zhang11wu4
zhang11wu4

What are the best talks/lectures related to big data/algorithms/machine learning?

from: quora

Franck Dernoncourt, PhD student in AI @ MIT
435 upvotes by Chris Hammerschmidt, Helen Flynn, Fahira Afzal, (more)
Here are the 100 most popular Machine Learning talks at  http://VideoLectures.Net
(October 22, 2012)

(NB: to download videos from VideoLectures you can use StreamTransport  on Windows)
 
  1. 26971 views, 1:00:45,  Gaussian Process Basics, David MacKay, 8 comments
  2. 7799 views, 3:08:32, Introduction to Machine Learning, Iain Murray
  3. 16092 views, 1:28:05, Introduction to Support Vector Machines, Colin Campbell,22 comments
  4. 5755 views, 2:53:54, Probability and Mathematical Needs, Sandrine Anthoine, 2 comments
  5. 7960 views, 3:06:47, A tutorial on Deep Learning, Geoffrey E. Hinto
  6. 3858 views, 2:45:25, Introduction to Machine Learning, John Quinn, 1 comment
  7. 13758 views, 5:40:10, Statistical Learning Theory, John Shawe-Taylor, 3 comments
  8. 12226 views, 1:01:20, Semisupervised Learning Approaches, Tom Mitchell,8 comments
  9. 1596 views, 1:04:23, Why Bayesian nonparametrics?, Zoubin Ghahramani,  1 comment
  10. 11390 views, 3:52:22, Markov Chain Monte Carlo Methods, Christian P. Robert,5 comments
  11. 3153 views, 2:15:00, Data mining and Machine learning algorithms, José L. Balcázar, 1 comment
  12. 10322 views, 5:15:43, Graphical models, Zoubin Ghahramani, 23 comments
  13. 11071 views, 1:05:40, Dirichlet Processes, Chinese Restaurant Processes, and all that,Michael I. Jordan, 7 comments
  14. 10550 views, 1:06:55, Generative Models for Visual Objects and Object Recognition via Bayesian Inference, Fei-Fei Li, 11 comments
  15. 9312 views, 03:21, K-nearest neighbor classification, Antal van den Bosch,7 comments
  16. 4800 views, 2:07:31, Patterns in Vector Spaces, Elisa Ricci, 1 comment
  17. 736 views, 16:55, Twitter Sentiment  in Financial Domain, Miha Grčar,1 comment
  18. 6789 views, 2:06:40, Introduction to kernel methods, Bernhard Schölkopf,  5 comments
  19. 6849 views, 2:54:37, Some Mathematical Tools for Machine Learning,Chris Burges, 6 comments
  20. 6792 views, 1:24:46, Bayesian Learning, Zoubin Ghahramani,  9 comments
  21. 6689 views, 4:33:48, Graphical Models and Variational Methods, Christopher Bishop, 11 comments
  22. 844 views, 17:05, High-Dimensional Graphical Model Selection, Animashree Anandkumar
  23. 5862 views, 57:16, Introduction to feature selection, Isabelle Guyon,  1 comment
  24. 5541 views, 2:14:21, Introduction to kernel methods, Alexander J. Smola,  8 comments
  25. 2304 views, 3:22:46, Introduction to Kernel Methods, Liva Ralaivola, 1 comment
  26. 723 views, 16:26, Learning Sparse Representations of High Dimensional Data on Large Scale Dictionaries, Zhen James Xiang
  27. 1628 views, 23:12, Gradient Boosted Decision Trees on Hadoop, Jerry Ye
  28. 5169 views, 4:16:53, Learning with Kernels,4 comments
  29. 2038 views, 03:18, Scikitlearn, Gael Varoquaux
  30. 4965 views, 32:36, The Dynamics of AdaBoost, Cynthia Rudin,  3 comments
  31. 4433 views, 2:16:17, Sequential Monte Carlo methods, Arnaud Doucet,9 comments
  32. 4859 views, 1:37:46, Online Learning and Game Theory, Adam Kalai, 3 comments
  33. 4237 views, 20:36, Learning to align: a statistical approach, Elisa Ricci, 1 comment
  34. 2645 views, 21:49, Online Dictionary Learning for Sparse Coding, Julien Mairal, 1 comment
  35. 4727 views, 3:13:52, Bayesian Inference: Principles and Practice, Mike Tipping, 6 comments
  36. 1419 views, 2:49:30, Online Learning, Peter L. Bartlett
