学习

Python机器学习经典实例_Python教程

资源名称: 机器学习经典实例 内容简介: 在如今这个处处以数据驱动的世界中,机器学习正变得越来越大众化。它已经被广泛地应用于不同领域,如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络,等等。 本书是为想用机器学习算法开发应用程序的 程序员准备的。它适合 初学者阅读,不过熟悉 编程方法对体验示例代码大有裨益。 作者简介: 作者简介: 人工智能专家,重点关注基于内容的分析

深入Java集合学习系列(四) linkedHashMap的实现原理 中文PDF

资源名称:深入 集合学习系列 四 的实现原理 中文 是 接口的哈希表和链接列表实现,具有可预知的迭代顺序。此实现提供所有可选的映射操作,并允许使用 值和 键。此类不保证映射的顺序,特别是它不保证该顺序恒久不变。 实现与 的不同之处在于,后者维护着一个运行于所有条目的双重链接列表。此链接列表定义了迭代顺序,该迭代顺序可以是插入顺序或者是访问顺序。 资源截图:

Oracle精品学习笔记汇总_数据库教程

教程名称: 精品学习笔记汇总 课程目录: 【 教程网】 【 教程网】 安装过程 【 教程网】 笔记 【 教程网】 配置笔记 【 教程网】 学习笔记 【 教程网】 培训机构资料(笔记) 【 教程网】 常用 笔记 【 教程网】 常用 笔记 【 教程网】 语句学习笔记 【 教程网】 学习笔记 【 教程网】 正则表达式摘录笔记 【 教程网】 学习笔记之 编程 【 教程网】 数据库和 数据库的异同 第二版 【 教程网】 速学之 天培训笔记 【 教程网】三思笔记 【 教程网】很不错的 学习笔记【 】 【 教程网】自己

深度学习 Caffe之经典模型详解与实战

资源名称:深度学习 之经典模型详解与实战 内容简介: 《深度学习 之经典模型详解与实战》首先介绍了深度学习相关的理论和主流的深度学习框架,然后从 深度学习框架为切入点,介绍了 的安装、配置、编译和接口等运行环境,剖析 网络模型的构成要素和常用的层类型和 方法。通过 网络模型的 手写实例介绍其样本训练和识别过程,进一步详细解读了 、 、 、 和 网络模型,并给出了这些模型基于 的训练实战方法。然后,《深度学习 之经典模型详解与实战》解读了利用深度学习进行目标定位的经典网络模型: 、 、 、 和 ,并进行目标

Java程序设计完全学习手册(王作启/伍正云) 中文PDF

资源名称: 程序设计完全学习手册 王作启 伍正云 中文 第 章  基础第 章  开场白第 章 这些算法很有用第 章  的面向对象程序设计第 章 类的继承和多态第 章 接口浅议第 章 内部类、对象包装及装箱拆箱第 章 程序的异常第 章 最频繁的操作类型 字符串和日期第 章 集合第 章 让你一心二用 线程机制第 章 用 进行数据处理第 章 神奇的反射与注解第 章  回收垃圾与网络编程第 章 让界面炫起来第 章 数据库技术很重要第 章  技术的应用第 章 自己也能设计万年历第 章 简易考试系统 资源截图:

后盾网DIV+CSS前端学习VIP实战教程46课_前端开发教程

教程名称:后盾网 前端学习 实战教程 课 课程目录: 【 教程网】 实战课程 网站标准布局 及整站建设 【 教程网】 实战课程 网站标准布局 及整站建设 【 教程网】 实战课程 网站标准布局 及整站建设 【 教程网】 实战课程 网站标准布局 及整站建设 【 教程网】 实战课程 网站标准布局 及整站建设 【 教程网】 实战课程 网站标准布局 及整站建设 【 教程网】 实战课程 网站标准布局 及整站建设 【 教程网】 实战课程 网站标准布局 及整站建设 【 教程网】 实战课程 网站标准布局 及整站建设 【 教

extjs5.0学习文档 中文WORD版_前端开发教程

资源名称: 学习文档 中文 版 内容简介: 是一个强大的 类库,以前是基于雅虎 现在已经完全独立了。 它提供了丰富的,非常漂亮的外观体验,成为众多界面层开发人员的追捧!其核心的组件基本覆盖了我们构建 的常用的组件。 资源截图:

51obj出品的jQuery 入门学习教程(笔记)_前端开发教程

资源名称: 出品的 入门学习教程 笔记 内容简介: 入门学习 笔记 教程 ,高手的话就不要看了,打基础用的,内容涵盖入门前奏、 选择器、使用 操作 、选择器综合实例、 属性操作与 操作、 与节点操作、 事件、动画、 资源截图:

Python+Spark 2.0+Hadoop机器学习与大数据实战

资源名称: 机器学习与大数据实战 内容简介: 本书从浅显易懂的 大数据和机器学习 原理说明入手,讲述大数据和机器学习的基本概念,如分类、分析、训练、建模、预测、机器学习(推荐引擎)、机器学习(二元分类)、机器学习(多元分类)、机器学习(回归分析)和数据可视化应用等。书中不仅加入了新近的大数据技术,还丰富了 机器学习 内容。 为降低读者学习大数据技术的门槛,书中提供了丰富的上机实践操作和范例程序详解,展示了如何在单机 系统上通过 虚拟机安装多机 虚拟机,如何建立 集群,再建立 开发环境。书中介绍搭建的上机实