編程美劇

『壹』 你覺得美劇《矽谷》里的賈里德怎麼樣

美劇《矽谷》可以說是國內比較冷門的神劇，可是這部劇憑著幽默和內容深度擁有著極高的評分。這部劇說的是四個天才級的程序員，合力創業的故事，可是技術天才的程序員如何順利的創業，一定離不開一個人，這個人就是賈里德。賈里德是劇中非常天真、可愛、有人情味、理查德的真愛粉，為了支持續理查德不惜放棄個人大好前程，跟隨理查德，是一個非常優秀的經營者。

賈里德是一個非常可愛、重情義、有才能、善於運營的人才，為了心中的理想可以勇往直前，這種理想主義令人動容。在這群天才級的程序員中非常需要像賈里德這樣的人，於是這群夢想家當中，終於有一個實干者出現是一件非常幸運的事情。

『貳』 終結者系列觀看順序（電影和美劇）

終結者、終結者2：審判日、終結者外傳（電視劇）、終結者3、終結者2018、終結者：創世紀

終結者

這是一個未來的世界，天下已經由機器人來操控。機器人想完全佔有這個世界，把人類趕盡殺絕，然而卻遇到了頑強抵抗的人類精英康納。

於是，終結者機器人T-800（阿諾·施瓦辛格 Arnold Schwarzenegger飾）受命回到1984年，殺害康納母親莎拉（琳達·漢密爾頓 Linda Hamilton 飾），目的是滅掉康納的出生。 康納得知後，火速派戰士雷斯（邁克爾·比恩 Michael Biehn 飾）前往救援。

雷斯來到1984年的洛杉磯，及時搭救了被機器人追殺的莎拉——她當時還是一個大學生。然而，人們把雷斯當成瘋子，不相信未來機器人統治世界。

直到莎拉又一次遭到機器人追擊，她才相信了這一切。奔走中她和雷斯相愛，懷上了未來的康納，而雷斯也陷入和機器人的苦鬥當中。人類世界能否從因為這場斗爭改變原來的噩運？

終結者2：審判日

上一部中，超級電腦「天網」阻止人類抵抗領袖約翰·康納誕生的行動失敗，時隔13年後，在「審判日」到來之前，「天網」派出了更加先進的生化機器人T-1000（羅伯特·帕特里克 飾）從公元2029年回到洛杉磯追殺已經長大的約翰，與此同時，約翰也派出了機器人T-800（阿諾· 施瓦辛格 飾）回去保護年幼的自己。

此時，薩拉·康納（琳達·漢密爾頓 飾）因為怪異的言行而住進了精神療養院，約翰則和養父母住在一起，行為叛逆。T-800找到他們，在逃避T-1000追殺過程中，獲得了二人的信任。

為了改變未來的歷史，挽救人類的命運，薩拉、約翰和T-800 Model 101找到了「天網」之父，邁爾斯·戴森（喬·莫頓 飾），說服他銷毀一切有關「天網」的資料，此時，警察和T-1000同時趕來，他們陷入了多方爭斗中。

終結者外傳（電視劇）

該劇根據《終結者》系列電影中的原型人物、抵抗軍領袖母親莎拉康納改編。在《終結者2：審判日（Terminator 2: Judgment Day）》結束後，莎拉擊敗了來自未來的液體金屬機器人，挽救了自己和兒子康納。如今，莎拉和康納處於孤立無援、十分危險的境地。

《The Sarah Connor Chronicles》講述了莎拉康納（Lena Headey, "The Brothers Grimm," "300"）決定停止逃亡，對這些毀掉她生活的高科技敵人展開反擊的故事。

她的兒子，15歲的約翰康納(Thomas Dekker, "Heroes")知道自己可能是未來人類的救世主，但仍然不願意挑起這個重任，不願意麵對命運。

與此同時，康納發現自己深深地愛上了同校女生Cameron （Summer Glau "Serenity", "Firefly", "The 4400"），一個謎一般高深莫測的少女。後來康納才發現，這個女孩並不僅僅是他知心的女朋友，還是他和莎拉的保護者。她的使命是不惜一切代價保護莎拉母子的安全。

對莎拉母子構成威脅的不僅僅是來自未來的機器人，還有一個機智而強硬的FBI密探James Ellison （Richard T. Jones, "Judging Amy"）。但當他了解事情的真相後，反而決定幫助莎拉母子，成了他們最強有力的保護傘。

終結者3

故事發生在《終結者2》10年之後，此時John Connor(Nick Stahl) 飾)已經22歲，他的母親去世後，他過著隱姓埋名的生活，不願意麵對即將到來的命運。

但是，命運並不以他的意志為轉移，「天網」經歷了兩個失敗之後，派出了更為先進的T-X終結者（Kristanna Loken 飾）來追殺他，人類也同樣送回了T-800改良後的終結者T-850（Arnold Schwarzenegger飾）保護John。

John巧遇了兒時的夥伴，獸醫Kate Brewster（Claire Danes 飾)，Kate的父親是美國軍方「天網」系統的負責人，她本人也將成為人類叛軍的副統領，理所當然成了T-X的打擊對象。二人在T-850的保護下，開始了逃亡之路。

