golfgang
golfgang

coursera certifications

published by Xiaohui Chen

Deep learning 专项证书（中级课程）

https://www.coursera.org/account/accomplishments/specialization/85RCLWP3W48N

course 1：Neural Networks and Deep Learning

https://www.coursera.org/account/accomplishments/verify/Q3LQ79F5LQDC

course 2： Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization

https://www.coursera.org/account/accomplishments/verify/435MBX6R9MVJ

course 3：Structuring Machine Learning Projects

https://www.coursera.org/account/accomplishments/verify/GJQUVBW9PFXQ

course4：Convolutional Neural Networks

https://www.coursera.org/account/accomplishments/verify/ZDHT5KXVKG2F

course5：Sequence Models

https://www.coursera.org/account/accomplishments/verify/8LD9R4NV47GD

python for everybody 专项证书（初级课程）

(https://www.coursera.org/account/accomplishments/specialization/RRT2H8ZB9MDH)

the link to specific classes might be missed or not provided

Learn to Program: The Fundamentals （just a class）

https://www.coursera.org/account/accomplishments/verify/QM78WGG96H7G

Data Mining （there is one last assignment left to be peer-graded）(中级课程)

course 1：Data Visualization

https://www.coursera.org/account/accomplishments/verify/AZVRV3FAUQ8Z

course 2：Text Mining and Analytics

https://www.coursera.org/account/accomplishments/verify/C3VBHZZ7CD87

course 3：Pattern Discovery in Data Mining

https://www.coursera.org/account/accomplishments/verify/N3L8BPK5TFCG

course 4：Cluster Analysis in Data Mining

https://www.coursera.org/account/accomplishments/verify/5MQZY592LCJZ

course 5：Text Retrieval and Search Engines

https://www.coursera.org/account/accomplishments/verify/2H65ET6RE5MA

course 6：
come up later...

data structures and algorithms （中级课程）

course 1：Data Structures

https://www.coursera.org/account/accomplishments/verify/2ZN8K8RSVVKU

course 2：Algorithms on Strings

https://www.coursera.org/account/accomplishments/verify/WKMGSB69BQ3Y

course 3：Advanced Algorithms and Complexity

https://www.coursera.org/account/accomplishments/verify/D48VLDXFWNGC

course 4：Algorithms on Graphs

https://www.coursera.org/account/accomplishments/verify/8HLBUDHHDVJS

course 5：Algorithmic Toolbox

https://www.coursera.org/account/accomplishments/verify/5LVUDXHWSNAQ

你可能感兴趣的:(coursera certifications)

