JetBrains 博客

如果您使用 Python 编程已经有一段时间，特别是使用过 FastAPI 和 discord.py 这样的框架和库，那么您可能已经接触过 async/await 或 asyncio。 您也许听说过“Python 中不存在多线程处理”这种说法，也可能知道 Python 中大名鼎鼎（或臭名昭著）的 GIL。 考虑到 Python 中多线程受到的否定，您可能好奇 async/await 与多线程处理之间到底有什么区别，尤其是在 Python 编程中。 如果上述情况与您相符，那么这篇博文就是为您准备的！ 什么是多线程处理？ 在编程中，多线程处理是指程序同时执行多个顺序任务（即线程）的能力。 这些线程…

Django 模板是框架的重要组成部分。 了解它们是什么以及它们为什么有用，可以帮助您为 Django 网站和应用构建无缝、适应性强且功能齐全的模板。 如果您刚接触这个框架，想要建立您的第一个 Django 项目，那么掌握模板至关重要。 在这篇指南中，您将找到有关 Django 模板的所有信息，包括不同类型以及使用方法。 什么是 Django 模板？ Django 模板是 Django 框架的基本组成部分。 借助模板，您能够将网站的视觉呈现与底层代码分开。 模板包含所需 HTML 输出的静态部分和描述如何插入动态内容的特殊语法。  最终，模板可以生成完整的网页…

视图是 Django 架构模式的核心，理解视图对所有使用该框架的开发者来说都至关重要。 如果您是刚开始使用 Django 开发 Web 应用，或者只是想复习一下视图的相关知识，本文可以满足您的需求。  深入理解视图将有帮助您在 Django 项目中更快取得进展。 无论您是在处理 API 后端还是 Web UI 流程，了解如何使用视图都至关重要。 本文将讲解什么是 Django 视图、视图的不同类型、最佳做法以及用例。 什么是 Django 视图？ 视图是 Django 的 MTV（模型-模板-视图）架构模式的核心组件。 它们本质上充当模型和模板之间的中间人，处理用户请求并返回响应。 您可能在 …

如何识别数据中可能揭示关键问题或隐藏机遇的异常模式？ 异常检测有助于识别严重偏离常规的数据。 时间序列数据由一段时间内收集的数据组成，通常包括趋势和季节性模式。 当模式被打乱时，时间序列数据中就会出现异常，异常检测也因此成为销售、金融、制造和医疗等行业的重要工具。 由于时间序列数据具有季节性和趋势等特征，需要专门的方法来有效检测异常。 在这篇博文中，我们将探讨一些流行的时间序列异常检测方法，包括 STL 分解和 LSTM 预测，并提供详细的代码示例帮助您入门。 企业中的时间序列异常检测 时间序列数据对许多企业和服务至关重要。 许多企业使用时间戳记录一段时间内的数据，由此分析变化和比较一段时间内…

近年来，我们的许多应用程序都由我们能够收集和处理的大量数据驱动。 有人可能会说我们正处于数据时代。 处理如此大量数据的一个重要方面是异常值检测 – 这个过程使我们能够识别离群值、超出预期范围的数据并展现反常的行为。 在科学研究中，异常值数据点可能是技术问题的原因，在得出结论时可能需要舍弃，或者，也可能带来新的发现。 在这篇博文中，我们将分析为什么使用机器学习进行异常值检测很有帮助，并探索使用 Python 检测异常值的关键技术。 您将学习如何实现 OneClassSVM 和孤立森林等流行方法，查看直观呈现这些结果的示例并了解如何将它们应用于实际问题。 异常值检测在哪里使用？ 异常值检测也是现代…

面向主机游戏开发者的大新闻！ 在 2024.3 版本中，JetBrains Rider 增加了对 PlayStation®5 和 Xbox 游戏主机的支持，让您可以直接在您喜欢的游戏主机上构建、部署和调试 Unreal Engine 和自定义游戏引擎。 Rider 内置了对使用 C++ 的出色支持，提供大量强大功能，例如快速准确的导航、智能代码补全，以及数百种检查和快速修复。 如果您使用的是 Unreal Engine，可用功能更多：借助针对反射宏和 RPC 函数的特定检查，Unreal Header Tool 错误会在您输入时显示，并且 Rider 可以在 IDE 内创建 Un…