  37. 2973 views, 21:01, Training a Binary Classifier with the Quantum Adiabatic Algorithm, Hartmut Neven, 1 comment
  38. 3973 views, 08:55, Machine Learning for Stock Selection, Charles X. Ling,3 comments
  39. 3900 views, 2:56:35, Machine learning and finance, László Györfi, 3 comments
  40. 3517 views, 2:10:19, Learning with Gaussian Processes, Carl Edward Rasmussen,7 comments
  41. 222 views, 29:03, Generating Possible Interpretations for Statistics from Linked Open Data,Heiko Paulheim
  42. 4089 views, 2:32:26, Graph Matching Algorithms, Terry Caelli,  6 comments
  43. 3948 views, 3:39:05, Clustering – An overview, Marina Meila,  1 comment
  44. 3903 views, 2:11:59, An Introduction to Pattern Classification, Elad Yom Tov,1 comment
  45. 3896 views, 5:18:05, Statistical Learning Theory, Olivier Bousquet, 3 comments
  46. 1541 views, 38:10, Learning with similarity functions, Maria Balcan
  47. 51 views, 1:00:30, A Flexible Model for Count Data: The COM-Poisson Distribution, Galit Shmuél
  48. 331 views, 41:53, Automatic Discovery of Patterns in News Content, Nello Cristianini,2 comments
  49. 1132 views, 2:31:35, Gaussian Processes, Edwin V. Bonilla
  50. 2256 views, 1:08:39, Lecture 1 – The Motivation & Applications of Machine Learning, Andrew Ng
  51. 666 views, 21:47, On the Usefulness of Similarity based Projection Spaces for Transfer Learning, Emilie Morvant
  52. 1112 views, 36:35, Robust PCA and Collaborative Filtering: Rejecting Outliers, Identifying Manipulators, Constantine Caramanis
  53. 3294 views, 2:01:49, The EM algorithm and Mixtures of Gaussians, Joaquin Quiñonero Candela, 4 comments
  54. 3444 views, 5:35:17, Independent Component Analysis, Jean-François Cardoso, 2 comments
  55. 1918 views, 19:47, Convolutional Deep Belief Networks for Scalable Unsupervised Learning of Hierarchical Representations, Honglak Lee
  56. 790 views, 1:00:20, Classification and Clustering in Large Complex Networks, Ina Eliasi-Rad
  57. 986 views, 2:44:35, Restricted Boltzmann Machines and Deep Belief Nets, Marcus Frean
  58. 23 views, 17:29, Improved Initialisation and Gaussian Mixture Pairwise Terms for Dense Random Fields with Mean-field Inference, Vibhav Vineet
  59. 1915 views, 1:22:16, Lecture 11 – Bayesian Statistics and Regularization, Andrew Ng
  60. 3129 views, 4:31:39, Kernel Methods, Alexander J. Smola 2 comments
  61. 2577 views, 1:21:29, Graphical models, Zoubin Ghahramani
  62. 2160 views, 1:00:37, Should all Machine Learning be Bayesian? Should all Bayesian models be non-parametric?, Zoubin Ghahramani,  2 comments
  63. 3018 views, 4:35:51, Graphical Models, Variational Methods, and Message-Passing, Martin J. Wainwright, 6 comments
  64. 3017 views, 3:43:43, Introduction to Kernel Methods, Bernhard Schölkopf, 1 comment
  65. 1257 views, 1:24:39, Reinforcement learning: Tutorial + Rethinking State, Action & Reward, Satinder Singh
  66. 1044 views, 18:34, On the stability and interpretability of prognosis signatures in breast cancer, Anne-Claire Haury,1 comment
  67. 2827 views, 00:58, Artificial intelligence: An instance of Aibo ingenuity, Michael Littman,2 comments
  68. 163 views, 22:35, Exploiting Information Extraction, Reasoning and Machine Learning for Relation Prediction, Xueyan Jiang,2 comments
  69. 1704 views, 2:42:22, Theory and Applications of Boosting, Robert Schapire,1 comment
  70. 387 views, 18:48, High-dimensional regression with noisy and missing data: Provable guarantees with non-convexity, Po-Ling Loh
  71. 1912 views, 38:30, Machine learning and kernel methods for computer vision, Francis R. Bach
