我的经验，海外服务用海外公司邮箱会好很多

互联网领域搜广推人才需求量大一些。不过其实不管是对话问答还是搜索推荐，日常都是调包侠，整体都卷。

现在还追求落地，我们组几个算法牛逼的工程能力也不错。

某宝搜「蔡司眼镜纸」

你是指每行那个横杠竖杠？这不是制表符么？

@StevenRCE0 😂手滑手滑 shift

复制好路径后
直接进 Finder ，按 cmd + shit + G ，粘贴，回车

HTTPie for Desktop ?
就不清楚是不是原生的了
https://github.com/httpie/desktop

@daliu nssm +1

@Alchemistboy 呃行吧，我住的片区就一直这样 OK 的，估计看地方

你约个工作日的，片儿警打电话时候你说看能不能晚上过来，好好沟通下，基本上八九点到家就行。

@TimePPT 如果没有 Google 公开发表的大数据三篇论文，和后来的 Hadoop 的开源项目，整个行业的大数据进度可能会迟滞很多年。

@vcfghtyjc 嗯，表现形式有差。科学的正负影响是缓慢而长远的。开源的问题会立马显现，但也很快被发现和修复。

比如，你看到了 Log4j 没对 Google 造成负面影响，但你也应该看到，如果没有 Google 公开发表的大数据三篇论文，整个行业的大数据进度可能会迟滞很多年。

不用因噎废食吧，部分学术造假也没有撼动科学共同体啊

import pandas as pd
import json

genre_movie = '{"genres":[{"id":28,"name":"动作"},{"id":12,"name":"冒险"},{"id":16,"name":"动画"},{"id":35,"name":"喜剧"},{"id":80,"name":"犯罪"},{"id":99,"name":"纪录"},{"id":18,"name":"剧情"},{"id":10751,"name":"家庭"},{"id":14,"name":"奇幻"},{"id":36,"name":"历史"},{"id":27,"name":"恐怖"},{"id":10402,"name":"音乐"},{"id":9648,"name":"悬疑"},{"id":10749,"name":"爱情"},{"id":878,"name":"科幻"},{"id":10770,"name":"电视电影"},{"id":53,"name":"惊悚"},{"id":10752,"name":"战争"},{"id":37,"name":"西部"}]}'

genre_ids = [80, 9648, 53]

data = json.loads(genre_movie)
df = pd.DataFrame(data=data["genres"])

genre_names = df[df["id"].isin(genre_ids)]["name"].to_list()

理论上 jupyter 里配上 pandas 和随便一个交互可视化库就 OK
如果需要封成桌面 GUI ，可以参考下 https://github.com/hoffstadt/DearPyGui

@swulling 直接卸载+1

不考虑泛化和高准召，用 ES 搭一个就行