本文是深度学习工程师兼 Python 程序员 Dido Grigorov 撰写的客座文章，他在业界拥有 17 年经验。 聊天机器人的发展已经远远超出单纯问答工具的范畴。 借助大语言模型 (LLM) 的强大功能，它们可以理解对话上下文并生成类似人类的回复，因此对于客户支持应用程序和其他类型的虚拟辅助非常有用。  LangChain 是一个开源框架，通过为无缝模型集成、上下文管理和提示工程提供工具，简化了构建这些对话式聊天机器人的过程。 在这篇博文中，我们将探讨 LangChain 的运作方式以及聊天机器人与 LLM 的交互方式。 我们还将逐步指导您构建一个上下文感知聊天机器人，这个聊天机器人使…

Jupyter Notebook 允许您通过按顺序创建和共享数据、方程和可视化效果来讲述故事，并在您浏览 Notebook 时提供支持性叙述。 PyCharm Professional 中的 Jupyter Notebook 提供了比基于浏览器的 Jupyter Notebook 更多的功能，例如代码补全、动态绘图和快速统计，以帮助您快速有效地探索和处理数据。   我们来看看在 PyCharm 中使用 Jupyter Notebook 实现您的目标的 7 种方式。 它们是： 创建或连接到现有的 Notebook 导入数据 熟悉您的数据 使用 JetBrains AI Assistant  使…

本文是 draft.dev 的 Kumar Harsh 撰写的客座文章。 如果您经常发布 Android 应用，您可能已经了解定义明确的构建、测试和部署工作流的价值。 如果没有灵活的自动化 DevOps 工作流，就很难维持高速发布。 通过持续集成和持续部署 (CI/CD) 自动执行这些工作流可以让您的工作变得更加轻松，让您更早地发现 bug，更快地发布产品。 JetBrains TeamCity 是一个用于构建可靠管道的 CI/CD 平台。 它可与流行的 Android 开发工具无缝集成，并具有人性化界面来配置构建和测试的各个阶段。 本文将向您介绍如何使用 JetBrains TeamCity…

Qodana 平台将 JetBrains IDE 的所有检查引入 CI/CD 管道，有助于管理代码质量。 今天，我们想分享 Zynex Monitoring Solutions 云团队的故事，这支团队最近采用 Qodana 跟踪其患者监测平台的质量和安全性。 我们采访了 Zynex Monitoring Solutions 云平台的软件架构师 Daniel Larson。 (more…)…

为组织选择 CI/CD 工具时，有很多选项。 在 G2 等第三方网站进行直接功能比较可以帮助您深入了解工具的核心功能。  不过，您可能仍然会难以了解工具是否能够满足特定要求、使用起来有多容易，或者它与您的行业法规有多符合。 在这篇博文中，我们将提供选择合适 CI/CD 解决方案的通用准则，并深入探讨 TeamCity 如何融入这一框架。 我们希望这能帮助您在为组织选择最佳工具时做出明智决定。 选择符合需求和目标的合适 CI/CD 工具 不同团队对 CI/CD 解决方案的需求可能存在很大差异，并且完美服务于一个团队的工具可能并不适合另一个团队。 我们建议，为团队选择 CI/CD 解决方案时要考…

JetBrains IDE 以支持多种语言的强大静态代码分析而闻名。 在 Qodana 发布后，我们将这些知识统一到一个中央代码质量平台，也是每个开发流程的核心 – 您最喜欢的 CI/CD 工具。 Qodana 由提交或拉取请求触发，可为所有发现的代码质量和安全问题生成全面的分析报告 (SARIF)。 Qodana 让这些报告可供开发者、QA 工程师团队以及安全经理和法务/合规部门轻松访问。 最近，Qodana 向我们的 .NET 工具系列迈出了第一步，大家可能已经猜到，它为 Rider 提供了出色集成。 分析本身的基础是熟悉的 InspectCode，Esta…