9的TrendModelSys策略》

《又来唠一唠曾在全球量化策略热榜上排名第6的RUMI策略》

《又来唠一个另类异质量化策略:20后的Trendflex策略》

《『导数』在量化策略中的妙用:日内波动极值vs低阶多项式拟合策略》

《K线标准化结构图:构建一个趋势策略,就是那么朴实无华》

《探索利用价格概率密度函数,构建趋势突破策略》

《CTA策略中的Alpha:期限结构之展期收益率策略》

《量化本无妙手,背后都是坚实的本手:波动率不对称性RSJ量化策略》

《兄弟家量化策略很多,拿一个『波动率收敛突破策略』盘一下》

《兄弟家量化策略很多,又拿一个『操盘手策略』盘一下》

《动物庄园:商品期货跨品种套利策略》

《当对冲套利遇上价比斜率》

《量化同质越来越严重,如何保持策略的长久优势?(附异质化另类量化策略)》

《唠一唠指标之王MACD的另类用法:高低形态短线量化策略》

《股指期货除了无脑吃贴水之外,还有更卷的量化操作策略吗?》

就这样,转起“正向飞轮”,实现和玩转更多策略,等你测试出心仪的策略效果,接着上模拟盘跟踪,然后就是实盘,接着就是不断迭代优化,慢慢地就变成合格宽客,最后就变成量化大神了。

2024,量化入门,早成大神!!!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/48563.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

数据结构2—顺序表(附源码)

1.线性表 线性表&#xff08;linear list&#xff09;是n个具有相同特性的数据元素的有限序列。线性表是一种在实际中广泛使用的数据结构&#xff0c;常见的线性表&#xff1a;顺序表、链表、栈、队列、字符串... 线性表在逻辑上是线性结构&#xff0c;也就是说连续的一条直线…

抽象java入门1.5.2

前言&#xff1a; 坑留下来是为了补的 正片&#xff1a; 一、面向对象特性 二、面向对象编程详细展开 这些没有加粗的方法究竟来源哪&#xff1f; 在上一期的提示中&#xff0c;我们说了这些方法来源于面向对象编程的一个特性 验证&#xff1a; 第一步&#xff1a;我们先…

区块链空投之空投合约

关于 solidity、空投、智能合约 空投作为区块链行业最大的惊喜之一,很多人都是通过空投才接触到了这一领域。 甚至有很多专业薅空投羊毛的专业玩家。行业内有句话,小薅养活妻儿、大薅… 文章目录 前言空投到底是什么空投什么?空投合约代码空投步骤代码解析代码详解前言 今…

代码随想录算法训练营第23天|39. 组合总和、40.组合总和II、131.分割回文串

打卡Day23 1.39. 组合总和2.40.组合总和II3.131.分割回文串 1.39. 组合总和 题目链接&#xff1a;39. 组合总和 文档讲解&#xff1a; 代码随想录 这道题和昨天做的组合之和由两个区别&#xff1a;被选的元素没有数量限制&#xff0c;同时被选的元素可以无限重复&#xff0c;…

【嵌入式开发之标准I/O】流的刷新、定位以及格式化输出、输入

流的刷新 int fflush(FILE *fp); 成功时返回0&#xff1b;出错时返回EOF。 将流缓冲区中的数据写入实际的文件。 Linux下只能刷新输出缓冲区,输入缓冲区丢弃。 如果输出到屏幕使用fflush(stdout)。 流的定位 流的定位&#xff1a;ftell()函数 long ftell(FILE *stream)…

JavaScript:节流与防抖

目录 一、前言 二、节流&#xff08;Throttle&#xff09; 1、定义 2、使用场景 3、实现原理 4、代码示例 5、封装节流函数 三、防抖&#xff08;Debounce&#xff09; 1、定义 2、使用场景 3、实现原理 4、代码示例 5、封装防抖函数 四、异同点总结 一、前言 …

信息检索(39):Condenser: a Pre-training Architecture for Dense Retrieval

Condenser: a Pre-training Architecture for Dense Retrieval 摘要1 引言2 相关工作3 方法3.1 前提3.2 Transformer 编码器的问题3.3 Condenser3.4 Transformer 编码器的 Condenser 4 实验4.1 预训练4.2 句子相似度4.3 开放域问答检索4.4 Web search 检索 5 注意力分析6 结论 …

Adobe Premiere Pro(Pr)安装包软件下载

一、简介 Adobe Premiere Pro&#xff08;简称Pr&#xff09;是由Adobe公司开发的一款功能强大的视频编辑软件。它支持多平台使用&#xff0c;包括Windows和Mac系统&#xff0c;并且拥有良好的兼容性和高效的性能。Premiere Pro不仅提供了视频剪辑、特效添加、音频处理等基本功…