  72. 2755 views, 32:18, Neighbourhood Components Analysis, Sam Roweis,1 comment
  73. 2295 views, 28:18, Learning an Outlier-Robust Kalman Filter, Jo-Anne Ting,1 comment
  74. 1308 views, 25:08, Probabilistic Machine Learning in Computational Advertising, Thore Graepel
  75. 2670 views, 4:22:31, Gaussian Processes, Carl Edward Rasmussen, 2 comments
  76. 1772 views, 58:42, Probabilistic Decision-Making Under Model Uncertainty,  Joelle Pineau
  77. 2198 views, 58:51, Who is Afraid of Non-Convex Loss Functions?,  Yann LeCun
  78. 339 views, 54:15, Machine Learning Markets, Amos Storkey
  79. 2560 views, 1:49:01, Generalized Principal Component Analysis (GPCA), Rene Vidal,8 comments
  80. 1247 views, 25:00, FPGA-based MapReduce Framework for Machine Learning, Ningyi Xu
  81. 2527 views, 58:39, Latent Semantic Variable Models, Thomas Hofmann,3 comments
  82. 324 views, 18:31, k-NN Regression Adapts to Local Intrinsic Dimension, Samory Kpotufe
  83. 1485 views, 1:20:37, Lecture 14 – The Factor Analysis Model, Andrew Ng
  84. 2000 views, 1:11:49, Hierarchical Clustering, Yee Whye Teh
  85. 316 views, 16:38, Discussion of Erik Sudderth’s talk: NPB Hype or Hope?, Yann LeCun
  86. 309 views, 16:15, A Collaborative Mechanism for Crowdsourcing Prediction Problems, Jacob Aberneth
  87. 1993 views, 39:15, Speeding Up Stochastic Gradient Descent, Yoshua Bengio
  88. 126 views, 24:42, LODifier: Generating Linked Data from Unstructured Text, Isabelle Augenstein
  89. 304 views, 19:47, Iterative Learning for Reliable Crowdsourcing Systems, Sewoong Oh
  90. 1246 views, 24:03, Collaborative Filtering with Temporal Dynamics, Yehuda Koren
  91. 714 views, 21:56, HIV-Haplotype Inference using a Constraintbased Dirichlet Process Mixture Model, Sandhya Prabhakaran, Melanie Rey
  92. 1272 views, 22:40, Modeling the S&P 500 Index using the Kalman Filter and the LagLasso, Nicolas Mahle
  93. 2064 views, 10:47, Ten problems for the next 10 years, Pedro Domingos, 1 comment
  94. 2097 views, 23:15, Best Paper – Information-Theoretic Metric Learning, Brian Kulis
  95. 926 views, 1:10:31, Neuroscience, cognitive science and machine learning, Konrad Körding
  96. 2210 views, 1:21:57, Introduction to Kernel Methods, Partha Niyogi, 5 comments
  97. 291 views, 12:00, Fast and Accurate k-means For Large Datasets, Michael Shindler
  98. 2203 views, 2:56:16, Probabilistic and Bayesian Modelling I, Manfred Opper, 1 comment
  99. 2198 views, 1:00:00, Nonparametric Bayesian Models in Machine Learning, Zoubin Ghahramani
  100. 1901 views, 48:34, Machine Learning for Intrusion Detection, Pavel Laskov

Related articles
  • Scalable Machine Learning Course(Data Science 101)
  • 7th Annual Machine Learning Symposium(Page on hunch.net)
  • Message-Oriented Object Design and Machine Learning in JavaScript(Architectural Design Patterns & Best Practices)
  • Large Scale (Machine) Learning at Twitter(VideoLectures.NET - VideoLectures.NET)
  • Hidden Benefits of Online Learning (programming, reviews and projects)
  • Model checking and model understanding in machine learning(Statistical Modeling, Causal Inference, and Social Science -)
  • Machine Learning Book for Students and Researchers (Research Blog)
  • Wagstaff (2012, jpl) machine learning that matters (Slideshare.net)
  • Why becoming a data scientist might be easier than you think(Gigaom)
  • The Man-Machine Framework: How to Build Machine-Learning Applications the Right Way (Information for the World's Business Leaders)

★
What are the best talks/lectures related to big data/algorithms/machine learning?