  • 2019-3-14晨间日记 yesifeng
    起床：早上五点就寝：晚上十点半任务清单昨日完成的任务，最重要的三件事：1.完成前三天单词和句子拍摄，握笔姿势拍摄2.完成清单，助教点评，所有材料的超链接3.完成给宝宝读英文故事改进：1.拍摄让两位继续做，提高积极性和主动性2.营造一种没事可做的虚假印象，男人只有在有竞争时才会有斗志，不要心慈手软3.给宝宝读故事，要提前定好时间习惯养成：跑步做深蹲周目标·完成进度Coursera0%写作0%学习·信
  • 推荐大家学习JAVA结合Al 海带土豆 开发语言java学习
    AI辅助下的Java学习计划目标设定-**初级阶段**：掌握Java基础语法，理解面向对象编程思想。-**进阶阶段**：熟练运用集合、多线程、网络编程等高级特性。-**实战项目**：完成至少两个综合项目，利用AI辅助提升代码质量和开发效率。-**理论深化**：深入学习Java虚拟机(JVM)原理、设计模式及算法优化。学习资源与AI工具推荐-**在线课程**：Coursera《JavaProgram
  • 机器学习·day4梯度下降 #include<菜鸡> 机器学习机器学习人工智能
    参考原文地址：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes文章目录前言一、梯度下降？二、梯度下降的直观理解梯度下降的线性回归前言梯度下降是一个用来求函数最小值的算法，我们将使用梯度下降算法来求出代价函数J(θ_0,θ_1)的最小值。一、梯度下降？批量梯度下降（batchgradientdescent）算法的公式为：其中a是学习率（le
  • 卷积神经网络吴恩达coursera stoAir 吴恩达深度学习笔记cnn人工智能神经网络
    ConvolutionalNNFoundationsofCNNmatrixsconvolutionEdgedetectionVertical/horizontialconv-forward(tf.nn.cov2d)matrix(6×6)∗filter(3×3)=matrix(4×4)matrix(6\times6)*filter(3\times3)=matrix(4\times4)matrix(6
  • 努力工作 叶子卷
    今天从早忙到晚，中午一点半才吃了午饭，下午实在熬不住趴在会议室小睡了一会，晚上下载了几个很好用的学习软件，强烈推荐coursera，互联网上的资源真的蛮好用的。和现发助教通电话，感受到他柔软的心，大家都要继续前行，继续成长，才能更好的站在一起。想买一个iPadpro，方便学习用。跟弟弟视频，有尝试起夸奖他，感受到他还蛮喜欢这样的方式。尼莫能听懂人话了，实在太可爱了！5:00-6:00打坐6:00-
  • 【机器学习】卷积和反向传播 无水先生 机器学习人工智能人工智能神经网络
    一、说明自从AlexNet在2012年赢得ImageNet竞赛以来，卷积神经网络(CNN)就变得无处不在。从不起眼的LeNet到ResNets再到DenseNets，CNN无处不在。您是否想知道CNN的反向传播中会发生什么，特别是反向传播在CNN中的工作原理。如果您读过反向传播，您就会了解它是如何在具有全连接层的简单神经网络中实现的。（AndrewNg在Coursera上的课程对此做了很好的解释）
  • Coursera | Andrew Ng (02-week2-2.10)—局部最优的问题 ZJ_Improve 深度学习正则化以及优化深度学习吴恩达局部最优深度学习
    该系列仅在原课程基础上部分知识点添加个人学习笔记，或相关推导补充等。如有错误，还请批评指教。在学习了AndrewNg课程的基础上，为了更方便的查阅复习，将其整理成文字。因本人一直在学习英语，所以该系列以英文为主，同时也建议读者以英文为主，中文辅助，以便后期进阶时，为学习相关领域的学术论文做铺垫。-ZJCoursera课程|deeplearning.ai|网易云课堂转载请注明作者和出处：ZJ微信公众
  • 《学习之道》第四章上丨怎么把零碎的信息拼起来--组块记忆法 脑科学与学习方法技能
    作者简介：[美]芭芭拉·奥克利（BarbaraOakley）现为工程学教授，本科专业（居然是）俄语。小学到高中数理成绩一路垫底，因此热爱文学。职场生活，不得不学习大量新鲜知识，甚至是头疼的数学知识。放下工作，回到学校，竟然学成了工程学博士，后留任教授。在MOOC、Coursera上开创最受欢迎的学习课“learninghowtolearn”，数十万人报名。本书一出版即高居美国亚马逊学习类图书榜首，
  • 功能强大的国外商业PHP在线教育系统LMS源码，直播课程系统 行动之上 源码免费下载php
