在當(dāng)今競(jìng)爭(zhēng)激烈的就業(yè)市場(chǎng)中，擁有一份滿意的工作恐怕不是一件容易的事情。而對(duì)于那些追求成本會(huì)計(jì)職位的人來(lái)說(shuō)，面試可以說(shuō)是獲取這份工作的關(guān)鍵一步。因此，在面試之前，準(zhǔn)備自己是非常重要的，特別是研究和掌握與成本會(huì)計(jì)相關(guān)的面試問(wèn)題。
首先，面試官可能會(huì)問(wèn)到你關(guān)于成本會(huì)計(jì)的基本知識(shí)。成本會(huì)計(jì)是一種用于記錄、分析和報(bào)告組織成本信息的會(huì)計(jì)方法。它與管理會(huì)計(jì)密切相關(guān)，旨在為企業(yè)提供準(zhǔn)確的成本數(shù)據(jù)，以便做出決策和控制成本的計(jì)劃。
成本會(huì)計(jì)的主要目的是為了提供有關(guān)產(chǎn)品或服務(wù)的成本信息，支持企業(yè)的決策制定。它幫助企業(yè)確定產(chǎn)品定價(jià)、控制成本、評(píng)估業(yè)務(wù)績(jī)效和制定預(yù)算。
成本會(huì)計(jì)有一些基本的原則，包括：
成本驅(qū)動(dòng)型會(huì)計(jì)是一種成本計(jì)算方法，它將企業(yè)的成本分配給特定的活動(dòng)、產(chǎn)品或服務(wù)。與傳統(tǒng)的費(fèi)用分配方法不同，ABC考慮到不同產(chǎn)品或服務(wù)之間的實(shí)際資源消耗差異。這種方法更加準(zhǔn)確地追蹤和分配成本。
作為一名成本會(huì)計(jì)，評(píng)估和控制企業(yè)的成本是你的重要任務(wù)之一。你可以通過(guò)以下方法來(lái)完成：
作業(yè)成本法是一種用于測(cè)算產(chǎn)品成本的方法，主要用于生產(chǎn)過(guò)程中數(shù)量較少、類型較多的產(chǎn)品。它將成本分配給不同的作業(yè)，并根據(jù)每個(gè)作業(yè)的實(shí)際消耗量進(jìn)行計(jì)算。
成本差異是實(shí)際成本與標(biāo)準(zhǔn)成本之間的差異。在面試中，你可以提到你在過(guò)去的工作中如何處理這種情況。你可以描述你如何分析成本差異、確定原因并提出解決方案來(lái)控制成本。
這是一個(gè)個(gè)人經(jīng)驗(yàn)和觀點(diǎn)的問(wèn)題，你可以提及你在成本會(huì)計(jì)職業(yè)生涯中遇到的最具挑戰(zhàn)性的任務(wù)。例如，這可能是處理大規(guī)模項(xiàng)目的成本分析，或者在緊迫的時(shí)間表下完成復(fù)雜的成本預(yù)算。
作為一名專業(yè)的成本會(huì)計(jì)，你應(yīng)該展示出你對(duì)行業(yè)發(fā)展和新技術(shù)的關(guān)注。你可以提到你加入會(huì)計(jì)協(xié)會(huì)、參加專業(yè)培訓(xùn)、閱讀相關(guān)的書(shū)籍和文章，并積極參與行業(yè)會(huì)議和研討會(huì)來(lái)不斷學(xué)習(xí)和拓寬自己的知識(shí)。
通過(guò)準(zhǔn)備以上的成本會(huì)計(jì)職位面試題，你將有更好的機(jī)會(huì)在面試中展現(xiàn)自己的知識(shí)和技能。記住，面試是一個(gè)展示自己的機(jī)會(huì)，與面試官進(jìn)行積極的溝通，并展示你的專業(yè)背景和潛力。祝你在面試中取得成功并實(shí)現(xiàn)自己的職業(yè)目標(biāo)！
成本會(huì)計(jì)工作組織的原則: 1、成本會(huì)計(jì)工作必須與技術(shù)相結(jié)合 2、成本會(huì)計(jì)工作必須與經(jīng)濟(jì)責(zé)任制相結(jié)合 3、成本會(huì)計(jì)工作必須建立在廣泛的職工群眾基礎(chǔ)
成本會(huì)計(jì)的主要工作就兩點(diǎn)：1）核算；2）分析。
1）核算
加工企業(yè)成本核算重點(diǎn)是：“制造費(fèi)用”分?jǐn)?，分?jǐn)偪梢园磳?shí)做工時(shí)（或定額工時(shí)）、材料消耗、人工成本、機(jī)器工時(shí)、產(chǎn)值等，正常生產(chǎn)條件下，定額或?qū)嵶龉r(shí)是最合理的，大修理或季節(jié)性生產(chǎn)，機(jī)器工時(shí)比較合理，在沒(méi)有工時(shí)的情況下，材料消耗相對(duì)合理。