《从C/C++到Java入门指南》- 9.字符和字符串

字符和字符串 字符类型 Java 中一个字符保存一个Unicode字符&#xff0c;所以一个中文和一个英文字母都占用两个字节。 // 计算1 .. 100 public class Hello {public static void main(String[] args) {char a A;char b 中;System.out.println(a);System.out.println(b)…

【2024最新华为OD-C/D卷试题汇总】[支持在线评测] 二进制游戏(200分)- 三语言AC题解(Python/Java/Cpp)

🍭 大家好这里是清隆学长 ,一枚热爱算法的程序员 ✨ 本系列打算持续跟新华为OD-C/D卷的三语言AC题解 💻 ACM银牌🥈| 多次AK大厂笔试 | 编程一对一辅导 👏 感谢大家的订阅➕ 和 喜欢💗 🍿 最新华为OD机试D卷目录,全、新、准,题目覆盖率达 95% 以上,支持题目在线…

npm install时报错 reason: connect ETIMEDOUT

在VS code中导入新项目&#xff0c;执行npm install时报错&#xff1a; npm warn old lockfile Could not fetch metadata for antv/coord0.1.0 FetchError: request to https://registry.npmjs.org/antv%2fcoord failed, reason: connect ETIMEDOUT 150.242.56.251:443 npm w…

大数据之路 读书笔记 Day8 数据存储

回顾&#xff1a; 大数据之路 读书笔记 Day7 实时技术 简介及流式技术架构 大数据之路 读书笔记 Day6 离线数据开发之数据开发平台 数据存储 1 数据类型 实时任务在运行过程中&#xff0c;会计算很多维度和指标&#xff0c;这些数据需要放在一个存储系统中作为恢复或者关联使…

微信小程序开发:DOM 相关 API 使用详解

在微信小程序开发中&#xff0c;与传统的网页开发相比&#xff0c;由于安全性和性能考虑&#xff0c;访问 DOM&#xff08;文档对象模型&#xff09;是受限的。然而&#xff0c;微信小程序提供了一些特定的 API&#xff0c;使开发者能够处理和操作视图层&#xff0c;实现丰富的…

Transformer之Vision Transformer结构解读

论文地址 代码地址 写在前面 什么是Transformer呢&#xff1f;就是把符号向量化为Token&#xff0c; 再和位置编码求和或者做阿达玛积&#xff0c;最后送入一定层数的Attention Block构成的Encoder和Decoder&#xff0c;就完成了Transformer的基础功能。 那么&#xff0c;把上…

C基础函数——内存分配(未完)

在C语言中&#xff0c;内存管理是非常重要的一部分。C语言提供了几种不同的函数用于动态内存分配和释放&#xff0c;这些函数允许程序在运行时根据需要分配和回收内存。以下是C语言中常用的几个内存管理函数&#xff1a; malloc() void malloc(size_t size); 这个函数用于请求…

C++中枚举(enum)的用法和限制

在C中&#xff0c;枚举&#xff08;enum&#xff09;是一种用户定义的类型&#xff0c;它允许程序员为整数常量指定易于阅读的名字。枚举类型是由一组命名的整型常量组成的类型&#xff0c;每个常量都表示该类型的一个有效值。枚举在编程中常用于表示一组固定的值&#xff0c;如…

MySQL:mysql的数据类型

MySQL 作为一个流行的关系型数据库管理系统&#xff0c;支持多种数据类型以满足不同的数据处理和存储需求。正确理解和使用这些数据类型对于提高数据库性能、确保数据完整性和准确性至关重要。 MySQL 数据类型 数据类型定义了列中可以存储什么数据以及该数据怎样存储的规则。…

idea2019版本创建JavaWeb项目并配置Tomcat步骤

一、创建JavaWeb项目 1.新建项目File->New->Project 2. 选择JavaWeb应用在New Project窗口中选择Java后勾选Java EE中的Web Application后点击next即可 3.设置项目名称后点击finish即可 4.至此项目创建完成&#xff0c;检查文件是否齐全&#xff0c;开始配置Tomcat 二、…

IDEA工具中Java语言写小工具遇到的问题

一&#xff1a;读取excel时遇到 org/apache/poi/ss/usermodel/WorkbookProvider 解决办法&#xff1a; 在pom.xml中把poi的引文包放在最前面即可&#xff08;目前就算放在最后面也不报错了&#xff0c;不知道为啥&#xff09; 二&#xff1a;本地maven打包时&#xff0c;没有…

base SAS programing学习笔记(read raw files2)

使用COLUMN input和FORMATTED input读入固定位置的外部文件&#xff1b;如下图所示&#xff0c; 1.COLUMN input &#xff08;按列数读入外部文件数据&#xff09; 使用column input 不需要按从左到右的顺序读取外部文件的数值&#xff0c;可以是任意读取&#xff0c;也可以重…