编程美剧

‘壹’ 你觉得美剧《硅谷》里的贾里德怎么样

美剧《硅谷》可以说是国内比较冷门的神剧，可是这部剧凭着幽默和内容深度拥有着极高的评分。这部剧说的是四个天才级的程序员，合力创业的故事，可是技术天才的程序员如何顺利的创业，一定离不开一个人，这个人就是贾里德。贾里德是剧中非常天真、可爱、有人情味、理乍得的真爱粉，为了支持续理乍得不惜放弃个人大好前程，跟随理乍得，是一个非常优秀的经营者。

贾里德是一个非常可爱、重情义、有才能、善于运营的人才，为了心中的理想可以勇往直前，这种理想主义令人动容。在这群天才级的程序员中非常需要像贾里德这样的人，于是这群梦想家当中，终于有一个实干者出现是一件非常幸运的事情。

‘贰’ 终结者系列观看顺序（电影和美剧）

终结者、终结者2：审判日、终结者外传（电视剧）、终结者3、终结者2018、终结者：创世纪

终结者

这是一个未来的世界，天下已经由机器人来操控。机器人想完全占有这个世界，把人类赶尽杀绝，然而却遇到了顽强抵抗的人类精英康纳。

于是，终结者机器人T-800（阿诺·施瓦辛格 Arnold Schwarzenegger饰）受命回到1984年，杀害康纳母亲莎拉（琳达·汉密尔顿 Linda Hamilton 饰），目的是灭掉康纳的出生。 康纳得知后，火速派战士雷斯（迈克尔·比恩 Michael Biehn 饰）前往救援。

雷斯来到1984年的洛杉矶，及时搭救了被机器人追杀的莎拉——她当时还是一个大学生。然而，人们把雷斯当成疯子，不相信未来机器人统治世界。

直到莎拉又一次遭到机器人追击，她才相信了这一切。奔走中她和雷斯相爱，怀上了未来的康纳，而雷斯也陷入和机器人的苦斗当中。人类世界能否从因为这场斗争改变原来的噩运？

终结者2：审判日

上一部中，超级电脑“天网”阻止人类抵抗领袖约翰·康纳诞生的行动失败，时隔13年后，在“审判日”到来之前，“天网”派出了更加先进的生化机器人T-1000（罗伯特·帕特里克 饰）从公元2029年回到洛杉矶追杀已经长大的约翰，与此同时，约翰也派出了机器人T-800（阿诺· 施瓦辛格 饰）回去保护年幼的自己。

此时，萨拉·康纳（琳达·汉密尔顿 饰）因为怪异的言行而住进了精神疗养院，约翰则和养父母住在一起，行为叛逆。T-800找到他们，在逃避T-1000追杀过程中，获得了二人的信任。

为了改变未来的历史，挽救人类的命运，萨拉、约翰和T-800 Model 101找到了“天网”之父，迈尔斯·戴森（乔·莫顿 饰），说服他销毁一切有关“天网”的资料，此时，警察和T-1000同时赶来，他们陷入了多方争斗中。

终结者外传（电视剧）

该剧根据《终结者》系列电影中的原型人物、抵抗军领袖母亲莎拉康纳改编。在《终结者2：审判日（Terminator 2: Judgment Day）》结束后，莎拉击败了来自未来的液体金属机器人，挽救了自己和儿子康纳。如今，莎拉和康纳处于孤立无援、十分危险的境地。

《The Sarah Connor Chronicles》讲述了莎拉康纳（Lena Headey, "The Brothers Grimm," "300"）决定停止逃亡，对这些毁掉她生活的高科技敌人展开反击的故事。

她的儿子，15岁的约翰康纳(Thomas Dekker, "Heroes")知道自己可能是未来人类的救世主，但仍然不愿意挑起这个重任，不愿意面对命运。

与此同时，康纳发现自己深深地爱上了同校女生Cameron （Summer Glau "Serenity", "Firefly", "The 4400"），一个谜一般高深莫测的少女。后来康纳才发现，这个女孩并不仅仅是他知心的女朋友，还是他和莎拉的保护者。她的使命是不惜一切代价保护莎拉母子的安全。

对莎拉母子构成威胁的不仅仅是来自未来的机器人，还有一个机智而强硬的FBI密探James Ellison （Richard T. Jones, "Judging Amy"）。但当他了解事情的真相后，反而决定帮助莎拉母子，成了他们最强有力的保护伞。

终结者3

故事发生在《终结者2》10年之后，此时John Connor(Nick Stahl) 饰)已经22岁，他的母亲去世后，他过着隐姓埋名的生活，不愿意面对即将到来的命运。