同時，美國電腦系統病毒入侵，人類束手無策之下准備啟用「天網」，一旦「天網」接管美國軍方防禦系統，人類將首當其沖的被消滅。

面對已經發生的未來，John Connor和Kate Brewster決定奮起反抗，在T-850的幫助下，他們將又一次改變人類的命運。

終結者2018

2018年，天網系統與人類的戰爭使世界陷入了末世般的境況，反抗軍精神領袖約翰·康納（克里斯蒂安·貝爾 Christian Bale 飾）帶隊執行一次任務的過程中獲得了戰勝天網的新思路，而天網系統適時推出了新的目標排名，康納位居次席，榜首上康納此時尚年青的父親凱爾·瑞斯赫 然在列。

與此同時，一名遺忘了自身過去經歷的強壯男子馬庫斯（薩姆·沃辛頓 Sam Worthington 飾）出現在洛杉磯的廢墟中，他與反抗軍戰士瑞斯偶然結識，並組隊前往反抗軍總部，不料途中遭機械人襲擊，瑞斯被俘。

落單的馬庫斯經由反抗軍女戰士布萊爾引路，迎來了與康納命中註定的相遇，但人與機械的對立讓康納不得不視對方為敵人……

終結者：創世紀

天網擁有獨立意識後，對創造它的人類展開血腥屠殺。此後的歲月，約翰·康納（傑森·克拉科 Jason Clarke 飾）率領戰友和天網的機器人大軍進行著曠日持久的戰爭。在關鍵的一次戰役過後，天網將終結者派往1984年的洛杉磯，企圖殺害約翰的媽媽莎拉（艾米莉亞·克拉克 Emilia Clarke 飾）。

而約翰則將自己最親密的戰友——同時也是他的生身父親凱爾·里斯（傑·科特尼 Jai Courtney 飾）派往過去。凱爾剛剛抵達洛杉磯便遭到液態金屬終結者T-1000（李秉憲 飾）的襲擊。與此同時，終結者T-800「老爹」（阿諾·施瓦辛格 Arnold Schwarzenegger 飾）則與莎拉聯手幹掉了終結者T-1000。

似乎過去的事情悄然改變，凱爾則從時間旅行中的遭遇得到靈感，與莎拉穿越來至2017年，嘗試阻止天網的誕生……

(2)編程美劇擴展閱讀

角色介紹

T-800

一個從2029年返回1984年試圖殺死莎拉·康納的賽博格殺手，半機械半血肉的生物，外貌上與人類無異。第二部未來的人類抵抗軍領袖約翰·康納將他重新編程，並送回1995年保護年幼時的自己。

T-850

從未來穿越回來的機器人，為了保護John Connor和Kate Brewster兩人而與另一個機器人斗爭，最後為了保護他們兩個而終結了T-X機器人，自己也在爆炸中毀滅了。

T-1000

一個由液態金屬組成的更為先進的終結者，被送回過去刺殺約翰。他可以在液體與固體間任意變換，可以將其接觸過的任何人或是肢體任意部分轉變為刀一類的金屬利器，並且也和T-800一樣可以完美模仿任何人的嗓音。

T-X

一個由液態金屬組成的更為先進的終結者，被送回過去刺殺約翰。他可以在液體與固體間任意變換，可以將其接觸過的任何人或是肢體任意部分轉變為刀一類的金屬利器，並且也和T-800一樣可以完美模仿任何人的嗓音。

馬庫斯

來自更遙遠未來的高端終結者，與靠型號排序的終結者不同，馬庫斯（Marcus）沒有編號。它的骨架也由一根中心骨支撐身體，進化為了和人類相似的齊排肋骨。正是由於體內三分之二的構造來自人類，馬庫斯作為半人半機器的混合型終結者比其他任何終結者都更具隱蔽性。

在影片中，他以失憶陌生人的身份出現在人類反抗軍面前，隨著劇情發展，才逐漸發現自己已被改造……

約翰·康納

莎拉·康納10歲大的兒子，幼年時就受過野外生存訓練，但之後被政府送由他人領養。和保護他的終結者成為好朋友。《終結者3》中22歲的約翰-康納過著與世隔絕的生活——沒有家，沒有信用卡，沒有電話，也沒有工作。甚至沒有能證明他存在的記錄。

康納也無法破除天網的追蹤。《終結者4》中33歲的約翰·康納已從一名普通士兵當上了前哨隊隊長。身經百戰的約翰多次與終結者面對面交鋒，均化險為夷，逐漸在反抗軍戰友中獲得了聲望。

莎拉·康納

終結者的目標，被終結者追殺。得知了自己和自己尚未出生的兒子的命運之後莎拉勇敢的面對現實，變得十分堅強，決心保護兒子平安成長拯救全人類。

《終結者2》中因為怪異的言行，且試圖用炸彈破壞造成機器人猖厥的電腦公司，而被捕送入精神病院。《終結者5》中被T-800收養，趕在T-1000消滅凱爾·里斯（約翰·康納的親生父親）之前救下了凱爾·里斯。

