Mac适合工程师用的APP推荐
![Mac适合工程师用的APP推荐](https://am.zdmimg.com/202406/11/6667bc8e87b974793.jpg_e1080.jpg)
![Mac适合工程师用的APP推荐](https://am.zdmimg.com/202406/11/6667bc8fad30c5339.jpg_e1080.jpg)
![Mac适合工程师用的APP推荐](https://am.zdmimg.com/202406/11/6667bc90ab8e42036.jpg_e1080.jpg)
![Mac适合工程师用的APP推荐](https://qnam.smzdm.com/202406/11/6667bc90a80bf2036.jpg_e1080.jpg)
分享几个我认为工程师必装的软件,那些常规的就不多说了:
Raycast:raycast.com
直接替代掉原生的 Spotlight 搜索,非常香。
OrbStack:orbstack.dev
替换掉Docker 原生的应用,这个速度比亲儿子强太多了。
Warp:warp.dev
很现代的一个 terminal,自从用过以后将 iterm2 束之高阁了,当然之前推荐有人认为有账户系统很不爽,这个看个人爱好吧。
Zed:zed.dev
编辑器,和 VS Code 算是互补,两个都用,速度真的很快,现在也越来越好用了。
DuckDuckGo:duckduckgo.com
一直想下决心换掉Chrome,试了DuckDuckGo,导入配置后还不错,还是有点不习惯,有啥推荐没?
生产力工具:
ChatGPT: AI对话助手,提供智能应答。
Shottr: 屏幕截图工具,支持截图标注。
LocalSend: 快速本地文件传输工具。
PicGo: 开源图床工具,方便管理和上传图片。
Spark: 高效邮件客户端,支持多账户管理。
QSpace: 文件管理工具,支持多窗口操作
Obsidian: 笔记工具,支持Markdown双向链接
开发工具:
Visual Studio Code: 强大的代码编辑器,支持多种编程语言和插件。
VScode插件:GitHub Copilot,Vim
Ollama: 快速部署AL模型工具。
iTerm: 功能强大的终端工具,适合开发者使用。
Orbstack: 轻量级容器和虚拟机管理工具。
其他工具:
Hidden Bar: 隐藏状态栏图标,保持桌面整洁。
Brave Browser: 注重隐私的浏览器,屏蔽广告。
Spotify: 流媒体音乐播放器。
Enpass: 密码管理工具。
Clipy: 强大的剪贴板管理工具。
Bluesnooz: 高效休眠工具,帮助优化电池使用和休眠管理。
![](https://res.smzdm.com/pc/pc_shequ/dist/img/the-end.png)
卖女孩的火柴棍
二,后面有其他大佬建议,原因在于之前囫囵吞枣,应该得回归基础,找几本书看看。。。
三,目前执行中,但书本看过的内容很快就忘,没啥感觉,对python及其第三库规则or参数还是不甚了解。。。
四,本人非系统开发方向,非程序员,但需要python做统计分析、数据挖掘、规则策略和算法建模,so应该咋办?求指导
校验提示文案
卖女孩的火柴棍
一、数据导入
二、数据预处理(清洗规整、增删改查、数据类型转化)
三、探索分析(可视自动化)
四、特征衍生(组合变量批量自动化生成、特征筛选指标评估自动化)
五、分箱筛选(变量分箱最优自动化)
六、相关性构建(多类算法聚合:逻辑、回归、分类&机器学习、深度学习、强化学习
七、检验评测(第六项计算各自的混淆矩阵指标,自动化计算结果)
八、分数转换
九、超参调优
so针对第二至七项,就python及其第三方库(自动化)实操详解的电子书及其代码而言,特跪求大佬推荐。。。非AI或者chatgpt+XX系列,书籍需求具体如下:
1、小白速成上手、简单易懂
because:文科转型
2、行业内公认靠谱,电子书中文版(暂不考虑:单个某库的说明书)
because:内容忒多繁杂,且无常用算法库的聚合呈现
3、需要2023年以后出版
because:即使按书实操,旧版书均因为其所涉之第三方库的灭失、相同操作而新旧版本不适配、新旧版本变更操作等原因而导致无法实现同等功能)
校验提示文案
卖女孩的火柴棍
二,后面有其他大佬建议,原因在于之前囫囵吞枣,应该得回归基础,找几本书看看。。。
三,目前执行中,但书本看过的内容很快就忘,没啥感觉,对python及其第三库规则or参数还是不甚了解。。。
四,本人非系统开发方向,非程序员,但需要python做统计分析、数据挖掘、规则策略和算法建模,so应该咋办?求指导
校验提示文案
卖女孩的火柴棍
一、数据导入
二、数据预处理(清洗规整、增删改查、数据类型转化)
三、探索分析(可视自动化)
四、特征衍生(组合变量批量自动化生成、特征筛选指标评估自动化)
五、分箱筛选(变量分箱最优自动化)
六、相关性构建(多类算法聚合:逻辑、回归、分类&机器学习、深度学习、强化学习
七、检验评测(第六项计算各自的混淆矩阵指标,自动化计算结果)
八、分数转换
九、超参调优
so针对第二至七项,就python及其第三方库(自动化)实操详解的电子书及其代码而言,特跪求大佬推荐。。。非AI或者chatgpt+XX系列,书籍需求具体如下:
1、小白速成上手、简单易懂
because:文科转型
2、行业内公认靠谱,电子书中文版(暂不考虑:单个某库的说明书)
because:内容忒多繁杂,且无常用算法库的聚合呈现
3、需要2023年以后出版
because:即使按书实操,旧版书均因为其所涉之第三方库的灭失、相同操作而新旧版本不适配、新旧版本变更操作等原因而导致无法实现同等功能)
校验提示文案