但是，命运并不以他的意志为转移，“天网”经历了两个失败之后，派出了更为先进的T-X终结者（Kristanna Loken 饰）来追杀他，人类也同样送回了T-800改良后的终结者T-850（Arnold Schwarzenegger饰）保护John。

John巧遇了儿时的伙伴，兽医Kate Brewster（Claire Danes 饰)，Kate的父亲是美国军方“天网”系统的负责人，她本人也将成为人类叛军的副统领，理所当然成了T-X的打击对象。二人在T-850的保护下，开始了逃亡之路。

同时，美国电脑系统病毒入侵，人类束手无策之下准备启用“天网”，一旦“天网”接管美国军方防御系统，人类将首当其冲的被消灭。

面对已经发生的未来，John Connor和Kate Brewster决定奋起反抗，在T-850的帮助下，他们将又一次改变人类的命运。

终结者2018

2018年，天网系统与人类的战争使世界陷入了末世般的境况，反抗军精神领袖约翰·康纳（克里斯蒂安·贝尔 Christian Bale 饰）带队执行一次任务的过程中获得了战胜天网的新思路，而天网系统适时推出了新的目标排名，康纳位居次席，榜首上康纳此时尚年青的父亲凯尔·瑞斯赫 然在列。

与此同时，一名遗忘了自身过去经历的强壮男子马库斯（萨姆·沃辛顿 Sam Worthington 饰）出现在洛杉矶的废墟中，他与反抗军战士瑞斯偶然结识，并组队前往反抗军总部，不料途中遭机械人袭击，瑞斯被俘。

落单的马库斯经由反抗军女战士布莱尔引路，迎来了与康纳命中注定的相遇，但人与机械的对立让康纳不得不视对方为敌人……

终结者：创世纪

天网拥有独立意识后，对创造它的人类展开血腥屠杀。此后的岁月，约翰·康纳（杰森·克拉科 Jason Clarke 饰）率领战友和天网的机器人大军进行着旷日持久的战争。在关键的一次战役过后，天网将终结者派往1984年的洛杉矶，企图杀害约翰的妈妈莎拉（艾米莉亚·克拉克 Emilia Clarke 饰）。

而约翰则将自己最亲密的战友——同时也是他的生身父亲凯尔·里斯（杰·科特尼 Jai Courtney 饰）派往过去。凯尔刚刚抵达洛杉矶便遭到液态金属终结者T-1000（李秉宪 饰）的袭击。与此同时，终结者T-800“老爹”（阿诺·施瓦辛格 Arnold Schwarzenegger 饰）则与莎拉联手干掉了终结者T-1000。

似乎过去的事情悄然改变，凯尔则从时间旅行中的遭遇得到灵感，与莎拉穿越来至2017年，尝试阻止天网的诞生……

(2)编程美剧扩展阅读

角色介绍

T-800

一个从2029年返回1984年试图杀死莎拉·康纳的赛博格杀手，半机械半血肉的生物，外貌上与人类无异。第二部未来的人类抵抗军领袖约翰·康纳将他重新编程，并送回1995年保护年幼时的自己。

T-850

从未来穿越回来的机器人，为了保护John Connor和Kate Brewster两人而与另一个机器人斗争，最后为了保护他们两个而终结了T-X机器人，自己也在爆炸中毁灭了。

T-1000

一个由液态金属组成的更为先进的终结者，被送回过去刺杀约翰。他可以在液体与固体间任意变换，可以将其接触过的任何人或是肢体任意部分转变为刀一类的金属利器，并且也和T-800一样可以完美模仿任何人的嗓音。

T-X

一个由液态金属组成的更为先进的终结者，被送回过去刺杀约翰。他可以在液体与固体间任意变换，可以将其接触过的任何人或是肢体任意部分转变为刀一类的金属利器，并且也和T-800一样可以完美模仿任何人的嗓音。

马库斯

来自更遥远未来的高端终结者，与靠型号排序的终结者不同，马库斯（Marcus）没有编号。它的骨架也由一根中心骨支撑身体，进化为了和人类相似的齐排肋骨。正是由于体内三分之二的构造来自人类，马库斯作为半人半机器的混合型终结者比其他任何终结者都更具隐蔽性。

在影片中，他以失忆陌生人的身份出现在人类反抗军面前，随着剧情发展，才逐渐发现自己已被改造……

约翰·康纳

莎拉·康纳10岁大的儿子，幼年时就受过野外生存训练，但之后被政府送由他人领养。和保护他的终结者成为好朋友。《终结者3》中22岁的约翰-康纳过着与世隔绝的生活——没有家，没有信用卡，没有电话，也没有工作。甚至没有能证明他存在的记录。