凱爾·里斯

人類抵抗軍戰士，從2029年返回1984年來保護莎拉，在患難中與莎拉·康納相愛，成為人類抵抗軍領袖之父。後為救莎拉，凱爾同只剩下骨架的殺手同歸於盡。

《終結者4》中「審判日」後在廢墟中伴隨飢餓長大的凱爾，成為戰後僅存的倖存者之一，後被天網抓進集中營。之後，約翰·康納帶領反抗軍直搗天網總部救出凱爾，凱爾隨即加入反抗軍。《終結者5》中穿越過去後意外成為約翰·康納的父親，一起抵抗黑暗勢力。

『叄』 自學編程學習前端還是後端呢

首先無論是前端還是後端，只要做得足夠深，都能夠做得非常出彩。但如果從學前端還是學後

難易度前端和後端的發展前景都非常好，對於零基礎人員來說，前端相對簡單一些。在一個公司內，前端和後端的工資沒有絕對的高低，最主要還是看個人的能力，能力越強拿到的工資就越多。這一行還是更加註重個人技術實力。入門難度第一，對於非科班同學，前端的入門難度比後端低，對計算機基礎（數據結構&演算法）的要求沒有那麼高。能夠通過系統的學習，在較短的時間內掌握基本技能。當時你不能一開始就學習 TS 或框架（那可能就懵逼了），而是先打好基礎，掌握 html、css、js 等基礎知識，然後再學習一些主流的框架，比如 react 或者 vue。說前端比後端入門難度低，並不是說前端的知識比後端少，相反，前端的領域知識可能比後端還多，技術革新也更快，但這並不妨礙作為一個新手，通過系統學習，能夠在較短的時間掌握幹活的基本技能。具備這些技能可能不足以支撐你進入大廠，但去一些小公司，或者創業公司，還是有可能的。而且前端的一個特點是所見即所得，你能比較快速看到你寫的代碼的效果，相比後端能夠更及時得到學習成果的反饋，在學習的過程中，你會更有信心，看到自己每天都在成長。面試難度第二，從面試的角度來說，對於非科班出身的同學，前端的面試難度要比後端相對低一些。首先還是要強調一點，如果你是面試大廠，數據結構和演算法基本是必考的，如果只是通過培訓班學習了前端領域相關的知識，那大概率是通不過面試，甚至通不過簡歷篩選（外包可能可以）。如果期望爭取下大廠的機會，還需要自學數據結構、演算法、計算機網路、操作系統等計算機專業課程，這個是需要一定時間來積累的。並且最好是有一定的項目實踐經驗。回到面試上來，後端面試中，對數據結構、演算法等內容的考察，一般會比前端難一些，而有些公司的前端，特別是一些創業公司（比如我呆過的20人的創業公司），他們的前端面試可能主要圍繞前端的領悟知識展開，對數據結構、演算法等知識的考察比較少，或者乾脆不考察。如果你通過培訓達到了能幹活能做事的狀態，可能就滿足了一些公司的用人訴求。工作機會第三，從工作機會來講，前端的工作機會比後端可能稍微多一些。這部分可以參考各招聘網站或者app的職位情況。<img src="https://pica.mg.com/50/v2-_720w.jpg?source=1940ef5c" data-caption="" data-size="normal" data-rawwidth="720" data-rawheight="296" class="origin_image zh-lightbox-thumb" width="720" data-original="https://pica.mg.com/v2-_r.jpg?source=1940ef5c"/>如果是說就業的話，前端的情況可能會稍微好一些，因為它出現的時間比後端要晚，人才稍缺，但這只是暫時的，不久的將來也將達到供需平衡。而且沒有基礎的話，建議你學前端，一是因為前端的學習曲線比較平穩，二是因為前端目前就業情況還好，有些小公司招不到人，被迫不得不招新手。因為前端現在能做的事情比較多，從網站（web&h5）到小程序到客戶端（跨端）到服務端（全棧），前端都可以做，所以崗位需求量也比較大。當然不同崗位的要求不太一樣，如果是培訓班出來的同學，一般做網站或者小程序開發的會多一些。這里也建議在上培訓班之前，可以先看看網上的一些崗位的要求，看看通過培訓班能否達到相應的要求。另外一些培訓班是包工作安排的，就是會和一些企業合作，輸出培訓人才。不過比較現實的是，培訓班一般和外包公司合作多一些，和企業合作比較少。也就是說，你培訓完後，可能是作為外包同學進入一家公司（有可能是大廠）。外包不是正式員工，所以待遇一般比正式員工差一些，但也比很多其他職業的工資要高。我們公司也招外包，但只招前端的外包，不招後端的外包。從這點來看，前端的工作機會相比後端可能是多一點。最後給一點建議，因為不是科班出身，相比科班出身的同學，競爭力還是弱一些，所以還是建議如果有精力，系統性地去學習計算機相關的課程。如果你打算長期從事研發工程師的工作，那打好基礎就是你持續上升的重要支撐。另外如果是學習前端，除了參加培訓班，極客時間上也有一系列優質前端課程，都是行業大佬的干貨，建議系統性學習。

