学习

Python机器学习——预测分析核心算法_Python教程

资源名称: 机器学习 预测分析核心算法 内容简介: 在学习和研究机器学习的时候,面临令人眼花缭乱的算法,机器学习新手往往会不知 所措。本书从算法和 语言实现的角度,帮助读者认识机器学习。 书专注于两类核心的 算法族 ,即惩罚线性回归和集成方法,并通过代码实例来 展示所讨论的算法的使用原则。全书共分为 章,详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。 本书主要针对想提高机器学习技能的 开发人员,帮助他们解决某一特定的项 目或是提升相关的技能。 作者简介: 在硅谷

JSF入门深入学习 WORD版_前端开发教程

资源名称: 入门深入学习 版 内容简介: 本文档主要讲述的是 入门深入学习; 为 的 应用用户界面的开发人员提供了标准的编程接口、丰富可扩展的 组件库(一个核心的 标记库用来处理事件、执行验证以及其他非 相关的操作和一个标准的 标记库来表示 组件)、事件驱动模型等一套完整的 应用框架,通过 ,您可以在页面中轻松自如地使用 组件、捕获用户行为所产生的事件、执行验证、建立页面导航 ,当使用支持 的开发工具来开发 应用的时候,一切将会变得异常简单, 方式拖放组件、修改组件属性、建立组件间关联以及编写事件侦听器等

python学习笔记与简明教程 中文_Python教程

资源名称: 学习笔记与简明教程 中文 本文档是 学习笔记与简明教程;为什么用 作为编程入门语言?每种语言都会有它的支持者和反对者。去 一下 ,你会得到很多结果,诸如应用范围广泛、开源、社区活跃、丰富的库、跨平台等等等等,也可能找到不少对它的批评,格式死板、效率低、国内用的人很少之类。不过这些优缺点的权衡都是程序员们的烦恼。作为一个想要学点编程入门的初学者来说,简单才是最重要的。当学 的同学还在写链表,学 的同学还在折腾运行环境的时候,学 的你已经像上图一样飞上天了 资源截图:

JavaScript完全学习手册_前端开发教程

资源名称: script完全学习手册 内容简介: 本书分 篇 章,介绍 script的知识,全书内容包括: script语法基础、流程控制、函数、内置对象编程、文档对象模型 与事件驱动、处理 、使用 和文件、应用 技术等。本书最后一篇从 个方面详细介绍常见网页特效的实现过程。本书配套光盘内容为本书的源代码和软件配置教学视频文件。 本书适合于中、高级 script动态网站开发人员,特别适合于有编程基础,希望全面学习 script技术,提高实际应用能力的读者群体。 资源目录: 第 篇 script基础篇 第

Ionic学习手册 中文pdf_前端开发教程

资源名称: 学习手册 中文 第 章 基于 框架第 章 入门第 章 组件和导航第 章 和 第 章 指令和服务第 章 构建书店 第 章 和 第 章 构建聊天 第 章 发布 资源截图:

MFC基础学习PPT课件(16个)

资源名称: 基础学习 课件( 个) 资源目录: 【 教程网】 程序运行原理 【 教程网】 多线程和同步 【 教程网】 进程的控制和访问 【 教程网】 动态链接库和钩子 【 教程网】 远程 注入 【 教程网】 网络编程 【 教程网】 协议编程 【 教程网】 数据库访问 【 教程网】 用 开发 程序 【 教程网】 窗口程序的编写 【 教程网】 画图 操作 【 教程网】 文本编程 【 教程网】 菜单编程 【 教程网】 对话框和控件 【 教程网】 对话框和控件 【 教程网】 对话框和控件 【 教程网】 公共对话框

python学习手册 第5版(英文版)_Python教程

资源名称: 学习手册 第 版(英文版) 内容简介 . & script . script : , , , , : : . : : . . : . : : : script . : script : script . : . : : : : : : . . . . . . . . 资源截图:

MongoDB精品学习资料大全_数据库教程

教程名称: 精品学习资料大全 课程目录: 【 教程网】 中 的应用 【 教程网】 在盛大大数据量下的应用 【 教程网】 【 教程网】 的 个开发诀窍以及杀手绝招 【 教程网】 官方文档 【 教程网】 简介与实践 【 教程网】 绝对必读之权威指南 【 教程网】 模式设计介绍 【 教程网】 权威指南 【 教程网】 权威指南中文版 【 教程网】 实战开发 【 教程网】 拓展教学手册 【 教程网】 网络资料的全面总结 【 教程网】 与 开发实战 【 教程网】 与 开发应用 【 教程网】 在 中的应用

大数据与机器学习:实践方法与行业案例

资源名称:大数据与机器学习:实践方法与行业案例 内容简介: 本书从企业实践出发,内容覆盖数据、平台、分析和应用等企业内数据流转的主要环节。布局上,按照数据与平台篇、分析篇和应用篇分别撰写。数据与平台篇(第 章),立足找到数据、整合数据、使用数据三个角度,介绍数据在企业内的分布和处理逻辑,以便快速为分析准备素材。分析篇(第 章),选取企业实际案例,介绍常用的数据挖掘与机器学习算法,以业务场景为导向展示数据分析过程和技巧。应用篇(第 章),选取当前主流的四个应用场景,介绍如何实现数据驱动,让数据 自动 流转于