康纳也无法破除天网的追踪。《终结者4》中33岁的约翰·康纳已从一名普通士兵当上了前哨队队长。身经百战的约翰多次与终结者面对面交锋，均化险为夷，逐渐在反抗军战友中获得了声望。

莎拉·康纳

终结者的目标，被终结者追杀。得知了自己和自己尚未出生的儿子的命运之后莎拉勇敢的面对现实，变得十分坚强，决心保护儿子平安成长拯救全人类。

《终结者2》中因为怪异的言行，且试图用炸弹破坏造成机器人猖厥的电脑公司，而被捕送入精神病院。《终结者5》中被T-800收养，赶在T-1000消灭凯尔·里斯（约翰·康纳的亲生父亲）之前救下了凯尔·里斯。

凯尔·里斯

人类抵抗军战士，从2029年返回1984年来保护莎拉，在患难中与莎拉·康纳相爱，成为人类抵抗军领袖之父。后为救莎拉，凯尔同只剩下骨架的杀手同归于尽。

《终结者4》中“审判日”后在废墟中伴随饥饿长大的凯尔，成为战后仅存的幸存者之一，后被天网抓进集中营。之后，约翰·康纳带领反抗军直捣天网总部救出凯尔，凯尔随即加入反抗军。《终结者5》中穿越过去后意外成为约翰·康纳的父亲，一起抵抗黑暗势力。

‘叁’ 自学编程学习前端还是后端呢

首先无论是前端还是后端，只要做得足够深，都能够做得非常出彩。但如果从学前端还是学后

难易度前端和后端的发展前景都非常好，对于零基础人员来说，前端相对简单一些。在一个公司内，前端和后端的工资没有绝对的高低，最主要还是看个人的能力，能力越强拿到的工资就越多。这一行还是更加注重个人技术实力。入门难度第一，对于非科班同学，前端的入门难度比后端低，对计算机基础（数据结构&算法）的要求没有那么高。能够通过系统的学习，在较短的时间内掌握基本技能。当时你不能一开始就学习 TS 或框架（那可能就懵逼了），而是先打好基础，掌握 html、css、js 等基础知识，然后再学习一些主流的框架，比如 react 或者 vue。说前端比后端入门难度低，并不是说前端的知识比后端少，相反，前端的领域知识可能比后端还多，技术革新也更快，但这并不妨碍作为一个新手，通过系统学习，能够在较短的时间掌握干活的基本技能。具备这些技能可能不足以支撑你进入大厂，但去一些小公司，或者创业公司，还是有可能的。而且前端的一个特点是所见即所得，你能比较快速看到你写的代码的效果，相比后端能够更及时得到学习成果的反馈，在学习的过程中，你会更有信心，看到自己每天都在成长。面试难度第二，从面试的角度来说，对于非科班出身的同学，前端的面试难度要比后端相对低一些。首先还是要强调一点，如果你是面试大厂，数据结构和算法基本是必考的，如果只是通过培训班学习了前端领域相关的知识，那大概率是通不过面试，甚至通不过简历筛选（外包可能可以）。如果期望争取下大厂的机会，还需要自学数据结构、算法、计算机网络、操作系统等计算机专业课程，这个是需要一定时间来积累的。并且最好是有一定的项目实践经验。回到面试上来，后端面试中，对数据结构、算法等内容的考察，一般会比前端难一些，而有些公司的前端，特别是一些创业公司（比如我呆过的20人的创业公司），他们的前端面试可能主要围绕前端的领悟知识展开，对数据结构、算法等知识的考察比较少，或者干脆不考察。如果你通过培训达到了能干活能做事的状态，可能就满足了一些公司的用人诉求。工作机会第三，从工作机会来讲，前端的工作机会比后端可能稍微多一些。这部分可以参考各招聘网站或者app的职位情况。<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"/>如果是说就业的话，前端的情况可能会稍微好一些，因为它出现的时间比后端要晚，人才稍缺，但这只是暂时的，不久的将来也将达到供需平衡。而且没有基础的话，建议你学前端，一是因为前端的学习曲线比较平稳，二是因为前端目前就业情况还好，有些小公司招不到人，被迫不得不招新手。因为前端现在能做的事情比较多，从网站（web&h5）到小程序到客户端（跨端）到服务端（全栈），前端都可以做，所以岗位需求量也比较大。当然不同岗位的要求不太一样，如果是培训班出来的同学，一般做网站或者小程序开发的会多一些。这里也建议在上培训班之前，可以先看看网上的一些岗位的要求，看看通过培训班能否达到相应的要求。另外一些培训班是包工作安排的，就是会和一些企业合作，输出培训人才。不过比较现实的是，培训班一般和外包公司合作多一些，和企业合作比较少。也就是说，你培训完后，可能是作为外包同学进入一家公司（有可能是大厂）。外包不是正式员工，所以待遇一般比正式员工差一些，但也比很多其他职业的工资要高。我们公司也招外包，但只招前端的外包，不招后端的外包。从这点来看，前端的工作机会相比后端可能是多一点。最后给一点建议，因为不是科班出身，相比科班出身的同学，竞争力还是弱一些，所以还是建议如果有精力，系统性地去学习计算机相关的课程。如果你打算长期从事研发工程师的工作，那打好基础就是你持续上升的重要支撑。另外如果是学习前端，除了参加培训班，极客时间上也有一系列优质前端课程，都是行业大佬的干货，建议系统性学习。