『肆』 美國電視劇，一個電腦編程師給電腦編程人工智慧的時候，叫雷電霹了。產生了智能。是那部電視呢。是男主。

電腦人 (1983)
導演: Kim Manners / Winrich Kolbe
編劇: Glen A. Larson / Sam Egan
主演: Desi Arnaz Jr. / Chuck Wagner / Robert Lansing / Heather McNair
類型: 科幻 / 冒險
製片國家/地區: 美國
語言: 英語
首播: 1983-12-15
集數: 13
單集片長: 50 分鍾(12 episodes) / 70 分鍾(pilot episode)
又名：Automan
劇情簡介
警察局裡的一個人創造了他，他有個藍標，在空中隨便一畫，就能變出個東西，能變汽車·飛機·衣服·吉他，還能和人類合體

『伍』 科幻、懸疑、驚悚、燒腦，《異星災變》配得上年度最佳美劇

提起雷德利·斯科特，相信許多影迷一定不會陌生，作為好萊塢知名的商業電影導演，在其數十年的電影生涯中，他曾經以一己之力推動了多個類型電影的發展，風格多變、題材廣泛是他創作電影的重要特點。

在科幻類型電影領域，他曾經執導過《異形》、《銀翼殺手》、《普羅米修斯》等多部極具份量和獨特意義的經典佳作;在劇情電影上，他也曾拍攝出像《美好的一年》、《哥倫布傳》、《黑鷹墜落》這般風格不一的電影作品。

在 歷史 題材上，他同樣也是一位成果斐然的創作者，曾經執導拍攝出《角鬥士》、《天國王朝》這樣的 歷史 史詩電影。

到了今天，作為一位年過八旬的老人，雷德利·斯科特依舊沒有放棄自己對電影的理想和追求，仍然緊跟時代，不斷推出新的作品。

相較於這幾年被人詬病江郎才盡的史蒂文·斯皮爾伯格、喬治·盧卡斯、彼得·傑克遜等電影鬼才，雷德利·斯科特始終保持著穩定的電影創作數量和品質，雖然這兩年也曾先後在數部電影作品上栽了跟頭，但是總體說來，依舊保持著佳作頻出的態勢。

特別是在科幻類型電影的創作上依舊令人驚嘆，2012年的《普羅米修斯》、2015年的《火星救援》都令人眼前一亮。

在對電影拍攝產生厭倦之後，近兩年的雷德利老爺子開始逐步將自己事業發展的重心轉回了老本行，即電視劇集的製作拍攝。

他先是在2019年擔任了劇集《血疫》的製片人，而後又在由HBOMAX推出的這部科幻劇集《異星災變》中和他的兒子一同負責執導前三集。

單從前三集的整體風格、故事隱喻和敘事節奏來看，雷德利·斯科特依舊是寶刀未老，甚至大有比肩甚至超過HBO之前推出的《西部世界》之氣勢。

雷德利·斯科特究竟執導了怎樣的一個故事？幻想與現實的邊界究竟又在何處？由兩個機器人開始的創世故事又將迎來怎樣的故事結局？下面就讓我們一起走進這部融合了現實與幻想的科幻作品一探究竟吧！

美國科幻文學的集大成者阿薩克·阿西莫夫曾經在他的作品中明確提出並闡釋了所謂的」機器人的三大法則」，這一法則明確了人類作為創造者的主人身份和不可侵犯性，即便在今天的人工智慧發展過程中依然具有極其深刻而又獨特的意義和價值。

而《異星災變》的故事從一開始便在某種程度上打破了這種身份禁錮，機器人不再是簡簡單單的奴隸，而是成為了重生世界的主導者，它帶領觀眾以全新的視角去審視人類自身的發展。

故事從一艘飛船降落在荒無人煙的開普勒22b行星開始，飛船上是一對經過無神論者重新編程的機器人以及若干接受特殊處理尚未出生的人類胚胎。

在未來的地球行將毀滅之際，無神論者希望能夠通過這種方式重新建立起人類文明，並希望這些「第一世代」能夠在機器人「母親」和「父親」的教導之下，使未來重生的人類文明能夠避免因為宗教再度陷入無休止的戰爭之中。

正如基督教神話中的亞當與夏娃，負責養育人類孩子的機器人也是一男一女兩個性別特徵，在貧瘠的星球上，他們所要面對的不僅僅只是養育孩子的挑戰，同時還要面對惡劣艱苦的生存環境和未知的黑暗。

在真實的 歷史 中，早期人類在面對未知事物時，往往會產生神明崇拜的心理，然而掌握了知識與科學的「母親」和「父親」卻從小教導孩子們無神論的思想和科學知識能力，以便他們能夠在未來再度創造輝煌的人類文明。

但是隨著時間的流逝，第一世代唯有坎皮恩存活下來。眼見一個個同伴相繼死去，他開始對眼前的一切產生了質疑，並不顧勸阻，自發地開始了禱告行為。

科學與信仰從這時開始首次在劇集中有了針鋒相對的沖突，對死亡和未知的恐懼讓盲目的信仰首次與所謂的科學真理形成了對立面。

熟悉羅馬創建神話的觀眾一定不會忘記狼孩創城的故事，如果說劇集中的母親所對應的是那頭哺育兩個孩子的母狼，那麼電影中的孩子所對應的就是羅馬城的兩個創建者。

在真實的羅馬帝國 歷史 中，密特拉教同樣也是存在的，然而隱秘的傳播以及基督教的誕生使得這個宗教迅速滅亡。

聯系真實的 歷史 ，劇集所講述的故事或許是發生在一個密特拉教並未滅亡或者說神秘復活的平行世界之中。

盲目的神明崇拜和教會的推波助瀾在中世紀曾經導致了綿延數百年的十字軍東征，無數的人們為自己的信仰付出了鮮血乃至生命的代價。

有趣的是，劇集中的密特拉教徒也是一副中世紀的模樣，他們的高階人員身穿著類似於主教一般的白色長袍，士兵則是融合了十字軍的騎士盔甲和現代 科技 。

在雷德利·斯科特此前的那部《天國王朝》中，老爺子同樣利用這段 歷史 講述了一個關於信仰、生命和平等的故事，不知道此次在《異星災變》中出現的密特拉教徒是對前作的致敬，亦或是對 歷史 的隱喻。