主要難點(diǎn)是：1）直接成本與間接成本的確定；2）在產(chǎn)品與產(chǎn)成品的確認(rèn)。
2）分析
一定時(shí)期的成本應(yīng)該進(jìn)行分析，找出問(wèn)題，提出降耗減費(fèi)的意見(jiàn)?？梢栽O(shè)計(jì)計(jì)劃成本或定額成本，與實(shí)際消費(fèi)進(jìn)行比對(duì)，便于找出差距。計(jì)劃成本是人為計(jì)算的，需要材料消耗定額、工時(shí)定額、技術(shù)條件、工藝路線、生產(chǎn)計(jì)劃等非財(cái)務(wù)資料，以及材料計(jì)劃價(jià)格、固定資產(chǎn)折舊等財(cái)務(wù)資料，工作量較大，但對(duì)任何一個(gè)制造企業(yè)來(lái)說(shuō)，都是高級(jí)財(cái)務(wù)管理，受益匪淺。
作為一名成本會(huì)計(jì)，不但要掌握會(huì)計(jì)知識(shí)，還要了解生產(chǎn)加工流程、主要技術(shù)原理、工藝要求等非財(cái)務(wù)知識(shí)?？赡苄枰嗟交鶎幼咦?、看看，學(xué)習(xí)一下。
至于成本控制，主要是領(lǐng)導(dǎo)的事情，成本會(huì)計(jì)需要向領(lǐng)導(dǎo)提出建議或意見(jiàn)，這個(gè)光靠一個(gè)會(huì)計(jì)是控制不了的，還需要各方面（企業(yè)領(lǐng)導(dǎo)、基層領(lǐng)導(dǎo)、工人等）配合，以及各種政策（獎(jiǎng)勵(lì)、激勵(lì)等）配合。
1.利率=純粹利率+通貨膨脹附加率+風(fēng)險(xiǎn)附加率
2.流動(dòng)比率=流動(dòng)資產(chǎn)/流動(dòng)負(fù)債
3.速動(dòng)比率=(流動(dòng)資產(chǎn)-存貨)/流動(dòng)負(fù)債 ? 速動(dòng)比率=速動(dòng)資產(chǎn)/流動(dòng)負(fù)債 速動(dòng)資產(chǎn)不包括存貨?一年內(nèi)到期的流動(dòng)資產(chǎn)?待攤費(fèi)用
4.保守速動(dòng)比率=(現(xiàn)金+短期證券+應(yīng)收票據(jù)+應(yīng)收賬款凈額)/流動(dòng)負(fù)債
5.營(yíng)業(yè)周期=存貨周轉(zhuǎn)天數(shù)+應(yīng)收賬款周轉(zhuǎn)天數(shù)
6.存貨周轉(zhuǎn)率(次數(shù))=銷售成本/平均存貨 其中：平均存貨=(存貨年初數(shù)+存貨年末數(shù))/2 存貨周轉(zhuǎn)天數(shù)=360/存貨周轉(zhuǎn)率=(平均存貨*360)/銷售成本
說(shuō)明：一般是銷售收入?指有用到考核業(yè)績(jī)?才用銷售成本
7.應(yīng)收賬款周轉(zhuǎn)率(次)=銷售收入/平均應(yīng)收賬款 其中：銷售收入為扣除折扣與折讓后的凈額;應(yīng)收賬款是未扣除壞賬準(zhǔn)備的金額 應(yīng)收賬款周轉(zhuǎn)天數(shù)=360/應(yīng)收賬款周轉(zhuǎn)率=(平均應(yīng)收賬款*360)/主營(yíng)業(yè)務(wù)收入凈額
8.流動(dòng)資產(chǎn)周轉(zhuǎn)率(次數(shù))=銷售收入/平均流動(dòng)資產(chǎn)
9.總資產(chǎn)周轉(zhuǎn)率=銷售收入/平均資產(chǎn)總額
10.資產(chǎn)負(fù)債率=負(fù)債總額/資產(chǎn)總額
11.產(chǎn)權(quán)比率=負(fù)債總額/所有者權(quán)益
12.有形凈值債務(wù)率=負(fù)債總額/(股東權(quán)益-無(wú)形資產(chǎn)凈值)
13.已獲利息倍數(shù)=息稅前利潤(rùn)/利息費(fèi)用
14.銷售凈利率=凈利潤(rùn)/銷售收入*100%
15.銷售毛利率=(銷售收入-銷售成本)/銷售收入*100%
16.資產(chǎn)凈利率=凈利潤(rùn)/平均資產(chǎn)總額
17.凈資產(chǎn)收益率=凈利潤(rùn)/平均凈資產(chǎn)(或年末凈資產(chǎn))*100% 或銷售凈利率*資產(chǎn)周轉(zhuǎn)率*權(quán)益乘數(shù)或資產(chǎn)凈利率*權(quán)益乘數(shù)