‘肆’ 美国电视剧，一个电脑编程师给电脑编程人工智能的时候，叫雷电霹了。产生了智能。是那部电视呢。是男主。

电脑人 (1983)
导演: Kim Manners / Winrich Kolbe
编剧: Glen A. Larson / Sam Egan
主演: Desi Arnaz Jr. / Chuck Wagner / Robert Lansing / Heather McNair
类型: 科幻 / 冒险
制片国家/地区: 美国
语言: 英语
首播: 1983-12-15
集数: 13
单集片长: 50 分钟(12 episodes) / 70 分钟(pilot episode)
又名：Automan
剧情简介
警察局里的一个人创造了他，他有个蓝标，在空中随便一画，就能变出个东西，能变汽车·飞机·衣服·吉他，还能和人类合体

‘伍’ 科幻、悬疑、惊悚、烧脑，《异星灾变》配得上年度最佳美剧

提起雷德利·斯科特，相信许多影迷一定不会陌生，作为好莱坞知名的商业电影导演，在其数十年的电影生涯中，他曾经以一己之力推动了多个类型电影的发展，风格多变、题材广泛是他创作电影的重要特点。

在科幻类型电影领域，他曾经执导过《异形》、《银翼杀手》、《普罗米修斯》等多部极具份量和独特意义的经典佳作;在剧情电影上，他也曾拍摄出像《美好的一年》、《哥伦布传》、《黑鹰坠落》这般风格不一的电影作品。

在 历史 题材上，他同样也是一位成果斐然的创作者，曾经执导拍摄出《角斗士》、《天国王朝》这样的 历史 史诗电影。

到了今天，作为一位年过八旬的老人，雷德利·斯科特依旧没有放弃自己对电影的理想和追求，仍然紧跟时代，不断推出新的作品。

相较于这几年被人诟病江郎才尽的史蒂文·斯皮尔伯格、乔治·卢卡斯、彼得·杰克逊等电影鬼才，雷德利·斯科特始终保持着稳定的电影创作数量和品质，虽然这两年也曾先后在数部电影作品上栽了跟头，但是总体说来，依旧保持着佳作频出的态势。

特别是在科幻类型电影的创作上依旧令人惊叹，2012年的《普罗米修斯》、2015年的《火星救援》都令人眼前一亮。

在对电影拍摄产生厌倦之后，近两年的雷德利老爷子开始逐步将自己事业发展的重心转回了老本行，即电视剧集的制作拍摄。

他先是在2019年担任了剧集《血疫》的制片人，而后又在由HBOMAX推出的这部科幻剧集《异星灾变》中和他的儿子一同负责执导前三集。

单从前三集的整体风格、故事隐喻和叙事节奏来看，雷德利·斯科特依旧是宝刀未老，甚至大有比肩甚至超过HBO之前推出的《西部世界》之气势。

雷德利·斯科特究竟执导了怎样的一个故事？幻想与现实的边界究竟又在何处？由两个机器人开始的创世故事又将迎来怎样的故事结局？下面就让我们一起走进这部融合了现实与幻想的科幻作品一探究竟吧！

美国科幻文学的集大成者阿萨克·阿西莫夫曾经在他的作品中明确提出并阐释了所谓的”机器人的三大法则”，这一法则明确了人类作为创造者的主人身份和不可侵犯性，即便在今天的人工智能发展过程中依然具有极其深刻而又独特的意义和价值。

而《异星灾变》的故事从一开始便在某种程度上打破了这种身份禁锢，机器人不再是简简单单的奴隶，而是成为了重生世界的主导者，它带领观众以全新的视角去审视人类自身的发展。

故事从一艘飞船降落在荒无人烟的开普勒22b行星开始，飞船上是一对经过无神论者重新编程的机器人以及若干接受特殊处理尚未出生的人类胚胎。

在未来的地球行将毁灭之际，无神论者希望能够通过这种方式重新建立起人类文明，并希望这些“第一世代”能够在机器人“母亲”和“父亲”的教导之下，使未来重生的人类文明能够避免因为宗教再度陷入无休止的战争之中。

