一年前,我发表了“每个程序员都应该尝试的项目”一文。文中列出了每个程序员都应该去尝试的项目,包括一个文本编辑器、太空入侵者游戏、一个 BASIC 编译器、一个小型的操作系统、一个电子表格和一个视频游戏控制台模拟器。这篇文章在网上爆红,一个月内浏览量超过 10 万次。
现在,我要加入更多“现代”的项目:
光线追踪器
键值存储 Web API
Web 浏览器
股票交易机器人
光线追踪者
它是 3D 图形!在发表前一篇文章后,我收到很多评论,建议加入光线追踪器。我同意了他们的建议。事实上,这是我在 2009 年学习 C#时最先尝试的一个项目。如果你无法马上理解所有与数学相关的东西或术语,请不要担心,你可以循序渐进,努力取得进步。网上有很多关于光线追踪器的资源优势,在学习过程中,你会获得强烈的视觉感受。
光线跟踪器可以生成一些非常好看的图像,只需要 300 行代码!首先,你可能需要支持各种反射、光线和纹理,或者你开始意识到原来渲染一张图片需要几分钟,所以你开始优化。你可以使用线程并行化光线追踪器、减少交集的数量,或者使用分析器来跟踪分配了多少对象并找出瓶颈。
创意!我不想再去做另一个优化到半路的光线追踪器,也不想追求超现实的折射效果。相反,我特意降低了分辨率,这样就可以做出实时动画。一个带有下落粒子旋转圆环的动图可以让你在推特上获得不少点赞。我认为独立游戏可以走这条路,创造出独特的艺术风格。请期待我的 8 位复古视频游戏!
更多资料:
系列书籍之“Ray Tracing In One Weekend”
键值存储 Web API
键值存储实际上就是一个字典。向它提供一个键,它就返回一个值。你可以添加新键、删除键或更新值。实际上,这就是一个 NoSQL 数据库!不过你可以更进一步,将其作为 Web API,这样你未来的所有 Web 应用程序都可以使用你的数据库服务。
我真的很喜欢这个项目,因为用它来创建最基本的“数据库”真的很容易。你可以从使用任何一门编程语言所提供的字典数据结构开始,并在这个基础之上添加一个 Web API。除此之外,你还可以添加更多的内容:性能优化、安全性和多用户、原子事务、数据类型、批处理操作、持久性、故障恢复,以及跨多个服务器运行能力。很快,你就会拥有像 Redis 或 Amazon DynamoDB 那样价值 10 亿美元的产品。
说真的,打开你的代码编辑器,并使用你最喜欢的编程语言尝试一下。为了获得不同的体验,我用 Go 和 Racket 试过了,并从中获得了很多启发。在一些小型的测试中,我的 Go 版本的性能已经足够好了。
更多资料:
Web 浏览器
第一次面试一个软件开发岗位时,面试官问我:“当你在浏览器上输入 Yelp.com 并按回车键时,都发生了什么”?我回答得不好,没有通过面试。于是,我开始了解万物运作原理的旅程。我发现最有趣的是浏览器如何将 HTML 和 CSS 转换成渲染好的 Web 页面。这是一个很常见的面试题,但我却因为太无知没有回答好。有一个非常棒的资源,它为很多问题提供了答案。
想要设计出一些足以击垮 Safari 或 Brave 的杀手级用户界面?不要抱太大希望了。在你达到那个目标之前,还有很多事情要做!不如让我们来缩小一下范围,假设你有一个 HTTP 库和一个 HTML 解析器,你必须实现自己的渲染器。你不能使用 WebBrowser 或 WebKit 之类的东西。你会怎么做?
我的建议是从创建一个基于文本的 Web 浏览器开始。实际上,你也可以忽略所有的格式化问题,忽略所有的 JavaScript 和 CSS。你要做的是使用给定的 URL 执行 HTTP GET,解析 HTML,找到需要显示的文本,并将其显示在屏幕上。你要做的就是这些。
获得纯文本之后,你就可以添加其他功能了。你可以添加标签、历史、后退和前进按钮,等等。但到了某个时候,你可能想要的不只是文本……那么祝你们好运。渲染网页视觉元素可能是我永远不会去尝试的事情,或许要等到我有用不完的时间。一步一步来,每次只关注一个 HTML 标记和属性。如果你想尝试这么做,请让我知道是如何进行的。
更多资料:
股票交易机器人
现在,你有机会构建一些理论上可以让你变得富有的东西:股票交易机器人!构建一个基础的交易机器人是非常简单的,你可以添加无穷无尽的功能。你甚至不需要了解任何与投资有关的知识。在这个过程中,你至少可以学到如何利用不同的 Web API、如何处理数据,并应用现有或创建自己的交易策略。你可以使用大量的历史数据来测试它。
这样还不够?那就用上机器学习或搭建一个Twitch流,让陌生人来控制你的钱。
这是一个基础的交易机器人开发路线。首先,找出几家你感兴趣的大公司(如苹果、特斯拉和 Target)。第二,确定何时买进、何时卖出。例如,如果当前价格达到 52 周低点就买入,如果达到 52 周高点就卖出。(千万不要把这个策略用在实际当中,这个策略其实是个愚蠢的策略)。第三,弄清楚如何使用一个免费的 API 来获取股票数据。第四,建立测试环境,让它跑起来!
现在可以找乐子了……使用历史数据进行自动化测试,实现几十种交易算法,并对它们进行比较,添加可视化,使用 API 连接到真正的券商服务器,尝试一些机器学习或进化算法,并将成功的交易结果共享到 Twitter 上。
更多资料:
原文链接:
https://web.eecs.utk.edu/~azh/blog/morechallengingprojects.html
评论 3 条评论