    源码介绍Proacademy是在线教育一体化的解决方案，用于创建类似于Udemy、Skillshare、Coursera这种在线教育市场。这个平台提供在线课程，现场课程，测验等等，并有一个基于实际业务需要的高级认证插件，程序基于Laravel强大的安全框架。程序配套的原生APP也已发布
  • LLM——大型语言模型简介 LinkyuW 语言模型人工智能
    在coursera上看到的视频，把一些重要内容的笔记写一下。原视频更加生动，推荐有能力者可以去观看原视频大型语言模型简介-大型语言模型简介|Coursera（翻着翻着发现了别人写过类似的内容，但还是发出来了，毕竟也只是自己的记录而已，感谢捧场的各位）一.LLM是什么？大型语言模型（LLM）是指可以进行预训练并出于特定目的进行微调的大型通用语言模型。1.预训练：预训练是为一般用途而训练，用于解决常见
  • Coursera_Stanford密码学公开课 Programming Assignment 1 csh1989 Coursera_密码学
    题目：通过11个用同样streamcipher密钥加密的密文求最后一个目标密文的明文：ManyTimePadLetusseewhatgoeswrongwhenastreamcipherkeyisusedmorethanonce.Belowareelevenhex-encodedciphertextsthataretheresultofencryptingelevenplaintextswithas
  • 零基础如何自学编程？自学编程资料哪里找？ g6677789 改行学it考研javapythonc++
    首先，明确你希望学习的编程语言和领域。例如，Python适合初学者，而Web开发、数据科学和机器学习都是受欢迎的领域。选择合适的编程语言：对于初学者来说，建议选择易学且应用广泛的编程语言，如Python或JavaScript。找到合适的学习资源：有许多免费和付费的在线学习资源。一些推荐的平台包括Codecademy、Coursera、edX、Udemy和KhanAcademy。此外，还有许多优秀的
  • 笔记 | 普林斯顿公开课《比特币和数字货币技术》1.3 hmisty
    公开课地址：https://www.coursera.org/learn/cryptocurrency/home/welcome第一周：密码学和加密货币介绍章节1.3笔记：数字签名签名：1、只有你能签名，但任何人都能验证2、签名和文档唯一对应，不能把签名复制到另一个文档电子签名的API定义：1、generateKeys(keysize)=>(sk,pk)sk:secretesigningkeypk
  • 权威的健康养生与医学基础知识科普学习信息汇总 BGoodHabit 健康养生与基础医学健康医疗
    目录1关于健康与食物营养的权威网址1.1世界卫生组织（WorldHealthOrganization:WHO）1.2美国国家卫生研究院(NationalInstitutesofHealth:NIH)1.3澳大利亚政府健康门户(Healthdirect)1.4国际食品信息委员会(InternationalFoodInformationCouncil:IFIC)2在线课程平台2.1Coursera2.
  • Coursera吴恩达《神经网络和深度学习》课程笔记（3） 遇见更好的自己 深度学习深度学习神经网络
    转载自http://blog.csdn.net/koala_tree/article/details/78059952神经网络和深度学习—浅层神经网络1.神经网络表示简单神经网络示意图：神经网络基本的结构和符号可以从上面的图中看出，这里不再复述。主要需要注意的一点，是层与层之间参数矩阵的规格大小：输入层和隐藏层之间w[1]−>(4,3)：前面的4是隐层神经元的个数，后面的3是输入层神经元的个数；b
  • Coursera吴恩达机器学习课程笔记——神经网络: 学习（Neural Networks: Learning） yanglamei1962 机器学习笔记神经网络
    9神经网络:学习（NeuralNetworks:Learning）9.1代价函数（CostFunction）神经网络的分类问题有两种：二元分类问题（0/1分类）只有一个输出单元（K=1K=1K=1）多元（KKK）分类问题输出单元不止一个（K>1K\gt1K>1）神经网络的代价函数公式：hΘ(x)=a(L)=g(Θ(L−1)a(L−1))=g(z(L))h_\Theta(x)=a^{(L)}=g(\
  • 吴恩达coursera机器学习个人向笔记——9章神经网络学习 选西瓜专业户 吴恩达机器学习吴恩达机器学习
