一周总结(十一)

简介: 距离上次总结过了两个星期了,时间过得真的很快。上次总结,提到了自己做了Google Chrome浏览器插件,然后app基本可以使用了。毕竟之前有些闭门造车,没有拿出去给用户使用。

距离上次总结过了两个星期了,时间过得真的很快。
上次总结,提到了自己做了Google Chrome浏览器插件,然后app基本可以使用了。毕竟之前有些闭门造车,没有拿出去给用户使用。

事情

  • 上周主要是测试app的功能,然后完善app。每天都加班到11点多,到12点钟。这周准备动手做另外一个app,总共两个app面对两类不同的人群。花了很多时间啊。
  • Nginx配置反向代理,摸索了Idea开发Spring Boot的几个技巧。下次可以记录。
  • 面试了三个前端开发人员,由生到熟,想到了公司需要的是什么样的人,学习能力强,解决问题能力强的人,最好有主动性,有作品。
  • 看了蜘蛛侠第一部和英雄归来。

大部分时间都是在开发,赶项目进度。累吗?确实在上面投入了大量的时间。希望能再提升下效率

计划

  • 下周一定要完成新版app的开发及测试工作
  • 记录一些学到的知识点
  • 看一些好的文章,提高效率,有计划的行事,不要浪费时间,学习新的东西
相关文章
|
8月前
|
人工智能 自然语言处理 IDE
通义灵码使用体验
通义灵码2.0是阿里云推出的AI编码助手升级版,安装简便且兼容主流IDE。其行级和函数级实时续写功能准确,大幅减少编码时间。特色自然语言生成代码、单元测试及注释生成功能实用,提升代码质量和维护性。智能问答和异常排查功能出色,显著提高编程效率与代码稳定性,值得推荐。
304 0
|
8月前
|
人工智能 Java 程序员
一文彻底搞明白二极管
本文介绍了二极管的基本原理、特性、分类及应用场景,帮助读者深入了解这一重要电子元件。
1194 0
|
11月前
|
机器学习/深度学习 搜索推荐 算法
在数字化时代,推荐系统成为互联网应用的重要组成部分,通过机器学习技术根据用户兴趣和行为提供个性化推荐,提升用户体验
在数字化时代,推荐系统成为互联网应用的重要组成部分,通过机器学习技术根据用户兴趣和行为提供个性化推荐,提升用户体验。本文探讨了推荐系统的基本原理、常用算法、实现步骤及Python应用,介绍了如何克服数据稀疏性、冷启动等问题,强调了合理选择算法和持续优化的重要性。
420 4
|
存储 运维 资源调度
云资源的使用规范是什么?
【5月更文挑战第9天】云资源的使用规范是什么?
423 1
|
消息中间件 存储 边缘计算
RocketMQ-Streams架构设计浅析
RocketMQ-Streams 是一款轻量级流处理引擎,应用以SDK 的形式嵌入并启动,即可进行流处理计算,不依赖于其他组件,最低1核1G可部署,在资源敏感场景具有很大优势。同时它支持 UTF/UTAF/UTDF 多种计算类型。目前已经广泛运用于安全,风控,边缘计算等场景。 本期将带领大家从源码的角度,解析RocketMQ-Streams的构建,数据流转过程。也会讨论RocketMQ-Streams是如何实现故障恢复和扩缩容的。
803 81
RocketMQ-Streams架构设计浅析
|
机器学习/深度学习 算法
分类预测 | MATLAB实现MIV-SVM的平均影响值MIV算法结合支持向量机分类预测
分类预测 | MATLAB实现MIV-SVM的平均影响值MIV算法结合支持向量机分类预测
|
前端开发 JavaScript
CSS 中 ::before 和 ::after 伪元素的四个实际用途
CSS 中 ::before 和 ::after 伪元素的四个实际用途
632 0
|
前端开发 JavaScript Java
基于springboot乡村民宿系统
该系统框架后端采用springboot框架,前端使用vue、css、js等,系统界面美观,功能全面,含有参考论文。乡村民宿系统分为前台用户浏览预定和后台信息管理两个子系统,其中前台预订系统主要有乡村民宿浏览模块,乡村景点推荐模块,在线留言模块,购物车模块,搜索模块五个子模块;后台管理系统主要有房源管理、用户管理、订单管理、景点信息管理等功能。
基于springboot乡村民宿系统
|
消息中间件 缓存 Linux
RT-Thread记录(十、全面认识 RT-Thread I/O 设备模型)
学完 RT-Thread 内核,从本文开始熟悉了解 RT-Thread I/O 设备管理相关知识。
1007 0
RT-Thread记录(十、全面认识 RT-Thread I/O 设备模型)