正如基督教神话中的亚当与夏娃，负责养育人类孩子的机器人也是一男一女两个性别特征，在贫瘠的星球上，他们所要面对的不仅仅只是养育孩子的挑战，同时还要面对恶劣艰苦的生存环境和未知的黑暗。

在真实的 历史 中，早期人类在面对未知事物时，往往会产生神明崇拜的心理，然而掌握了知识与科学的“母亲”和“父亲”却从小教导孩子们无神论的思想和科学知识能力，以便他们能够在未来再度创造辉煌的人类文明。

但是随着时间的流逝，第一世代唯有坎皮恩存活下来。眼见一个个同伴相继死去，他开始对眼前的一切产生了质疑，并不顾劝阻，自发地开始了祷告行为。

科学与信仰从这时开始首次在剧集中有了针锋相对的冲突，对死亡和未知的恐惧让盲目的信仰首次与所谓的科学真理形成了对立面。

熟悉罗马创建神话的观众一定不会忘记狼孩创城的故事，如果说剧集中的母亲所对应的是那头哺育两个孩子的母狼，那么电影中的孩子所对应的就是罗马城的两个创建者。

在真实的罗马帝国 历史 中，密特拉教同样也是存在的，然而隐秘的传播以及基督教的诞生使得这个宗教迅速灭亡。

联系真实的 历史 ，剧集所讲述的故事或许是发生在一个密特拉教并未灭亡或者说神秘复活的平行世界之中。

盲目的神明崇拜和教会的推波助澜在中世纪曾经导致了绵延数百年的十字军东征，无数的人们为自己的信仰付出了鲜血乃至生命的代价。

有趣的是，剧集中的密特拉教徒也是一副中世纪的模样，他们的高阶人员身穿着类似于主教一般的白色长袍，士兵则是融合了十字军的骑士盔甲和现代 科技 。

在雷德利·斯科特此前的那部《天国王朝》中，老爷子同样利用这段 历史 讲述了一个关于信仰、生命和平等的故事，不知道此次在《异星灾变》中出现的密特拉教徒是对前作的致敬，亦或是对 历史 的隐喻。

在巨大灾难和危机面前，自认为可以通过信仰获得救赎的密特拉教徒最终却是通过现代科学包裹下的“方舟”逃离了地球，他们带着寻找应许之地的美好期望踏上了神秘的旅途，最终却来到了一个荒无人烟同时又充满未知威胁的星球。

这样的剧情设置未免也过于讽刺，令人在震撼之中也不由深思，反观现实。

在我们的固有印象中依据编程行事的机器人往往是刻板而又冷漠，甚至在许多影视作品中作为反派出现的机器人形象堪称残酷而又冷血。

但是我们忽略的是，作为机器人创造者的人类又是否真的称得上真善美？

我们常常说父母的行为在某种程度上可以影响孩子的未来，乃至整个人生。那么机器人身上的这些特性又是否是作为造物主的人类身上本来就具有的特质呢？

在剧集的故事中，作为入侵者的密特拉教徒在闯入“母亲”和孩子们的生活之后，为了让被视为先知的坎皮恩能够离开现有的环境，当着孩子的面对“母亲”大打出手。

而方舟上的密特拉高阶人员利用自己的权力和等级对自己的同伴发号施令，甚至进行人身侵犯·····雷德利老爷子用这些情节所想向观众展示的显然已经不再只是一个创世故事那么简单了，这更是对如今反人工智能思想和人工智能威胁论的一种回应。

回到剧情本身，接受无神论者指派抚养人类孩子的“母亲”一方面对自己照顾的孩子表现出堪比人类父母的真挚 情感 ，而正是这份真挚的 情感 使得“母亲”逐渐从一个依据纯粹编程行动的机器人逐渐学会了独立思考和运作；另一方面有独立意识之后的“母亲”又对外来入侵的密特拉教徒表现出近乎野兽一般的残忍。

母性的光辉和野蛮的兽性使得这个角色无法被简单划分为善良与邪恶，在她的身上，我们更多所见到的其创造者身上复杂多变的人性。

在剧集的设定中，创造机器人的密特拉教徒和修改机器人编程的无神论者在连绵不绝的战争中最终毁灭了自己赖以生存的星球。

而带着创世任务来到全新环境之中的“母亲”在前三集的剧情已然开始了自我意识的觉醒，同时拥有母性光辉和毁灭力量的她又是否能够为自己的孩子做出正确的选择，不再重蹈人类之前的覆辙，再度上演一出毁灭的悲剧？