18.權(quán)益乘數(shù)=平均資產(chǎn)總額/平均所有者權(quán)益總額=1/(1-資產(chǎn)負(fù)債率)
19.平均發(fā)行在外普通股股數(shù)=∑(發(fā)行在外的普通股數(shù)*發(fā)行在在外的月份數(shù))/12
20.每股收益=凈利潤(rùn)/年末普通股份總數(shù)=(凈利潤(rùn)-優(yōu)先股利)/(年末股份總數(shù)-年末優(yōu)先股數(shù))
21.市盈率=普通股每市價(jià)/每股收益
22.每股股利=股利總額/年末普通股總數(shù)
23.股票獲利率=普通股每股股利/每股市價(jià)
24.市凈率=每股市價(jià)/每股凈資產(chǎn)
25.股利支付率=普通股每股股利/普通股每股凈收益*100%
26.股利保障倍數(shù)=股利支付率的倒數(shù)=普通股每股凈收益/普通股每股股利
27.留存盈利比率=(凈利潤(rùn)-全部股利)/凈利潤(rùn)*100%
28.每股凈資產(chǎn)=年末股東權(quán)益(扣除優(yōu)先股)/年末普通股數(shù)
29.現(xiàn)金到期債務(wù)比=經(jīng)營(yíng)現(xiàn)金凈流入/本期到期的債務(wù)=經(jīng)營(yíng)現(xiàn)金凈流入/(到期長(zhǎng)期債務(wù)+應(yīng)付票據(jù))
30.現(xiàn)金流動(dòng)負(fù)債比=經(jīng)營(yíng)現(xiàn)金流量/流動(dòng)負(fù)債
31.現(xiàn)金債務(wù)總額比=經(jīng)營(yíng)現(xiàn)金流入/債務(wù)總額
32.銷售現(xiàn)金比率=經(jīng)營(yíng)現(xiàn)金流量/銷售額
33.每股營(yíng)業(yè)現(xiàn)金凈流量=經(jīng)營(yíng)現(xiàn)金凈流量/普通股數(shù)
34.全部資產(chǎn)現(xiàn)金回收率=經(jīng)營(yíng)現(xiàn)金凈流量/全部資產(chǎn)*100%
35、現(xiàn)金滿足投資比=近5年經(jīng)營(yíng)活動(dòng)現(xiàn)金凈流量/近5年資本支出、存貨增加、現(xiàn)金股利之和
36.現(xiàn)金股利保障倍數(shù)=每股營(yíng)業(yè)現(xiàn)金凈流量/每股現(xiàn)金股利
37.凈收益營(yíng)運(yùn)指數(shù)=經(jīng)營(yíng)凈收益/凈收益=(凈收益-非經(jīng)營(yíng)收益)/凈收益
成本會(huì)計(jì)職責(zé):
1、負(fù)責(zé)生產(chǎn)成本的核算，認(rèn)真進(jìn)行成本、開(kāi)支的事前審核；
2、嚴(yán)格控制成本，促進(jìn)增產(chǎn)節(jié)約，增收節(jié)支，提高企業(yè)的經(jīng)濟(jì)效益；
3、負(fù)責(zé)對(duì)生產(chǎn)成本進(jìn)行監(jiān)督和管理；督導(dǎo)成本控制及清點(diǎn)存貨，審查原材料的采購(gòu)；
4、認(rèn)真核對(duì)各項(xiàng)原料、物料、成品、在制品收付事項(xiàng)。負(fù)責(zé)編制原料轉(zhuǎn)賬傳票。負(fù)責(zé)編制工廠成本轉(zhuǎn)賬傳票；
5、隨時(shí)抽查企業(yè)原材料供應(yīng)情況；
6、根據(jù)成本報(bào)表預(yù)測(cè)成本，就產(chǎn)品的銷售價(jià)格編制報(bào)告，向財(cái)務(wù)經(jīng)理提供資料；
7、保管好各種憑證、賬簿、報(bào)表及有關(guān)成本計(jì)算資料，防止丟失或損壞，按月裝訂并定期歸檔；
華南理工成本會(huì)計(jì)是一個(gè)重要的課程，涵蓋了公司成本計(jì)算和管理的核心概念。對(duì)于學(xué)習(xí)成本會(huì)計(jì)的學(xué)生來(lái)說(shuō)，課程作業(yè)是提高理解和應(yīng)用這些概念的關(guān)鍵部分。
成本會(huì)計(jì)是管理會(huì)計(jì)中的關(guān)鍵組成部分，用于計(jì)算和控制企業(yè)的成本。通過(guò)成本會(huì)計(jì)，企業(yè)能夠深入了解各項(xiàng)成本，從而制定成本控制和決策。在現(xiàn)代競(jìng)爭(zhēng)激烈的商業(yè)環(huán)境中，成本會(huì)計(jì)對(duì)企業(yè)的長(zhǎng)期發(fā)展至關(guān)重要。