    文章目录课时62非线性假设09:36课时63神经元与大脑07:47课时64模型展示Ⅰ12:01课时65模型展示Ⅱ11:46课时68例子与直觉理解Ⅰ07:15课时70例子与直觉理解Ⅱ10:20课时71多元分类03:51课时62非线性假设09:36对图1那样的作分类，逻辑斯蒂回归中，只要g(θ转X)中的(高次)项足够多，就一定能找出边界但这是2个特征的情况如果有100个特征，二次交叉项会将近5000个
  • 神经网络和深度学习吴恩达coursera笔记 stoAir 深度学习神经网络笔记
    DeepLearning文章目录DeepLearningBasicLogisticRegressionsomesignLossfunctioncostfunctionGradientDescentComputationGraphaVectorizationvectorizedImplementing:broadcastingShallowNeuralNetworkRepresentationcom
  • Coursera 北京大学 操作系统原理 笔记 MaverHardcore
    OperatingSystems进程（Process）和线程（Thread）进程是系统进行资源分配和调度的独立单位，每个进程都有独立的地址空间进程控制块/进程描述符ProcessControlBlock：操作系统管理进程的一个专门数据结构，记录进程的各种属性，描述其动态变化过程。进程与PCB一一对应。进程表：所有进程的PCB集合。PCB包含：进程描述信息：标识符(processID)、进程名、用户
  • 《学习之道》第三章丨有效运用大脑进行记忆的方法-- 工作记忆和长期记忆 脑科学与学习方法技能
    欢迎关注“教育者梅梅老师”微信公众号作者简介：[美]芭芭拉·奥克利（BarbaraOakley）现为工程学教授，本科专业（居然是）俄语。小学到高中数理成绩一路垫底，因此热爱文学。职场生活，不得不学习大量新鲜知识，甚至是头疼的数学知识。放下工作，回到学校，竟然学成了工程学博士，后留任教授。在MOOC、Coursera上开创最受欢迎的学习课“learninghowtolearn”，数十万人报名。本书一
  • 交并比（Intersection over union） 双木的木 吴恩达深度学习笔记深度学习知识点储备笔记算法机器学习python深度学习计算机视觉
    来源：Coursera吴恩达深度学习课程如何判断目标检测算法运作良好呢？接下来，你将了解到并交比（intersectionoverunion）函数，可以用来评价目标检测算法。交并比（loU）函数做的是计算两个边界框交集和并集之比。两个边界框的并集是这个区域，就是属于包含两个边界框区域（绿色阴影表示区域），而交集就是这个比较小的区域（橙色阴影表示区域），那么交并比就是交集的大小，这个橙色阴影面积，然
  • Coursera吴恩达《深度学习》课程总结（全） 双木的木 吴恩达深度学习笔记AI笔记深度学习神经网络人工智能python
    这里有Coursera吴恩达《深度学习》课程的完整学习笔记，一共5门课：《神经网络和深度学习》、《改善深层神经网络》、《结构化机器学习项目》、《卷积神经网络》和《序列模型》，最后附上人工智能领域大师访谈，干货满满。第一门课：神经网络和深度学习基础，介绍一些基本概念。（四周）第二门课：深度学习方面的实践，严密的构建神经网络，如何真正让它表现良好。超参数调整，正则化诊断偏差和方差，高级优化算法，如Mo
  • 靠谱的在家赚钱的方式有些哪些？在家做副业 优惠券高省
    在家赚钱的方式有很多，以下是一些你可以考虑的方法：在线教育：如果你在某个领域有专业知识，比如数学、英语、编程等，你可以创建在线课程并出售。平台如Udemy、Coursera、Codecademy等都提供了这样的机会。写作和翻译：如果你善于写作或翻译，你可以为各种客户提供专业服务。例如，你可以在Upwork、Fiverr或自己的网络中寻找客户。手工艺品销售：如果你擅长制作手工艺品，比如珠宝、木工艺品
  • 免费自学编程的12个网站 蓝调之歌
    现在，如果你想学编程的话，这12个网站可以帮助你，它们都提供了免费的课程供你学习，因此你无需担心费用的问题。1.Codecademy其中，Codecademy是最受欢迎的免费编程学习网站之一。事实上，已经有超过2400万人通过这家公司的教育模式学会了编程。Codecademy开设的课程有HTML&CSS，JavaScript，jQuery的，PHP，Python和Ruby。2.CourseraCo
  • 吴恩达机器学习Coursera-week11 geekpy