Franck Dernoncourt, PhD student in AI @ MIT
435 upvotes by Chris Hammerschmidt, Helen Flynn, Fahira Afzal, (more)
Here are the 100 most popular Machine Learning talks at http://VideoLectures.Net
(October 22, 2012)

(NB: to download videos from VideoLectures you can use StreamTransport  on Windows)
 
  1. 26971 views, 1:00:45,  Gaussian Process Basics, David MacKay, 8 comments
  2. 7799 views, 3:08:32, Introduction to Machine Learning, Iain Murray
  3. 16092 views, 1:28:05, Introduction to Support Vector Machines, Colin Campbell,22 comments
  4. 5755 views, 2:53:54, Probability and Mathematical Needs, Sandrine Anthoine, 2 comments
  5. 7960 views, 3:06:47, A tutorial on Deep Learning, Geoffrey E. Hinto
  6. 3858 views, 2:45:25, Introduction to Machine Learning, John Quinn, 1 comment
  7. 13758 views, 5:40:10, Statistical Learning Theory, John Shawe-Taylor, 3 comments
  8. 12226 views, 1:01:20, Semisupervised Learning Approaches, Tom Mitchell,8 comments
  9. 1596 views, 1:04:23, Why Bayesian nonparametrics?, Zoubin Ghahramani,  1 comment
  10. 11390 views, 3:52:22, Markov Chain Monte Carlo Methods, Christian P. Robert,5 comments
  11. 3153 views, 2:15:00, Data mining and Machine learning algorithms, José L. Balcázar, 1 comment
  12. 10322 views, 5:15:43, Graphical models, Zoubin Ghahramani, 23 comments
  13. 11071 views, 1:05:40, Dirichlet Processes, Chinese Restaurant Processes, and all that,Michael I. Jordan, 7 comments
  14. 10550 views, 1:06:55, Generative Models for Visual Objects and Object Recognition via Bayesian Inference, Fei-Fei Li, 11 comments
  15. 9312 views, 03:21, K-nearest neighbor classification, Antal van den Bosch,7 comments
  16. 4800 views, 2:07:31, Patterns in Vector Spaces, Elisa Ricci, 1 comment
  17. 736 views, 16:55, Twitter Sentiment  in Financial Domain, Miha Grčar,1 comment
  18. 6789 views, 2:06:40, Introduction to kernel methods, Bernhard Schölkopf,  5 comments
  19. 6849 views, 2:54:37, Some Mathematical Tools for Machine Learning,Chris Burges, 6 comments
  20. 6792 views, 1:24:46, Bayesian Learning, Zoubin Ghahramani,  9 comments
  21. 6689 views, 4:33:48, Graphical Models and Variational Methods, Christopher Bishop, 11 comments
  22. 844 views, 17:05, High-Dimensional Graphical Model Selection, Animashree Anandkumar
  23. 5862 views, 57:16, Introduction to feature selection, Isabelle Guyon,  1 comment
  24. 5541 views, 2:14:21, Introduction to kernel methods, Alexander J. Smola,  8 comments
  25. 2304 views, 3:22:46, Introduction to Kernel Methods, Liva Ralaivola, 1 comment
  26. 723 views, 16:26, Learning Sparse Representations of High Dimensional Data on Large Scale Dictionaries, Zhen James Xiang
  27. 1628 views, 23:12, Gradient Boosted Decision Trees on Hadoop, Jerry Ye
  28. 5169 views, 4:16:53, Learning with Kernels,4 comments
  29. 2038 views, 03:18, Scikitlearn, Gael Varoquaux
  30. 4965 views, 32:36, The Dynamics of AdaBoost, Cynthia Rudin,  3 comments
  31. 4433 views, 2:16:17, Sequential Monte Carlo methods, Arnaud Doucet,9 comments
  32. 4859 views, 1:37:46, Online Learning and Game Theory, Adam Kalai, 3 comments
  33. 4237 views, 20:36, Learning to align: a statistical approach, Elisa Ricci, 1 comment
  34. 2645 views, 21:49, Online Dictionary Learning for Sparse Coding, Julien Mairal, 1 comment
  35. 4727 views, 3:13:52, Bayesian Inference: Principles and Practice, Mike Tipping, 6 comments