在巨大災難和危機面前，自認為可以通過信仰獲得救贖的密特拉教徒最終卻是通過現代科學包裹下的「方舟」逃離了地球，他們帶著尋找應許之地的美好期望踏上了神秘的旅途，最終卻來到了一個荒無人煙同時又充滿未知威脅的星球。

這樣的劇情設置未免也過於諷刺，令人在震撼之中也不由深思，反觀現實。

在我們的固有印象中依據編程行事的機器人往往是刻板而又冷漠，甚至在許多影視作品中作為反派出現的機器人形象堪稱殘酷而又冷血。

但是我們忽略的是，作為機器人創造者的人類又是否真的稱得上真善美？

我們常常說父母的行為在某種程度上可以影響孩子的未來，乃至整個人生。那麼機器人身上的這些特性又是否是作為造物主的人類身上本來就具有的特質呢？

在劇集的故事中，作為入侵者的密特拉教徒在闖入「母親」和孩子們的生活之後，為了讓被視為先知的坎皮恩能夠離開現有的環境，當著孩子的面對「母親」大打出手。

而方舟上的密特拉高階人員利用自己的權力和等級對自己的同伴發號施令，甚至進行人身侵犯·····雷德利老爺子用這些情節所想向觀眾展示的顯然已經不再只是一個創世故事那麼簡單了，這更是對如今反人工智慧思想和人工智慧威脅論的一種回應。

回到劇情本身，接受無神論者指派撫養人類孩子的「母親」一方面對自己照顧的孩子表現出堪比人類父母的真摯 情感 ，而正是這份真摯的 情感 使得「母親」逐漸從一個依據純粹編程行動的機器人逐漸學會了獨立思考和運作；另一方面有獨立意識之後的「母親」又對外來入侵的密特拉教徒表現出近乎野獸一般的殘忍。

母性的光輝和野蠻的獸性使得這個角色無法被簡單劃分為善良與邪惡，在她的身上，我們更多所見到的其創造者身上復雜多變的人性。

在劇集的設定中，創造機器人的密特拉教徒和修改機器人編程的無神論者在連綿不絕的戰爭中最終毀滅了自己賴以生存的星球。

而帶著創世任務來到全新環境之中的「母親」在前三集的劇情已然開始了自我意識的覺醒，同時擁有母性光輝和毀滅力量的她又是否能夠為自己的孩子做出正確的選擇，不再重蹈人類之前的覆轍，再度上演一出毀滅的悲劇？

人類與機器人的邊界究竟在何處？著名的科學家艾倫·麥西森·圖靈曾經發明了「圖靈測試」，能夠通過這項測試的機器人即被視為具有人類智能。然而擁有人類智能是否就意味機器人能夠完全成為人並且替代人類呢？

劇集給出了自己的答案。在「母親」和「父親」關懷之下成長的坎皮恩在質疑和迷茫中最終還是選擇了背叛。即便「父親」和「母親」的關愛是真實存在的，但是他們的固有身份最終還是導致了他們與孩子之間產生了隔閡。

人造人無法的得到人類的完全信任，這一點使得他們便無法完全成長為人類本身。同時更重要的一點的是，自然孕育的生命與由人類精心編程下的產物之間是無法相提並論的。

『陸』 誰能推薦幾個關於電腦高手的電影或電視劇啊

1、《我是誰：沒有絕對安全的系統》（電影）

劇情簡介：本傑明智商165，但是在現實世界中，他是一個失敗者，並且常常為找不到存在感而憂傷。但是二十五歲的他卻是一個電腦黑客，擁有對C/C++等多種編程語言以及在黑客死亡IP追蹤上擁有不可思議的天賦，他可以追蹤到任何一個人的任何信息。

而影片中另一位主人公麥克斯是一個渴望「黑客世界」的潛在革命者，他注意到了本傑明在網路方面神一般的操控能力。他們組建了黑客組織CLAY，並且先後入侵了國際安全系統、國際金融系統、國際金融評估系統、德國安全局、德國情報局。而在這期間他認識了他最開始喜歡的女孩，開始交往。

2、《網路殺機》（電影）

劇情簡介：單身媽媽珍妮弗·馬什是供職於FBI網路犯罪科的探員，她日常的工作就是對網路進行監視，查找任何一個盜取信用卡及其他可能造成危害的犯罪分子。在一次圍剿信用卡盜賊的行動中，珍妮弗偶然進入一個名為KillwithMe的網站，網站通過視頻直播一隻小貓受虐死去的全過程。

