学习

MFC消息学习笔记由CWnd::SetTimer触发以下会触发ON_WM_PAINT()如果更新区域不为空，则通过发送 WM_PAINT 消息来更新工作区。

盐焗西兰花

鸿蒙学习实战之路：状态管理最佳实践状态管理是 HarmonyOS 开发中非常重要的一部分，它用于管理应用程序的数据状态和界面交互。本文将结合华为开发者联盟的官方最佳实践，介绍 HarmonyOS 中的状态管理方案和最佳实践。

【人工智能】【深度学习】 ⑦ 从零开始AI学习路径：从Python到大模型的实战指南【写在前面】作为一个在AI领域摸爬滚打十年的老码农，我见过太多人想学AI却无从下手。不是因为技术太难，而是因为没有一条清晰、可执行的学习路径。

Pandas 描述分析和分组分析学习文档📌 核心概念在进行数据分析前，需要导入必要的Python库来支持数据处理、数值计算和可视化功能。📝 代码示例

MES学习笔记之SCADA采集的数据如何与MES中的任务关联起来？哈喽，你好啊，我是雷工！通过前面的学习了解到MES系统分离散制造MES和流程型MES，今天看到个不错的案例，离散制造MES案例，

【C++】脚手架学习笔记 gflags与 gtest概念：Google gflags 是一个开源 C++ 库，设计用于处理命令行参数。它的核心目标是让程序能够通过命令行或配置文件接受参数，从而轻松地改变程序的行为，而不需要重新编译代码。

前端er Go-Frame 的学习笔记：实现 to-do 功能（三），用 docker 封装成镜像，并且同时启动前后端数据库服务目前我手上已经有了两个项目现在来学一下企业级的部署，让 AI 大师给我指条明路Kubernetes（k8s）= 一个用于自动运行、扩缩容、自动恢复你的应用的系统。

SDelete 学习笔记（9.18）：安全删除、空闲清理与介质回收实战适用读者：运维/安全/内审/应急响应。目标：在 Windows 上可靠擦除敏感文件，或清理磁盘空闲区中残留的数据痕迹，为回收、转让或归档做准备。

STM32低功耗学习-停止模式-（学习笔记）上次我们学习了睡眠模式，这次我们来看一下停止模式。这也是STM32的一种低功耗模式。停止模式只能通过外部中断触发进行唤醒。

找了一圈尾巴

LLM-as-a-Judge-论文学习（下）LLM-as-a-Judge 并非局限于单一技术场景，而是横跨技术领域与专业行业的通用评估工具，其核心价值在于：以大语言模型的自然语言理解、知识整合能力，替代或辅助人类完成 “评估、判断、裁决” 类任务 —— 既解决了传统人工评估效率低、成本高、主观性强的问题，也满足了不同领域对 “专业化、规模化评估” 的需求。

Python学习笔记-Day5列表是一种有序的数据集合，可以通过索引访问到每一个列表的元素常用函数：是一种特殊的列表，不同点是元组一旦创建就不能修改，类似列表的所有会修改列表内容的操作等对于元组都不再适用

漏洞文库-Web安全

Linux逆向学习记录命令格式：x/nfu addressn：是一个正整数，表示显示内存的长度，也就是说从当前地指向后显示几个地址的内容

又是忙碌的一天

Socket学习Socket（套接字）是计算机网络中进行通信的一种基本技术，它允许不同计算机上的程序通过网络进行数据交换。Socket本质上是一个通信端点，为网络通信提供了编程接口。

windfantasy1990

青少年编程考级：如何避免过度负担，让考级助力学习？青少年编程学习通常可以分为几个阶段：兴趣启蒙与基础认知、系统进阶与能力验证、以及综合实践与竞赛升学导向。

【Java】String1.之前学过，因此本文是个人复习笔记，为视频的总结以及个人思考，可能不是很详细。2.教程是b站黑马程序员的JAVASE基础课程，笔记中的大部分图片来自于视频中的PPT截图。

知识分享小能手

CentOS Stream 9入门学习教程，从入门到精通，CentOS Stream 9 用户和组管理 —语法详解与实战案例(6）Linux 是多用户操作系统，用户和组管理是系统安全与权限控制的核心。✅ 查看当前用户和组：✅ 查看用户 UID 范围定义：

雨落在了我的手上

知识扩展：进制的详细介绍目录一、什么是进制？二、不同进制之间的转换方法方法1：十进制转其他进制（除基取余法）方法2：其他进制转十进制（按权展开法）

Leetcode 67 长度为 K 子数组中的最大和 | 可获得的最大点数2461. 长度为 K 子数组中的最大和给你一个整数数组 nums 和一个整数 k 。请你从 nums 中满足下述条件的全部子数组中找出最大子数组和：

Slaughter信仰

图解大模型_生成式AI原理与实战学习笔记（第四章）混淆矩阵展示模型分类的四种可能结果：书中图 4-8 清楚展示了四格矩阵【引用】：混淆矩阵是理解后续所有指标的基础。

详解高阶数学领域-信息论与深度学习：互信息在对比学习中的应用熵与互信息关系：数学表达式： I ( X ; Y ) = H ( X ) ⏟ 边缘熵 − H ( X ∣ Y ) ⏟ 条件熵 = ∬ p ( x , y ) log ⁡ p ( x , y ) p ( x ) p ( y ) d x d y I(X;Y) = \underbrace{H(X)}_{\text{边缘熵}} - \underbrace{H(X|Y)}_{\text{条件熵}} = \iint p(x,y) \log \frac{p(x,y)}{p(x)p(y)} dxdy I(X;Y)=边缘熵