  36. 1419 views, 2:49:30, Online Learning, Peter L. Bartlett
  37. 2973 views, 21:01, Training a Binary Classifier with the Quantum Adiabatic Algorithm, Hartmut Neven, 1 comment
  38. 3973 views, 08:55, Machine Learning for Stock Selection, Charles X. Ling,3 comments
  39. 3900 views, 2:56:35, Machine learning and finance, László Györfi, 3 comments
  40. 3517 views, 2:10:19, Learning with Gaussian Processes, Carl Edward Rasmussen,7 comments
  41. 222 views, 29:03, Generating Possible Interpretations for Statistics from Linked Open Data,Heiko Paulheim
  42. 4089 views, 2:32:26, Graph Matching Algorithms, Terry Caelli,  6 comments
  43. 3948 views, 3:39:05, Clustering – An overview, Marina Meila,  1 comment
  44. 3903 views, 2:11:59, An Introduction to Pattern Classification, Elad Yom Tov,1 comment
  45. 3896 views, 5:18:05, Statistical Learning Theory, Olivier Bousquet, 3 comments
  46. 1541 views, 38:10, Learning with similarity functions, Maria Balcan
  47. 51 views, 1:00:30, A Flexible Model for Count Data: The COM-Poisson Distribution, Galit Shmuél
  48. 331 views, 41:53, Automatic Discovery of Patterns in News Content, Nello Cristianini,2 comments
  49. 1132 views, 2:31:35, Gaussian Processes, Edwin V. Bonilla
  50. 2256 views, 1:08:39, Lecture 1 – The Motivation & Applications of Machine Learning, Andrew Ng
  51. 666 views, 21:47, On the Usefulness of Similarity based Projection Spaces for Transfer Learning, Emilie Morvant
  52. 1112 views, 36:35, Robust PCA and Collaborative Filtering: Rejecting Outliers, Identifying Manipulators, Constantine Caramanis
  53. 3294 views, 2:01:49, The EM algorithm and Mixtures of Gaussians, Joaquin Quiñonero Candela, 4 comments
  54. 3444 views, 5:35:17, Independent Component Analysis, Jean-François Cardoso, 2 comments
  55. 1918 views, 19:47, Convolutional Deep Belief Networks for Scalable Unsupervised Learning of Hierarchical Representations, Honglak Lee
  56. 790 views, 1:00:20, Classification and Clustering in Large Complex Networks, Ina Eliasi-Rad
  57. 986 views, 2:44:35, Restricted Boltzmann Machines and Deep Belief Nets, Marcus Frean
  58. 23 views, 17:29, Improved Initialisation and Gaussian Mixture Pairwise Terms for Dense Random Fields with Mean-field Inference, Vibhav Vineet
  59. 1915 views, 1:22:16, Lecture 11 – Bayesian Statistics and Regularization, Andrew Ng
  60. 3129 views, 4:31:39, Kernel Methods, Alexander J. Smola 2 comments
  61. 2577 views, 1:21:29, Graphical models, Zoubin Ghahramani
  62. 2160 views, 1:00:37, Should all Machine Learning be Bayesian? Should all Bayesian models be non-parametric?, Zoubin Ghahramani,  2 comments
  63. 3018 views, 4:35:51, Graphical Models, Variational Methods, and Message-Passing, Martin J. Wainwright, 6 comments
  64. 3017 views, 3:43:43, Introduction to Kernel Methods, Bernhard Schölkopf, 1 comment
  65. 1257 views, 1:24:39, Reinforcement learning: Tutorial + Rethinking State, Action & Reward, Satinder Singh
  66. 1044 views, 18:34, On the stability and interpretability of prognosis signatures in breast cancer, Anne-Claire Haury,1 comment
  67. 2827 views, 00:58, Artificial intelligence: An instance of Aibo ingenuity, Michael Littman,2 comments
  68. 163 views, 22:35, Exploiting Information Extraction, Reasoning and Machine Learning for Relation Prediction, Xueyan Jiang,2 comments