人类与机器人的边界究竟在何处？着名的科学家艾伦·麦西森·图灵曾经发明了“图灵测试”，能够通过这项测试的机器人即被视为具有人类智能。然而拥有人类智能是否就意味机器人能够完全成为人并且替代人类呢？

剧集给出了自己的答案。在“母亲”和“父亲”关怀之下成长的坎皮恩在质疑和迷茫中最终还是选择了背叛。即便“父亲”和“母亲”的关爱是真实存在的，但是他们的固有身份最终还是导致了他们与孩子之间产生了隔阂。

人造人无法的得到人类的完全信任，这一点使得他们便无法完全成长为人类本身。同时更重要的一点的是，自然孕育的生命与由人类精心编程下的产物之间是无法相提并论的。

‘陆’ 谁能推荐几个关于电脑高手的电影或电视剧啊

1、《我是谁：没有绝对安全的系统》（电影）

剧情简介：本杰明智商165，但是在现实世界中，他是一个失败者，并且常常为找不到存在感而忧伤。但是二十五岁的他却是一个电脑黑客，拥有对C/C++等多种编程语言以及在黑客死亡IP追踪上拥有不可思议的天赋，他可以追踪到任何一个人的任何信息。

而影片中另一位主人公麦克斯是一个渴望“黑客世界”的潜在革命者，他注意到了本杰明在网络方面神一般的操控能力。他们组建了黑客组织CLAY，并且先后入侵了国际安全系统、国际金融系统、国际金融评估系统、德国安全局、德国情报局。而在这期间他认识了他最开始喜欢的女孩，开始交往。

2、《网络杀机》（电影）

剧情简介：单身妈妈珍妮弗·马什是供职于FBI网络犯罪科的探员，她日常的工作就是对网络进行监视，查找任何一个盗取信用卡及其他可能造成危害的犯罪分子。在一次围剿信用卡盗贼的行动中，珍妮弗偶然进入一个名为KillwithMe的网站，网站通过视频直播一只小猫受虐死去的全过程。

珍妮弗直觉该网站背后必有黑幕，她试图追踪IP和服务器，最终一无所获，似乎她所面对的对手具有颇为复杂的背景。不久，该网站更新内容。画面中一个男子被捆绑起来，网站宣称浏览者越多，那名男子死得越快。珍妮弗等人眼睁睁看着男人死去，她决定不惜一切代价救出幕后黑手，却让自己也卷入这个死亡漩涡之中…

3、《骇客追缉令》（电影）

剧情简介：凯文密尼克可称为有史以来最厉害的电脑骇客，他侵入家电信公司，入侵联邦调查局的电脑，在网路世界中成为最难以捉摸的骇客之王，然而他却希望能遇上一个真正的挑战，当他开始入侵着名物理学家兼电脑天才下村勤的电脑系统后，他的愿望终于实现，并且可能超出他所能应付的…

4、《黑客军团》（美剧）

剧情简介：艾略特·奥尔德森居住在纽约市，是一名网络安全工程师。晚上，他化身为一名黑客。艾略特患有社交恐惧症。艾略特遇见了一个神秘的无政府主义者，他名为机器人先生。机器人先生招募艾略特加入他的黑客组织“反社会 ”。

艾略特感到好奇，但他并没有确定是否要加入这个黑客组织。机器人先生让艾略特暗中摧毁雇佣艾略特的公司。艾略特对此跨国集团反感，但秉持良心公义，他不想伤害无辜，所以仍然一次又一次抗拒去彻底揭发对世界有巨大影响力的这个集团。

5、《天蝎》（美剧）

剧情简介：佩吉有个高智商的儿子拉尔夫，她十分理解天才们的内心世界。如果没有佩吉，这些高智商者不仅连自己都照顾不好，还很容易被外人误解。这些聪明绝顶的书呆子最终接受了凯布提供的工作机会，这对他们来说是一份完美的工作；

他们可以将自己的超凡智慧用于正道，解决国家危机。与此同时，他们可以通过这份工作帮助彼此更好地融入现代社会。他们所面临的问题既包括赌场保安这种小问题，也包括无人战机发动攻击这种关乎国与国关系的大问题。

‘柒’ 美剧推荐：《西方极乐园》第一季 科幻惊悚与野蛮西部的完美结合

《Westworld：西方极乐园》描绘一个科技尖端进步的未来世界，一座充满拟真机器人的西部世界主题乐园，可以满足所有顾客最原始野蛮的欲望，毫无顾忌的屠杀或放荡享乐的性爱在荒野小镇中恣意横行，这个看似人类演化极限的娱乐活动，将遭到逐渐蜕变进化的人工智能反扑...