    PhotoOCR在此章的课程中，Andrew主要是想通过OCR问题的解决来阐释在实际项目中我们应该如何定义问题，并将一个大问题分解为多个小问题，并通过pipeline的方式将对这些小问题的解决方案串联起来，从而解决这个大问题。我认为这是解决实际问题的一个经典的方法论，有助于我们在实际工作和生活中更好地思考问题，分解问题，并最终解决问题。ProblemDescriptionandPipeline此小
  • 生物信息学导论-北大-新一代测序NGS：转录组分析RNA-Seq 1 陆沙 生物信息学生物生物信息
    ref:https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home本文主要来自本课的讲义+搜索内容。Real-TimeqRT-PCR基于互补杂交反应（complementaryhybridizationreaction），PCR技术的发展促进了本技术的发展，缺点是：1.低通量2.需要有转录本序列的先验知识。步骤：Real-TimeQuantita
  • 生物信息学导论-北大-变异的功能预测3（Comparative Modeling） 陆沙 生物信息学生物生物信息
    ref:https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home本文主要来自本课的讲义。ComparativeModeling就是第一节提到的同源建模HomologyModeling，指利用序列的相似性去推测蛋白质结构。回放：同源建模HomologyModeling：SWISS-MODEL执行：先在数据库中搜索（i.e.BLAST）找到至少一个
  • 生物信息学导论-北大-变异的功能预测2（SAPRED） 陆沙 生物信息学生物信息生物
    ref:https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home本文主要来自本课的讲义。生物学问题：如何区分致病变异和中性变异？如何预测一个变异是否致病？方法：Conservation-based：SIFTRule-based：PolyPhenClassifier-based：PolyPhen2,SAPREDSAPRED：SingleAmino
  • 生物信息学导论-北大-变异的功能预测1 陆沙 生物信息学生物生物信息
    ref:https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home本文主要来自本课的讲义。基因突变的来源Germlinemutation（胚系突变）来自父母的遗传，是生殖细胞携带的突变，可以遗传在个体每个细胞中都存在Denovomutation（新发突变）父母本身没有突变，一般来自精卵结合或受精卵发育过程中的自发突变很常见，一般不会带来功能性的问
  • Python data Structures: Strings, Files, Lists Ashleyxxihf python开发语言
    PythondataStructures这门课是在coursera上由美国密歇根大学开展的公开课。python零基础可以选择course1,这是course2，我用来复习和补充的。本章将复习字符串、文件、列表。Python是这样的，没学一次都有新的发现，补充以前遗漏的地方。目录PythondataStructuresChapter6StringStringLibraryChapter7-8公式汇总
  • java封装继承多态等 麦田的设计者 javaeclipsejvmcencapsulatopn
           最近一段时间看了很多的视频却忘记总结了，现在只能想到什么写什么了，希望能起到一个回忆巩固的作用。     1、final关键字       译为：最终的        &
  • F5与集群的区别 bijian1013 weblogic集群F5
            http请求配置不是通过集群，而是F5；集群是weblogic容器的，如果是ejb接口是通过集群。         F5同集群的差别，主要还是会话复制的问题，F5一把是分发http请求用的，因为http都是无状态的服务，无需关注会话问题，类似
  • LeetCode[Math] - #7 Reverse Integer Cwind java题解MathLeetCodeAlgorithm
    原题链接：#7 Reverse Integer   要求： 按位反转输入的数字 例1： 输入 x = 123, 返回 321 例2： 输入 x = -123, 返回 -321   难度：简单   分析： 对于一般情况，首先保存输入数字的符号，然后每次取输入的末位（x%10）作为输出的高位（result = result*10 + x%10）即可。但
  • BufferedOutputStream 周凡杨