華南理工成本會(huì)計(jì)課程是一門(mén)為學(xué)生提供深入了解成本會(huì)計(jì)的全面教育的課程。課程內(nèi)容包括成本控制、成本計(jì)算和成本分析等方面的知識(shí)。學(xué)生將學(xué)習(xí)如何在實(shí)際業(yè)務(wù)場(chǎng)景中應(yīng)用這些概念和技能。
作為華南理工成本會(huì)計(jì)課程的一部分，學(xué)生需要完成一系列的作業(yè)。這些作業(yè)旨在幫助學(xué)生鞏固他們所學(xué)的理論知識(shí)，并能夠應(yīng)用于實(shí)際案例分析中。下面是一些常見(jiàn)的成本會(huì)計(jì)作業(yè)類型：
通過(guò)完成這些作業(yè)，學(xué)生將能夠深入理解成本會(huì)計(jì)的各個(gè)方面，并能夠在實(shí)際工作中應(yīng)用這些知識(shí)和技能。
盡管成本會(huì)計(jì)是一個(gè)重要的領(lǐng)域，但也存在一些挑戰(zhàn)。其中之一是不同企業(yè)可能有不同的成本結(jié)構(gòu)和計(jì)算方法。學(xué)生需要學(xué)習(xí)適應(yīng)不同企業(yè)的成本會(huì)計(jì)體系，并具備解決實(shí)際問(wèn)題的能力。
此外，成本會(huì)計(jì)也需要與其他部門(mén)合作，如采購(gòu)、生產(chǎn)和銷售部門(mén)。學(xué)生需要了解公司內(nèi)部的業(yè)務(wù)流程，并通過(guò)跨部門(mén)合作來(lái)獲取準(zhǔn)確的成本信息。
最后，成本會(huì)計(jì)也需要與現(xiàn)代技術(shù)和軟件工具保持同步。學(xué)生需要學(xué)習(xí)使用電子表格和成本會(huì)計(jì)軟件等工具來(lái)計(jì)算和分析成本。
華南理工成本會(huì)計(jì)課程作業(yè)是學(xué)生拓展知識(shí)和提高技能的關(guān)鍵部分。通過(guò)案例分析、成本計(jì)算和成本分析等作業(yè)，學(xué)生將能夠在實(shí)際業(yè)務(wù)場(chǎng)景中應(yīng)用所學(xué)的成本會(huì)計(jì)知識(shí)，并為企業(yè)的決策和控制提供支持。
成本會(huì)計(jì)雖然面臨一些挑戰(zhàn)，但通過(guò)與其他部門(mén)的合作和應(yīng)用現(xiàn)代技術(shù)工具，學(xué)生可以克服這些挑戰(zhàn)，并為企業(yè)的長(zhǎng)期成功做出貢獻(xiàn)。
成本會(huì)計(jì)能用起來(lái)的，當(dāng)然是生產(chǎn)加工制造業(yè)啦。
這種單位一般規(guī)模較大，資金較為充足，固定資產(chǎn)占資產(chǎn)比重較大，財(cái)務(wù)核算比較規(guī)范，五險(xiǎn)一金也是有保障的。薪資在同類職位中偏中上等的水平。
成本會(huì)計(jì)常常兼具企業(yè)管理會(huì)計(jì)的一些職能，一般來(lái)說(shuō)，工資在公司會(huì)計(jì)崗位中會(huì)偏高一些的。
不過(guò)，成本會(huì)計(jì)涉及與公司車間打交道，要了解公司生產(chǎn)工藝流程等，要參與車間存貨管理和成本分析等，工作量可能相對(duì)來(lái)說(shuō)比較大一些，工作環(huán)境也不會(huì)太好，會(huì)有一些噪音、氣體污染等，工作地點(diǎn)一般離市區(qū)也會(huì)比較遠(yuǎn)。
發(fā)展前景么，做得好，升職，自然工資就高了。這和做不做成本會(huì)計(jì)崗位也沒(méi)有太大關(guān)系。
之前看了Mahout官方示例 20news 的調(diào)用實(shí)現(xiàn)；于是想根據(jù)示例的流程實(shí)現(xiàn)其他例子。網(wǎng)上看到了一個(gè)關(guān)于天氣適不適合打羽毛球的例子。
訓(xùn)練數(shù)據(jù)：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
檢測(cè)數(shù)據(jù)：
sunny，hot，high，weak
結(jié)果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代碼調(diào)用Mahout的工具類實(shí)現(xiàn)分類。