  69. 1704 views, 2:42:22, Theory and Applications of Boosting, Robert Schapire,1 comment
  70. 387 views, 18:48, High-dimensional regression with noisy and missing data: Provable guarantees with non-convexity, Po-Ling Loh
  71. 1912 views, 38:30, Machine learning and kernel methods for computer vision, Francis R. Bach
  72. 2755 views, 32:18, Neighbourhood Components Analysis, Sam Roweis,1 comment
  73. 2295 views, 28:18, Learning an Outlier-Robust Kalman Filter, Jo-Anne Ting,1 comment
  74. 1308 views, 25:08, Probabilistic Machine Learning in Computational Advertising, Thore Graepel
  75. 2670 views, 4:22:31, Gaussian Processes, Carl Edward Rasmussen, 2 comments
  76. 1772 views, 58:42, Probabilistic Decision-Making Under Model Uncertainty,  Joelle Pineau
  77. 2198 views, 58:51, Who is Afraid of Non-Convex Loss Functions?,  Yann LeCun
  78. 339 views, 54:15, Machine Learning Markets, Amos Storkey
  79. 2560 views, 1:49:01, Generalized Principal Component Analysis (GPCA), Rene Vidal,8 comments
  80. 1247 views, 25:00, FPGA-based MapReduce Framework for Machine Learning, Ningyi Xu
  81. 2527 views, 58:39, Latent Semantic Variable Models, Thomas Hofmann,3 comments
  82. 324 views, 18:31, k-NN Regression Adapts to Local Intrinsic Dimension, Samory Kpotufe
  83. 1485 views, 1:20:37, Lecture 14 – The Factor Analysis Model, Andrew Ng
  84. 2000 views, 1:11:49, Hierarchical Clustering, Yee Whye Teh
  85. 316 views, 16:38, Discussion of Erik Sudderth’s talk: NPB Hype or Hope?, Yann LeCun
  86. 309 views, 16:15, A Collaborative Mechanism for Crowdsourcing Prediction Problems, Jacob Aberneth
  87. 1993 views, 39:15, Speeding Up Stochastic Gradient Descent, Yoshua Bengio
  88. 126 views, 24:42, LODifier: Generating Linked Data from Unstructured Text, Isabelle Augenstein
  89. 304 views, 19:47, Iterative Learning for Reliable Crowdsourcing Systems, Sewoong Oh
  90. 1246 views, 24:03, Collaborative Filtering with Temporal Dynamics, Yehuda Koren
  91. 714 views, 21:56, HIV-Haplotype Inference using a Constraintbased Dirichlet Process Mixture Model, Sandhya Prabhakaran, Melanie Rey
  92. 1272 views, 22:40, Modeling the S&P 500 Index using the Kalman Filter and the LagLasso, Nicolas Mahle
  93. 2064 views, 10:47, Ten problems for the next 10 years, Pedro Domingos, 1 comment
  94. 2097 views, 23:15, Best Paper – Information-Theoretic Metric Learning, Brian Kulis
  95. 926 views, 1:10:31, Neuroscience, cognitive science and machine learning, Konrad Körding
  96. 2210 views, 1:21:57, Introduction to Kernel Methods, Partha Niyogi, 5 comments
  97. 291 views, 12:00, Fast and Accurate k-means For Large Datasets, Michael Shindler
  98. 2203 views, 2:56:16, Probabilistic and Bayesian Modelling I, Manfred Opper, 1 comment
  99. 2198 views, 1:00:00, Nonparametric Bayesian Models in Machine Learning, Zoubin Ghahramani
  100. 1901 views, 48:34, Machine Learning for Intrusion Detection, Pavel Laskov

Related articles
  • Scalable Machine Learning Course(Data Science 101)
  • 7th Annual Machine Learning Symposium(Page on hunch.net)
  • Message-Oriented Object Design and Machine Learning in JavaScript(Architectural Design Patterns & Best Practices)
  • Large Scale (Machine) Learning at Twitter(VideoLectures.NET - VideoLectures.NET)
  • Hidden Benefits of Online Learning (programming, reviews and projects)
  • Model checking and model understanding in machine learning(Statistical Modeling, Causal Inference, and Social Science -)