珍妮弗直覺該網站背後必有黑幕，她試圖追蹤IP和伺服器，最終一無所獲，似乎她所面對的對手具有頗為復雜的背景。不久，該網站更新內容。畫面中一個男子被捆綁起來，網站宣稱瀏覽者越多，那名男子死得越快。珍妮弗等人眼睜睜看著男人死去，她決定不惜一切代價救出幕後黑手，卻讓自己也捲入這個死亡漩渦之中…

3、《駭客追緝令》（電影）

劇情簡介：凱文密尼克可稱為有史以來最厲害的電腦駭客，他侵入家電信公司，入侵聯邦調查局的電腦，在網路世界中成為最難以捉摸的駭客之王，然而他卻希望能遇上一個真正的挑戰，當他開始入侵著名物理學家兼電腦天才下村勤的電腦系統後，他的願望終於實現，並且可能超出他所能應付的…

4、《黑客軍團》（美劇）

劇情簡介：艾略特·奧爾德森居住在紐約市，是一名網路安全工程師。晚上，他化身為一名黑客。艾略特患有社交恐懼症。艾略特遇見了一個神秘的無政府主義者，他名為機器人先生。機器人先生招募艾略特加入他的黑客組織「反社會 」。

艾略特感到好奇，但他並沒有確定是否要加入這個黑客組織。機器人先生讓艾略特暗中摧毀僱傭艾略特的公司。艾略特對此跨國集團反感，但秉持良心公義，他不想傷害無辜，所以仍然一次又一次抗拒去徹底揭發對世界有巨大影響力的這個集團。

5、《天蠍》（美劇）

劇情簡介：佩吉有個高智商的兒子拉爾夫，她十分理解天才們的內心世界。如果沒有佩吉，這些高智商者不僅連自己都照顧不好，還很容易被外人誤解。這些聰明絕頂的書獃子最終接受了凱布提供的工作機會，這對他們來說是一份完美的工作；

他們可以將自己的超凡智慧用於正道，解決國家危機。與此同時，他們可以通過這份工作幫助彼此更好地融入現代社會。他們所面臨的問題既包括賭場保安這種小問題，也包括無人戰機發動攻擊這種關乎國與國關系的大問題。

『柒』 美劇推薦：《西方極樂園》第一季 科幻驚悚與野蠻西部的完美結合

《Westworld：西方極樂園》描繪一個科技尖端進步的未來世界，一座充滿擬真機器人的西部世界主題樂園，可以滿足所有顧客最原始野蠻的慾望，毫無顧忌的屠殺或放盪享樂的性愛在荒野小鎮中恣意橫行，這個看似人類演化極限的娛樂活動，將遭到逐漸蛻變進化的人工智慧反撲...

《Westworld：西方極樂園》在第一季首播集就揭示了這部劇的兩個主要題旨，人類的演化與機器人的進化，當人工智慧模彷人類的行為近乎完美時，我們還能僅僅將之看待成冰冷的機器嗎？人與非人的界線在這個情況下漸漸地模煳。老「人魔」影帝Anthony Hopkins飾演的樂園創造者Dr. Robert Ford相信人類自古以來的演化動力就只是犯錯，因為數不清的錯誤讓人類脫離了原有的生活模式，在一次次意外中發現新的想法，一個微小的改變就可能將人類的生活帶往下一個世代，對於機器人來說這個法則也同樣適用。

預告中停留在女主角Dolores臉上的蒼蠅是再明顯不過的隱喻，微小不受控制的"bug"會引發核心程式錯誤，整個完美編排的巨大機器人生態系中，只要出現了一個不在編程中的錯誤，就將引起可怕的蝴蝶效應風暴。《Westworld：西方極樂園》的娛樂設計是讓造訪的顧客「新移民」融入預先編好的劇本事件中，像是玩角色扮演游戲一樣在有固定劇情的開放世界中探索，因此觀眾可以在多次重復呈現的事件發現細微的變化，懸疑的成分恰到好處，觀察入微的影迷可以享受推理後續劇情的樂趣。

《Westworld：西方極樂園》目前最令人贊嘆之處是飾演機器人的演員們精緻的演技，他們必須呈現比現實生活中機器人更寫實的模樣，又能在微表情等細微動作的表現上提醒觀眾他們是機器人，似真非真的「機器人彷人」行為加上隨時夠像切換應用程式一樣修改的情緒轉變，都讓人深深佩服這出劇的細致程度。

《Westworld：西方極樂園》的機器人有著一套生存原則的設計，像是經典電影《機械公敵》中三個不能違背的核心法則，他們必須經過工程師的問題考核，確認他們不曾質疑自己存在的本質。這一連串的生存本質問題相當有趣，在機器人的世界中他們才是真實地活著，每天做自己該做的事，放牛吃草，在河邊畫畫，在酒吧里吃喝嫖賭，搶劫火拚力圖求生等，而造訪的真人顧客反而像是失去靈魂的野獸，沉浸在虛構的幻想中。