《Westworld：西方极乐园》在第一季首播集就揭示了这部剧的两个主要题旨，人类的演化与机器人的进化，当人工智能模彷人类的行为近乎完美时，我们还能仅仅将之看待成冰冷的机器吗？人与非人的界线在这个情况下渐渐地模煳。老“人魔”影帝Anthony Hopkins饰演的乐园创造者Dr. Robert Ford相信人类自古以来的演化动力就只是犯错，因为数不清的错误让人类脱离了原有的生活模式，在一次次意外中发现新的想法，一个微小的改变就可能将人类的生活带往下一个世代，对于机器人来说这个法则也同样适用。

预告中停留在女主角Dolores脸上的苍蝇是再明显不过的隐喻，微小不受控制的"bug"会引发核心程式错误，整个完美编排的巨大机器人生态系中，只要出现了一个不在编程中的错误，就将引起可怕的蝴蝶效应风暴。《Westworld：西方极乐园》的娱乐设计是让造访的顾客“新移民”融入预先编好的剧本事件中，像是玩角色扮演游戏一样在有固定剧情的开放世界中探索，因此观众可以在多次重复呈现的事件发现细微的变化，悬疑的成分恰到好处，观察入微的影迷可以享受推理后续剧情的乐趣。

《Westworld：西方极乐园》目前最令人赞叹之处是饰演机器人的演员们精致的演技，他们必须呈现比现实生活中机器人更写实的模样，又能在微表情等细微动作的表现上提醒观众他们是机器人，似真非真的“机器人彷人”行为加上随时够像切换应用程式一样修改的情绪转变，都让人深深佩服这出剧的细致程度。

《Westworld：西方极乐园》的机器人有着一套生存原则的设计，像是经典电影《机械公敌》中三个不能违背的核心法则，他们必须经过工程师的问题考核，确认他们不曾质疑自己存在的本质。这一连串的生存本质问题相当有趣，在机器人的世界中他们才是真实地活着，每天做自己该做的事，放牛吃草，在河边画画，在酒吧里吃喝嫖赌，抢劫火拼力图求生等，而造访的真人顾客反而像是失去灵魂的野兽，沉浸在虚构的幻想中。

Ed Harris饰演的黑衣男在第一集就有相当吃重的戏份，从《绝地任务》就非常喜爱他饰演的反派角色，奸诈老道的邪恶气场强大，目前还猜不出他真正的目的，但应该和预告的台词暗示相去不远，他将颠覆解放这个虚假的世界。James Marsden饰演的Teddy Flood是一般西部片中最常见的标志人物，富有正义感及绅士风度的神枪手，与他相对应的是Rodrigo Santoro饰演的悬赏通缉犯Hector Escaton，他们包办了第一集中主要的牛仔枪战戏码。

《Westworld：西方极乐园》的场景分为冰冷透明的科技实验室还有灼热明亮的西部荒原，两个场景呈现相当反差的感觉，在都是真人活动的实验室里感受不到人性，满是利益至上的算计还有毫无情感的科技操作，在都是机器人生活的荒野乐园，每个角色有着各自的爱恨情仇，更像是人类生活的模样。惊悚吓人的桥段在《Westworld：西方极乐园》里一样没少，西部火拼的血腥程度符合HBO一直以来的尺度，充斥着被淘汰机器人的废弃实验室有种令人窒息的诡异压迫感，非常期待接下来机器人反扑的猎杀会如何演出。

总结来说，《Westworld：西方极乐园》将科幻惊悚及野蛮西部的两种冲突元素融合地恰到好处，卡司强大的演技派演员们更是让这场科幻寓言无比真实，无论你是喜欢科技反思题材或迷恋荒野西部的暴力感，这部大制作都能满足期望！

‘捌’ python数据分析与应用第三章代码3-5的数据哪来的

savetxt

import numpy as np

i2 = np.eye(2)

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

3.4 读入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从0开始

3.6.1 算术平均值

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

3.6.2 加权平均值

t = np.arange(len(c))

np.average(c, weights=t)

3.8 极值

np.min(c)

np.max(c)

np.ptp(c) 最大值与最小值的差值

3.10 统计分析

np.median(c) 中位数

np.msort(c) 升序排序

np.var(c) 方差

3.12 分析股票收益率

np.diff(c) 可以返回一个由相邻数组元素的差

值构成的数组

returns = np.diff( arr ) / arr[ : -1] #diff返回的数组比收盘价数组少一个元素

np.std(c) 标准差

对数收益率

logreturns = np.diff( np.log(c) ) #应检查输入数组以确保其不含有零和负数

where 可以根据指定的条件返回所有满足条件的数

组元素的索引值。

posretindices = np.where(returns > 0)

np.sqrt(1./252.) 平方根，浮点数

3.14 分析日期数据

# 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) #按数组的元素运算,产生一个数组作为输出。

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

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

>>>np.take(a, indices)

array([4, 3, 6])

np.argmax(c) #返回的是数组中最大元素的索引值

np.argmin(c)