         首先说一下这个大批量，是指有上千万的数据量。      例子：      有一张短信历史表，其数据有上千万条数据，要进行数据备份到文本文件，就是执行如下SQL然后将结果集写入到文件中！      select t.msisd
  • linux下模拟按键输入和鼠标 被触发 linux
    查看/dev/input/eventX是什么类型的事件， cat /proc/bus/input/devices 设备有着自己特殊的按键键码，我需要将一些标准的按键，比如0－9，X－Z等模拟成标准按键，比如KEY_0,KEY-Z等，所以需要用到按键 模拟，具体方法就是操作/dev/input/event1文件，向它写入个input_event结构体就可以模拟按键的输入了。 linux/in
  • ContentProvider初体验 肆无忌惮_ ContentProvider
    ContentProvider在安卓开发中非常重要。与Activity，Service，BroadcastReceiver并称安卓组件四大天王。 在android中的作用是用来对外共享数据。因为安卓程序的数据库文件存放在data/data/packagename里面，这里面的文件默认都是私有的，别的程序无法访问。 如果QQ游戏想访问手机QQ的帐号信息一键登录，那么就需要使用内容提供者COnte
  • 关于Spring MVC项目（maven）中通过fileupload上传文件 843977358 mybatisspring mvc修改头像上传文件upload
    Spring MVC 中通过fileupload上传文件，其中项目使用maven管理。   1.上传文件首先需要的是导入相关支持jar包：commons-fileupload.jar,commons-io.jar 因为我是用的maven管理项目，所以要在pom文件中配置（每个人的jar包位置根据实际情况定） <!-- 文件上传 start by zhangyd-c --&g
  • 使用svnkit api，纯java操作svn，实现svn提交，更新等操作 aigo svnkit
     原文：http://blog.csdn.net/hardwin/article/details/7963318   import java.io.File; import org.apache.log4j.Logger; import org.tmatesoft.svn.core.SVNCommitInfo; import org.tmateso
  • 对比浏览器，casperjs，httpclient的Header信息 alleni123 爬虫crawlerheader
    @Override protected void doGet(HttpServletRequest req, HttpServletResponse res) throws ServletException, IOException { String type=req.getParameter("type"); Enumeration es=re
  • java.io操作 DataInputStream和DataOutputStream基本数据流 百合不是茶 java流
    1，java中如果不保存整个对象，只保存类中的属性，那么我们可以使用本篇文章中的方法，如果要保存整个对象  先将类实例化  后面的文章将详细写到     2，DataInputStream 是java.io包中一个数据输入流允许应用程序以与机器无关方式从底层输入流中读取基本 Java 数据类型。应用程序可以使用数据输出流写入稍后由数据输入流读取的数据。
  • 车辆保险理赔案例 bijian1013 车险
    理赔案例： 一货运车，运输公司为车辆购买了机动车商业险和交强险，也买了安全生产责任险，运输一车烟花爆竹，在行驶途中发生爆炸，出现车毁、货损、司机亡、炸死一路人、炸毁一间民宅等惨剧，针对这几种情况，该如何赔付。 赔付建议和方案： 客户所买交强险在这里不起作用，因为交强险的赔付前提是：“机动车发生道路交通意外事故”； 如果是交通意外事故引发的爆炸，则优先适用交强险条款进行赔付，不足的部分由商业
  • 学习Spring必学的Java基础知识(5)—注解 bijian1013 javaspring
            文章来源：http://www.iteye.com/topic/1123823，整理在我的博客有两个目的：一个是原文确实很不错，通俗易懂，督促自已将博主的这一系列关于Spring文章都学完；另一个原因是为免原文被博主删除，在此记录，方便以后查找阅读。           有必要对