Ed Harris飾演的黑衣男在第一集就有相當吃重的戲份，從《絕地任務》就非常喜愛他飾演的反派角色，奸詐老道的邪惡氣場強大，目前還猜不出他真正的目的，但應該和預告的台詞暗示相去不遠，他將顛覆解放這個虛假的世界。James Marsden飾演的Teddy Flood是一般西部片中最常見的標志人物，富有正義感及紳士風度的神槍手，與他相對應的是Rodrigo Santoro飾演的懸賞通緝犯Hector Escaton，他們包辦了第一集中主要的牛仔槍戰戲碼。

《Westworld：西方極樂園》的場景分為冰冷透明的科技實驗室還有灼熱明亮的西部荒原，兩個場景呈現相當反差的感覺，在都是真人活動的實驗室里感受不到人性，滿是利益至上的算計還有毫無情感的科技操作，在都是機器人生活的荒野樂園，每個角色有著各自的愛恨情仇，更像是人類生活的模樣。驚悚嚇人的橋段在《Westworld：西方極樂園》里一樣沒少，西部火拚的血腥程度符合HBO一直以來的尺度，充斥著被淘汰機器人的廢棄實驗室有種令人窒息的詭異壓迫感，非常期待接下來機器人反撲的獵殺會如何演出。

總結來說，《Westworld：西方極樂園》將科幻驚悚及野蠻西部的兩種沖突元素融合地恰到好處，卡司強大的演技派演員們更是讓這場科幻寓言無比真實，無論你是喜歡科技反思題材或迷戀荒野西部的暴力感，這部大製作都能滿足期望！

『捌』 python數據分析與應用第三章代碼3-5的數據哪來的

savetxt

import numpy as np

i2 = np.eye(2)

np.savetxt("eye.txt", i2)

3.4 讀入CSV文件

# AAPL,28-01-2011, ,344.17,344.4,333.53,336.1,21144800

c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True) #index從0開始

3.6.1 算術平均值

np.mean(c) = np.average(c)

3.6.2 加權平均值

t = np.arange(len(c))

np.average(c, weights=t)

3.8 極值

np.min(c)

np.max(c)

np.ptp(c) 最大值與最小值的差值

3.10 統計分析

np.median(c) 中位數

np.msort(c) 升序排序

np.var(c) 方差

3.12 分析股票收益率

np.diff(c) 可以返回一個由相鄰數組元素的差

值構成的數組

returns = np.diff( arr ) / arr[ : -1] #diff返回的數組比收盤價數組少一個元素

np.std(c) 標准差

對數收益率

logreturns = np.diff( np.log(c) ) #應檢查輸入數組以確保其不含有零和負數

where 可以根據指定的條件返回所有滿足條件的數

組元素的索引值。

posretindices = np.where(returns > 0)

np.sqrt(1./252.) 平方根，浮點數

3.14 分析日期數據

# AAPL,28-01-2011, ,344.17,344.4,333.53,336.1,21144800

dates, close=np.loadtxt('data.csv', delimiter=',', usecols=(1,6), converters={1:datestr2num}, unpack=True)

print "Dates =", dates

def datestr2num(s):

return datetime.datetime.strptime(s, "%d-%m-%Y").date().weekday()

# 星期一 0

# 星期二 1

# 星期三 2

# 星期四 3

# 星期五 4

# 星期六 5

# 星期日 6

#output

Dates = [ 4. 0. 1. 2. 3. 4. 0. 1. 2. 3. 4. 0. 1. 2. 3. 4. 1. 2. 4. 0. 1. 2. 3. 4. 0.

1. 2. 3. 4.]

averages = np.zeros(5)

for i in range(5):

indices = np.where(dates == i)

prices = np.take(close, indices) #按數組的元素運算,產生一個數組作為輸出。

>>>a = [4, 3, 5, 7, 6, 8]

>>>indices = [0, 1, 4]

>>>np.take(a, indices)

array([4, 3, 6])

np.argmax(c) #返回的是數組中最大元素的索引值

np.argmin(c)

3.16 匯總數據

# AAPL,28-01-2011, ,344.17,344.4,333.53,336.1,21144800

#得到第一個星期一和最後一個星期五

first_monday = np.ravel(np.where(dates == 0))[0]

last_friday = np.ravel(np.where(dates == 4))[-1]

#創建一個數組，用於存儲三周內每一天的索引值

weeks_indices = np.arange(first_monday, last_friday + 1)

#按照每個子數組5個元素，用split函數切分數組

weeks_indices = np.split(weeks_indices, 5)

#output

[array([1, 2, 3, 4, 5]), array([ 6, 7, 8, 9, 10]), array([11,12, 13, 14, 15])]

weeksummary = np.apply_along_axis(summarize, 1, weeks_indices,open, high, low, close)

def summarize(a, o, h, l, c): #open, high, low, close

monday_open = o[a[0]]

week_high = np.max( np.take(h, a) )

week_low = np.min( np.take(l, a) )

friday_close = c[a[-1]]

return("APPL", monday_open, week_high, week_low, friday_close)

np.savetxt("weeksummary.csv", weeksummary, delimiter=",", fmt="%s") #指定了文件名、需要保存的數組名、分隔符(在這個例子中為英文標點逗號)以及存儲浮點數的格式。

.png

格式字元串以一個百分號開始。接下來是一個可選的標志字元：-表示結果左對齊，0表示左端補0，+表示輸出符號(正號+或負號-)。第三部分為可選的輸出寬度參數，表示輸出的最小位數。第四部分是精度格式符，以」.」開頭，後面跟一個表示精度的整數。最後是一個類型指定字元，在例子中指定為字元串類型。

numpy.apply_along_axis(func1d, axis, arr, *args, **kwargs)

>>>def my_func(a):

... """Average first and last element of a 1-D array"""

... return (a[0] + a[-1]) * 0.5

>>>b = np.array([[1,2,3], [4,5,6], [7,8,9]])

>>>np.apply_along_axis(my_func, 0, b) #沿著X軸運動，取列切片

array([ 4., 5., 6.])