基本思想：
1. 構(gòu)造分類數(shù)據(jù)。
2. 使用Mahout工具類進(jìn)行訓(xùn)練，得到訓(xùn)練模型。
3。將要檢測(cè)數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對(duì)vector數(shù)據(jù)進(jìn)行分類。
接下來(lái)貼下我的代碼實(shí)現(xiàn)=》
1. 構(gòu)造分類數(shù)據(jù)：
在hdfs主要?jiǎng)?chuàng)建一個(gè)文件夾路徑 /zhoujainfeng/playtennis/input 并將分類文件夾 no 和 yes 的數(shù)據(jù)傳到hdfs上面。
數(shù)據(jù)文件格式，如D1文件內(nèi)容： Sunny Hot High Weak
2. 使用Mahout工具類進(jìn)行訓(xùn)練，得到訓(xùn)練模型。
3。將要檢測(cè)數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對(duì)vector數(shù)據(jù)進(jìn)行分類。
這三步，代碼我就一次全貼出來(lái)；主要是兩個(gè)類 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 測(cè)試代碼
*/
public static void main(String[] args) {
//將訓(xùn)練數(shù)據(jù)轉(zhuǎn)換成 vector數(shù)據(jù)
makeTrainVector();
//產(chǎn)生訓(xùn)練模型
makeModel(false);
//測(cè)試檢測(cè)數(shù)據(jù)
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//將測(cè)試數(shù)據(jù)轉(zhuǎn)換成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失?。?#34;);
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件轉(zhuǎn)換成向量失敗！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//將測(cè)試數(shù)據(jù)轉(zhuǎn)換成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失?。?#34;);
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件轉(zhuǎn)換成向量失敗！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成訓(xùn)練模型失??！");
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map<String, Integer> dictionary;
private static Map<Integer, Long> documentFrequency;
private static Map<Integer, String> labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("檢測(cè)數(shù)據(jù)構(gòu)造成vectors初始化時(shí)報(bào)錯(cuò)。。。。");
System.exit(4);
}
}
/**
* 加載字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {
Map<String, Integer> dictionnary = new HashMap<String, Integer>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加載df-count目錄下TermDoc頻率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset<String> words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1時(shí)表示總文檔數(shù)