  • 【Struts2一】Struts2 Hello World bit1129 Hello world
    Struts2 Hello World应用的基本步骤 创建Struts2的Hello World应用，包括如下几步： 1.配置web.xml 2.创建Action 3.创建struts.xml，配置Action 4.启动web server，通过浏览器访问   配置web.xml <?xml version="1.0" encoding="
  • 【Avro二】Avro RPC框架 bit1129 rpc
    1. Avro RPC简介 1.1. RPC RPC逻辑上分为二层，一是传输层，负责网络通信；二是协议层，将数据按照一定协议格式打包和解包 从序列化方式来看，Apache Thrift 和Google的Protocol Buffers和Avro应该是属于同一个级别的框架，都能跨语言，性能优秀，数据精简，但是Avro的动态模式（不用生成代码，而且性能很好）这个特点让人非常喜欢，比较适合R
  • lua　set get cookie ronin47 lua cookie
    lua: local access_token = ngx.var.cookie_SGAccessToken if access_token then ngx.header["Set-Cookie"] = "SGAccessToken="..access_token.."; path=/;Max-Age=3000" end
  • java-打印不大于N的质数 bylijinnan java
    public class PrimeNumber { /** * 寻找不大于N的质数 */ public static void main(String[] args) { int n=100; PrimeNumber pn=new PrimeNumber(); pn.printPrimeNumber(n); System.out.print
  • Spring源码学习-PropertyPlaceholderHelper bylijinnan javaspring
    今天在看Spring 3.0.0.RELEASE的源码，发现PropertyPlaceholderHelper的一个bug 当时觉得奇怪，上网一搜，果然是个bug，不过早就有人发现了，且已经修复： 详见： http://forum.spring.io/forum/spring-projects/container/88107-propertyplaceholderhelper-bug
  • [逻辑与拓扑]布尔逻辑与拓扑结构的结合会产生什么? comsci 拓扑
       如果我们已经在一个工作流的节点中嵌入了可以进行逻辑推理的代码,那么成百上千个这样的节点如果组成一个拓扑网络,而这个网络是可以自动遍历的,非线性的拓扑计算模型和节点内部的布尔逻辑处理的结合,会产生什么样的结果呢?    是否可以形成一种新的模糊语言识别和处理模型呢?  大家有兴趣可以试试,用软件搞这些有个好处,就是花钱比较少,就算不成
  • ITEYE 都换百度推广了 cuisuqiang GoogleAdSense百度推广广告外快
    以前ITEYE的广告都是谷歌的Google AdSense，现在都换成百度推广了。   为什么个人博客设置里面还是Google AdSense呢？   都知道Google AdSense不好申请，这在ITEYE上也不是讨论了一两天了，强烈建议ITEYE换掉Google AdSense。至少，用一个好申请的吧。   什么时候能从ITEYE上来点外快，哪怕少点
  • 新浪微博技术架构分析 dalan_123 新浪微博架构
    新浪微博在短短一年时间内从零发展到五千万用户，我们的基层架构也发展了几个版本。第一版就是是非常快的，我们可以非常快的实现我们的模块。我们看一下技术特点，微博这个产品从架构上来分析，它需要解决的是发表和订阅的问题。我们第一版采用的是推的消息模式，假如说我们一个明星用户他有10万个粉丝，那就是说用户发表一条微博的时候，我们把这个微博消息攒成10万份，这样就是很简单了，第一版的架构实际上就是这两行字。第
  • 玩转ARP攻击 dcj3sjt126com r
    我写这片文章只是想让你明白深刻理解某一协议的好处。高手免看。如果有人利用这片文章所做的一切事情，盖不负责。 网上关于ARP的资料已经很多了，就不用我都说了。 用某一位高手的话来说，“我们能做的事情很多，唯一受限制的是我们的创造力和想象力”。 ARP也是如此。 以下讨论的机子有 一个要攻击的机子：10.5.4.178 硬件地址：52:54:4C:98
  • PHP编码规范 dcj3sjt126com 编码规范