>>>np.apply_along_axis(my_func, 1, b) #沿著y軸運動，取行切片

array([ 2., 5., 8.])

>>>b = np.array([[8,1,7], [4,3,9], [5,2,6]])

>>>np.apply_along_axis(sorted, 1, b)

array([[1, 7, 8],

[3, 4, 9],

[2, 5, 6]])

3.20 計算簡單移動平均線

(1) 使用ones函數創建一個長度為N的元素均初始化為1的數組，然後對整個數組除以N，即可得到權重。如下所示：

N = int(sys.argv[1])

weights = np.ones(N) / N

print "Weights", weights

在N = 5時，輸出結果如下：

Weights [ 0.2 0.2 0.2 0.2 0.2] #權重相等

(2) 使用這些權重值，調用convolve函數：

c = np.loadtxt('data.csv', delimiter=',', usecols=(6,),unpack=True)

sma = np.convolve(weights, c)[N-1:-N+1] #卷積是分析數學中一種重要的運算，定義為一個函數與經過翻轉和平移的另一個函數的乘積的積分。

t = np.arange(N - 1, len(c)) #作圖

plot(t, c[N-1:], lw=1.0)

plot(t, sma, lw=2.0)

show()

3.22 計算指數移動平均線

指數移動平均線(exponential moving average)。指數移動平均線使用的權重是指數衰減的。對歷史上的數據點賦予的權重以指數速度減小，但永遠不會到達0。

x = np.arange(5)

print "Exp", np.exp(x)

#output

Exp [ 1. 2.71828183 7.3890561 20.08553692 54.59815003]

Linspace 返回一個元素值在指定的范圍內均勻分布的數組。

print "Linspace", np.linspace(-1, 0, 5) #起始值、終止值、可選的元素個數

#output

Linspace [-1. -0.75 -0.5 -0.25 0. ]

(1)權重計算

N = int(sys.argv[1])

weights = np.exp(np.linspace(-1. , 0. , N))

(2)權重歸一化處理

weights /= weights.sum()

print "Weights", weights

#output

Weights [ 0.11405072 0.14644403 0.18803785 0.24144538 0.31002201]

(3)計算及作圖

c = np.loadtxt('data.csv', delimiter=',', usecols=(6,),unpack=True)

ema = np.convolve(weights, c)[N-1:-N+1]

t = np.arange(N - 1, len(c))

plot(t, c[N-1:], lw=1.0)

plot(t, ema, lw=2.0)

show()

3.26 用線性模型預測價格

(x, resials, rank, s) = np.linalg.lstsq(A, b) #系數向量x、一個殘差數組、A的秩以及A的奇異值

print x, resials, rank, s

#計算下一個預測值

print np.dot(b, x)

3.28 繪制趨勢線

>>> x = np.arange(6)

>>> x = x.reshape((2, 3))

>>> x

array([[0, 1, 2], [3, 4, 5]])

>>> np.ones_like(x) #用1填充數組

array([[1, 1, 1], [1, 1, 1]])

類似函數

zeros_like

empty_like

zeros

ones

empty

3.30 數組的修剪和壓縮

a = np.arange(5)

print "a =", a

print "Clipped", a.clip(1, 2) #將所有比給定最大值還大的元素全部設為給定的最大值，而所有比給定最小值還小的元素全部設為給定的最小值

#output

a = [0 1 2 3 4]

Clipped [1 1 2 2 2]

a = np.arange(4)

print a

print "Compressed", a.compress(a > 2) #返回一個根據給定條件篩選後的數組

#output

[0 1 2 3]

Compressed [3]

b = np.arange(1, 9)

print "b =", b

print "Factorial", b.prod() #輸出數組元素階乘結果

#output

b = [1 2 3 4 5 6 7 8]

Factorial 40320

print "Factorials", b.cumprod()

#output

『玖』 美劇《矽谷》里Gilfoyle在現實中是什麼樣的

《矽谷》這部美劇當中的Bertram Gilfoyle在現實生活當中不僅有才華，還有財富，顏值還高，絕對是許多人心目當中的男神。Bertram Gilfoyle的身上充滿著許多的矛盾，與其它的程序員不同，Bertram Gilfoyle從小喜歡寫程序，但也狂愛搖滾音樂，同時是名撒旦信徒，編程的天賦極高，簡直比男主角還要出彩。

通過以上的介紹，Bertram Gilfoyle這個角色在現實生活中一定是高富帥，並且極其有才華的男子。這群天才程序員聚集在科技世界的中心，成為了許多人非常羨慕的對象，可是這些看上去非常成功的人，四位不善於交際卻又非常聰明的程序員在一系列的商業爭奪戰中一觸即發。