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要從dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用貝葉斯算法開(kāi)始分類,并提取得分最好的分類label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("檢測(cè)所屬類別是："+getCheckResult());
}
}
1. 請(qǐng)介紹一下WebGIS的概念和作用，以及在實(shí)際應(yīng)用中的優(yōu)勢(shì)和挑戰(zhàn)。
WebGIS是一種基于Web技術(shù)的地理信息系統(tǒng)，通過(guò)將地理數(shù)據(jù)和功能以可視化的方式呈現(xiàn)在Web瀏覽器中，實(shí)現(xiàn)地理空間數(shù)據(jù)的共享和分析。它可以用于地圖瀏覽、空間查詢、地理分析等多種應(yīng)用場(chǎng)景。WebGIS的優(yōu)勢(shì)包括易于訪問(wèn)、跨平臺(tái)、實(shí)時(shí)更新、可定制性強(qiáng)等，但也面臨著數(shù)據(jù)安全性、性能優(yōu)化、用戶體驗(yàn)等挑戰(zhàn)。
2. 請(qǐng)談?wù)勀赪ebGIS開(kāi)發(fā)方面的經(jīng)驗(yàn)和技能。
我在WebGIS開(kāi)發(fā)方面有豐富的經(jīng)驗(yàn)和技能。我熟悉常用的WebGIS開(kāi)發(fā)框架和工具，如ArcGIS API for JavaScript、Leaflet、OpenLayers等。我能夠使用HTML、CSS和JavaScript等前端技術(shù)進(jìn)行地圖展示和交互設(shè)計(jì)，并能夠使用后端技術(shù)如Python、Java等進(jìn)行地理數(shù)據(jù)處理和分析。我還具備數(shù)據(jù)庫(kù)管理和地理空間數(shù)據(jù)建模的能力，能夠設(shè)計(jì)和優(yōu)化WebGIS系統(tǒng)的架構(gòu)。
3. 請(qǐng)描述一下您在以往項(xiàng)目中使用WebGIS解決的具體問(wèn)題和取得的成果。
在以往的項(xiàng)目中，我使用WebGIS解決了許多具體問(wèn)題并取得了顯著的成果。例如，在一次城市規(guī)劃項(xiàng)目中，我開(kāi)發(fā)了一個(gè)基于WebGIS的交通流量分析系統(tǒng)，幫助規(guī)劃師們?cè)u(píng)估不同交通方案的效果。另外，在一次環(huán)境監(jiān)測(cè)項(xiàng)目中，我使用WebGIS技術(shù)實(shí)現(xiàn)了實(shí)時(shí)的空氣質(zhì)量監(jiān)測(cè)和預(yù)警系統(tǒng)，提供了準(zhǔn)確的空氣質(zhì)量數(shù)據(jù)和可視化的分析結(jié)果，幫助政府和公眾做出相應(yīng)的決策。
4. 請(qǐng)談?wù)勀鷮?duì)WebGIS未來(lái)發(fā)展的看法和期望。
我認(rèn)為WebGIS在未來(lái)會(huì)繼續(xù)發(fā)展壯大。隨著云計(jì)算、大數(shù)據(jù)和人工智能等技術(shù)的不斷進(jìn)步，WebGIS將能夠處理更大規(guī)模的地理數(shù)據(jù)、提供更豐富的地理分析功能，并與其他領(lǐng)域的技術(shù)進(jìn)行深度融合。我期望未來(lái)的WebGIS能夠更加智能化、個(gè)性化，為用戶提供更好的地理信息服務(wù)，助力各行各業(yè)的決策和發(fā)展。
這塊您需要了解下stm32等單片機(jī)的基本編程和簡(jiǎn)單的硬件設(shè)計(jì)，最好能夠了解模電和數(shù)電相關(guān)的知識(shí)更好，還有能夠會(huì)做操作系統(tǒng)，簡(jiǎn)單的有ucos，freeRTOS等等。最好能夠使用PCB畫(huà)圖軟件以及keil4等軟件。希望對(duì)您能夠有用。
成本會(huì)計(jì)是比較難的，但你已經(jīng)參加工作了，有實(shí)際操作的機(jī)會(huì)和經(jīng)驗(yàn)，你也有會(huì)計(jì)基礎(chǔ)，學(xué)起來(lái)不會(huì)太難的，你得有信心！有很多人不學(xué)會(huì)計(jì)怎么還做會(huì)計(jì)來(lái)，是吧．