  • Machine Learning Book for Students and Researchers (Research Blog)
  • Wagstaff (2012, jpl) machine learning that matters (Slideshare.net)
  • Why becoming a data scientist might be easier than you think(Gigaom)
  • The Man-Machine Framework: How to Build Machine-Learning Applications the Right Way (Information for the World's Business Leaders)

你可能感兴趣的:(What are the best talks/lectures related to big data/algorithms/machine learning?)

  • 机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习python
    一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
  • WPF中的ComboBox控件几种数据绑定的方式 互联网打工人no1 wpfc#
    一、用字典给ItemsSource赋值（此绑定用的地方很多，建议熟练掌握）在XMAL中：在CS文件中privatevoidBindData(){DictionarydicItem=newDictionary();dicItem.add(1,"北京");dicItem.add(2,"上海");dicItem.add(3,"广州");cmb_list.ItemsSource=dicItem;cmb_l
  • 将cmd中命令输出保存为txt文本文件 落难Coder Windowscmdwindow
    最近深度学习本地的训练中我们常常要在命令行中运行自己的代码，无可厚非，我们有必要保存我们的炼丹结果，但是复制命令行输出到txt是非常麻烦的，其实Windows下的命令行为我们提供了相应的操作。其基本的调用格式就是：运行指令>输出到的文件名称或者具体保存路径测试下，我打开cmd并且ping一下百度：pingwww.baidu.com>./data.txt看下相同目录下data.txt的输出：如果你再
  • Linux MariaDB使用OpenSSL安装SSL证书 Meta39 MySQLOracleMariaDBLinuxWindowsssllinuxmariadb
    进入到证书存放目录，批量删除.pem证书警告：确保已经进入到证书存放目录find.-typef-iname\*.pem-delete查看是否安装OpenSSLopensslversion没有则安装yuminstallopensslopenssl-devel开启SSL编辑/etc/my.cnf文件（没有的话就创建，但是要注意，在/etc/my.cnf.d/server.cnf配置了datadir的，
  • 网络编程基础 记得开心一点啊 网络
    目录♫什么是网络编程♫Socket套接字♪什么是Socket套接字♪数据报套接字♪流套接字♫数据报套接字通信模型♪数据报套接字通讯模型♪DatagramSocket♪DatagramPacket♪实现UDP的服务端代码♪实现UDP的客户端代码♫流套接字通信模型♪流套接字通讯模型♪ServerSocket♪Socket♪实现TCP的服务端代码♪实现TCP的客户端代码♫什么是网络编程网络编程，指网络上
  • 简单了解 JVM 记得开心一点啊 jvm
    目录♫什么是JVM♫JVM的运行流程♫JVM运行时数据区♪虚拟机栈♪本地方法栈♪堆♪程序计数器♪方法区/元数据区♫类加载的过程♫双亲委派模型♫垃圾回收机制♫什么是JVMJVM是JavaVirtualMachine的简称，意为Java虚拟机。虚拟机是指通过软件模拟的具有完整硬件功能的、运行在一个完全隔离的环境中的完整计算机系统（如：JVM、VMwave、VirtualBox）。JVM和其他两个虚拟机
  • JVM、JRE和 JDK：理解Java开发的三大核心组件 Y雨何时停T Javajava
    Java是一门跨平台的编程语言，它的成功离不开背后强大的运行环境与开发工具的支持。在Java的生态中，JVM（Java虚拟机）、JRE（Java运行时环境）和JDK（Java开发工具包）是三个至关重要的核心组件。本文将探讨JVM、JDK和JRE的区别，帮助你更好地理解Java的运行机制。1.JVM：Java虚拟机（JavaVirtualMachine）什么是JVM？JVM，即Java虚拟机，是Ja
  • K近邻算法_分类鸢尾花数据集 _feivirus_ 算法机器学习和数学分类机器学习K近邻
    importnumpyasnpimportpandasaspdfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportaccuracy_score1.数据预处理iris=load_iris()df=pd.DataFrame(data=ir
  • 4.C_数据结构_队列 荣世蓥 数据结构数据结构
    概述什么是队列：队列是限定在两端进行插入操作和删除操作的线性表。具有先入先出(FIFO)的特点相关名词：队尾：写入数据的一段队头：读取数据的一段空队：队列中没有数据，队头指针=队尾指针满队：队列中存满了数据，队尾指针+1=队头指针循环队列1、基本内容循环队列是以数组形式构成的队列数据结构。循环队列的结构体如下：typedefintdata_t;//队列数据类型#defineN64//队列容量typ
  • vue项目element-ui的table表格单元格合并 酋长哈哈 vue.jselementuijavascript前端
    一、合并效果二全部代码exportdefault{name:'CellMerge',data(){return{tableData:[{id:'1',name:'王小虎',amount1:'165',amount2:'3.2',amount3:10},{id:'1',name:'王小虎',amount1:'162',amount2:'4.43',amount3:12},{id:'1',name:'
  • python tif转png Python与遥感 python开发语言
    importosfromosgeoimportgdalimportnumpyasnpfromPILimportImage#提取432三波段fromspectralimport*#输入文件夹路径defget_img(dataset_img):width=dataset_img.RasterXSize#获取行列数height=dataset_img.RasterYSizebands=dataset_i
  • MongoDB知识概括 GeorgeLin98 持久层mongodb
    MongoDB知识概括MongoDB相关概念单机部署基本常用命令索引-IndexSpirngDataMongoDB集成副本集分片集群安全认证MongoDB相关概念业务应用场景：传统的关系型数据库（如MySQL），在数据操作的“三高”需求以及应对Web2.0的网站需求面前，显得力不从心。解释：“三高”需求：①Highperformance-对数据库高并发读写的需求。②HugeStorage-对海量数
  • Vue中table合并单元格用法 weixin_30613343 javascriptViewUI