    一、文件格式 1. 对于只含有 php 代码的文件，我们将在文件结尾处忽略掉 "?>" 。这是为了防止多余的空格或者其它字符影响到代码。例如：<?php$foo = 'foo';2. 缩进应该能够反映出代码的逻辑结果，尽量使用四个空格，禁止使用制表符TAB，因为这样能够保证有跨客户端编程器软件的灵活性。例
  • linux 脱机管理（nohup） eksliang linux nohupnohup
    脱机管理 nohup 转载请出自出处：http://eksliang.iteye.com/blog/2166699 nohup可以让你在脱机或者注销系统后，还能够让工作继续进行。他的语法如下 nohup [命令与参数] --在终端机前台工作 nohup [命令与参数] & --在终端机后台工作   但是这个命令需要注意的是，nohup并不支持bash的内置命令，所
  • BusinessObjects Enterprise Java SDK greemranqq javaBOSAPCrystal Reports
    最近项目用到oracle_ADF  从SAP/BO 上调用 水晶报表，资料比较少，我做一个简单的分享，给和我一样的新手 提供更多的便利。   首先，我是尝试用JAVA JSP 去访问的。   官方API：http://devlibrary.businessobjects.com/BusinessObjectsxi/en/en/BOE_SDK/boesdk_ja
  • 系统负载剧变下的管控策略 iamzhongyong 高并发
    假如目前的系统有100台机器，能够支撑每天1亿的点击量（这个就简单比喻一下），然后系统流量剧变了要，我如何应对，系统有那些策略可以处理，这里总结了一下之前的一些做法。 1、水平扩展 这个最容易理解，加机器，这样的话对于系统刚刚开始的伸缩性设计要求比较高，能够非常灵活的添加机器，来应对流量的变化。 2、系统分组 假如系统服务的业务不同，有优先级高的，有优先级低的，那就让不同的业务调用提前分组
  • BitTorrent DHT 协议中文翻译 justjavac bit
    前言 做了一个磁力链接和BT种子的搜索引擎 {Magnet & Torrent}，因此把 DHT 协议重新看了一遍。 BEP: 5Title: DHT ProtocolVersion: 3dec52cb3ae103ce22358e3894b31cad47a6f22bLast-Modified: Tue Apr 2 16:51:45 2013 -070
  • Ubuntu下Java环境的搭建 macroli java工作ubuntu
    配置命令： 　　$sudo apt-get install ubuntu-restricted-extras 　　再运行如下命令： 　　$sudo apt-get install sun-java6-jdk 　　待安装完毕后选择默认Java. 　　$sudo update- alternatives --config java 　　安装过程提示选择，输入“2”即可，然后按回车键确定。
  • js字符串转日期（兼容IE所有版本） qiaolevip TODateStringIE
    /** * 字符串转时间（yyyy-MM-dd HH:mm:ss） * result （分钟） */ stringToDate : function(fDate){ var fullDate = fDate.split(" ")[0].split("-"); var fullTime = fDate.split("
  • 【数据挖掘学习】关联规则算法Apriori的学习与SQL简单实现购物篮分析 superlxw1234 sql数据挖掘关联规则
    关联规则挖掘用于寻找给定数据集中项之间的有趣的关联或相关关系。 关联规则揭示了数据项间的未知的依赖关系，根据所挖掘的关联关系，可以从一个数据对象的信息来推断另一个数据对象的信息。 例如购物篮分析。牛奶 ⇒ 面包 [支持度：3%，置信度：40%] 支持度3%：意味3%顾客同时购买牛奶和面包。 置信度40%：意味购买牛奶的顾客40%也购买面包。 规则的支持度和置信度是两个规则兴
  • Spring 5.0 的系统需求，期待你的反馈 wiselyman spring
                   Spring 5.0将在2016年发布。Spring5.0将支持JDK 9。          Spring 5.0的特性计划还在工作中，请保持关注，所以作者希望从使用者得到关于Spring 5.0系统需求方面的反馈。  
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他