3.16 汇总数据

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

#得到第一个星期一和最后一个星期五

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

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

#创建一个数组，用于存储三周内每一天的索引值

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

#按照每个子数组5个元素，用split函数切分数组

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、需要保存的数组名、分隔符(在这个例子中为英文标点逗号)以及存储浮点数的格式。

.png

格式字符串以一个百分号开始。接下来是一个可选的标志字符：-表示结果左对齐，0表示左端补0，+表示输出符号(正号+或负号-)。第三部分为可选的输出宽度参数，表示输出的最小位数。第四部分是精度格式符，以”.”开头，后面跟一个表示精度的整数。最后是一个类型指定字符，在例子中指定为字符串类型。

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) #沿着X轴运动，取列切片

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

>>>np.apply_along_axis(my_func, 1, b) #沿着y轴运动，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 计算简单移动平均线

(1) 使用ones函数创建一个长度为N的元素均初始化为1的数组，然后对整个数组除以N，即可得到权重。如下所示：

N = int(sys.argv[1])

weights = np.ones(N) / N

print "Weights", weights

在N = 5时，输出结果如下：

Weights [ 0.2 0.2 0.2 0.2 0.2] #权重相等

(2) 使用这些权重值，调用convolve函数：

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

sma = np.convolve(weights, c)[N-1:-N+1] #卷积是分析数学中一种重要的运算，定义为一个函数与经过翻转和平移的另一个函数的乘积的积分。

t = np.arange(N - 1, len(c)) #作图

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

plot(t, sma, lw=2.0)

show()

3.22 计算指数移动平均线

指数移动平均线(exponential moving average)。指数移动平均线使用的权重是指数衰减的。对历史上的数据点赋予的权重以指数速度减小，但永远不会到达0。

x = np.arange(5)

print "Exp", np.exp(x)

#output

Exp [ 1. 2.71828183 7.3890561 20.08553692 54.59815003]

Linspace 返回一个元素值在指定的范围内均匀分布的数组。

print "Linspace", np.linspace(-1, 0, 5) #起始值、终止值、可选的元素个数

#output

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

(1)权重计算

N = int(sys.argv[1])

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

(2)权重归一化处理

weights /= weights.sum()

print "Weights", weights

#output

Weights [ 0.11405072 0.14644403 0.18803785 0.24144538 0.31002201]

(3)计算及作图

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 用线性模型预测价格

(x, resials, rank, s) = np.linalg.lstsq(A, b) #系数向量x、一个残差数组、A的秩以及A的奇异值

print x, resials, rank, s

#计算下一个预测值

print np.dot(b, x)

3.28 绘制趋势线

>>> x = np.arange(6)

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

>>> x

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

>>> np.ones_like(x) #用1填充数组

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

类似函数

zeros_like

empty_like

zeros

ones

empty

3.30 数组的修剪和压缩

a = np.arange(5)

print "a =", a

print "Clipped", a.clip(1, 2) #将所有比给定最大值还大的元素全部设为给定的最大值，而所有比给定最小值还小的元素全部设为给定的最小值

#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) #返回一个根据给定条件筛选后的数组

#output

[0 1 2 3]

Compressed [3]

b = np.arange(1, 9)

print "b =", b

print "Factorial", b.prod() #输出数组元素阶乘结果

#output

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

Factorial 40320

print "Factorials", b.cumprod()

#output

‘玖’ 美剧《硅谷》里Gilfoyle在现实中是什么样的

《硅谷》这部美剧当中的Bertram Gilfoyle在现实生活当中不仅有才华，还有财富，颜值还高，绝对是许多人心目当中的男神。Bertram Gilfoyle的身上充满着许多的矛盾，与其它的程序员不同，Bertram Gilfoyle从小喜欢写程序，但也狂爱摇滚音乐，同时是名撒旦信徒，编程的天赋极高，简直比男主角还要出彩。

通过以上的介绍，Bertram Gilfoyle这个角色在现实生活中一定是高富帅，并且极其有才华的男子。这群天才程序员聚集在科技世界的中心，成为了许多人非常羡慕的对象，可是这些看上去非常成功的人，四位不善于交际却又非常聪明的程序员在一系列的商业争夺战中一触即发。