    地名结果人名性别{{item.name}}已完成未完成{{item.groups[0].name}}{{item.groups[0].sex}}{{item.groups[son].name}}{{item.groups[son].sex}}exportdefault{data(){return{list:[{name:'地名1',result:'1',groups:[{name:'张三',sex
  • uniapp map组件自定义markers标记点 以对_ uni-app学习记录uni-appjavascript前端
    需求是根据后端返回数据在地图上显示标记点，并且根据数据状态控制标记点颜色，标记点背景通过两张图片实现控制{{item.options.labelName}}exportdefault{data(){return{storeIndex:0,locaInfo:{longitude:120.445172,latitude:36.111387},markers:[//标点列表{id:1,//标记点idin
  • 放松的一天 4da9b7687fa0
    20190325总结起床07:20图片发自App睡觉:23:00天气:晴今日任务清单学习·信息·阅读•水滴阅读Day40Alice’sAdventuresinWonderlandChapter6.2图片发自App•BBC跟读训练营Day24图片发自App图片发自App图片发自App•潘多拉口语训练营Day6Wow.Whatabigboy!•文化知识学习今日无•阅读时间地狱健康·饮食·锻炼•饮食目标
  • 博客网站制作教程 2401_85194651 javamaven
    首先就是技术框架：后端：Java+SpringBoot数据库：MySQL前端：Vue.js数据库连接：JPA(JavaPersistenceAPI)1.项目结构blog-app/├──backend/│├──src/main/java/com/example/blogapp/││├──BlogApplication.java││├──config/│││└──DatabaseConfig.java
  • vue + Element UI table动态合并单元格 我家媳妇儿萌哒哒 elementUIvue.js前端javascript
    一、功能需求1、根据名称相同的合并工作阶段和主要任务合并这两列，但主要任务内容一样，但要考虑主要任务一样，但工作阶段不一样的情况。（枞向合并）2、落实情况里的定量内容和定性内容值一样则合并。（横向合并）二、功能实现exportdefault{data(){return{tableData:[{name:'a',address:'1',age:'1',six:'2'},{name:'a',addre
  • Python实现TIFF 文件转换为 PNG 和 JPG 格式 sand&wich python开发语言
    在日常的图像处理工作中，可能会遇到需要将TIFF格式的图像转换为其他格式的情况，例如PNG和JPG。下面，本文将介绍如何使用Python和GDAL库实现这一功能。准备工作在开始之前，请确保已经安装了必要的库：GDAL（GeospatialDataAbstractionLibrary）可以使用以下命令安装GDAL：pipinstallgdal代码实现以下是一个将TIFF文件转换为PNG文件的示例代码
  • 使用datepicker和uploadify的冲突解决（IE双击才能打开附件上传对话框） zhanglb12
    在开发的过程当中，IE的兼容无疑是我们的一块绊脚石，在我们使用的如期的datepicker插件和使用上传附件的uploadify插件的时候，两者就产生冲突，只要点击过时间的插件，uploadify上传框要双才能打开ie浏览器提示错误Missinginstancedataforthisdatepicker解决方案//if(.browser.msie&&'9.0'===.browser.version
  • golang获取用户输入的几种方式 余生逆风飞翔 golang开发语言后端
    一、定义结构体typeUserInfostruct{Namestring`json:"name"`Ageint`json:"age"`Addstring`json:"add"`}typeReturnDatastruct{Messagestring`json:"message"`Statusstring`json:"status"`DataUserInfo`json:"data"`}二、get请求的
  • 《Veronika decides to die》 Ooutstanding
    Whatismadness？——Madnessistheinabilitytocommunicate.Betweennormalityandmadness,whicharebasicallythesamething,thereexistsanintermediarystage：itiscalled"beingdifferent."Andpeoplewerebecomingmoreandmoreaf
  • 【Java】已解决：org.springframework.jdbc.datasource.lookup.DataSourceLookupFailureException 屿小夏 java开发语言
    文章目录一、分析问题背景问题背景描述出现问题的场景二、可能出错的原因三、错误代码示例四、正确代码示例五、注意事项已解决：org.springframework.jdbc.datasource.lookup.DataSourceLookupFailureException在使用Spring框架进行开发时，数据源的配置和使用是非常关键的一环。然而，有时候我们可能会遇到org.springframewo
  • 深度 Qlearning：在直播推荐系统中的应用 AGI通用人工智能之禅 程序员提升自我硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
    深度Q-learning：在直播推荐系统中的应用关键词：深度Q-learning,强化学习,直播推荐系统,个性化推荐1.背景介绍1.1问题的由来随着互联网技术的飞速发展,直播平台如雨后春笋般涌现。面对海量的直播内容,用户很难快速找到自己感兴趣的内容。因此,个性化推荐系统在直播平台中扮演着越来越重要的角色。1.2研究现状目前,主流的个性化推荐算法包括协同过滤、基于内容的推荐等。这些方法在一定程度上缓
  • 2021-06-07 Do What You Are Meant To Do 春生阁
    Don’tgiveupontryingtofindbalanceinyourlife.Sticktoyourpriorities.Rememberwhat’smostimportanttoyouanddoeverythingyoucantoputyourselfinapositionwhereyoucanfocusonthosepriorities,ratherthanbeingpulledbyt
  • el-table实现全选整表，单元一页复选框功能 周bro vue.jselementuijavascript前端
    全选整表单选一页0":popper-append-to-body="false":total="tableData.length":page-size="pageObj.pagesize":page-sizes="[10,50,100]"layout="total,sizes,prev,pager,next"@size-change="handleSizeChange"@current-chang
  • Vue + Express实现一个表单提交 九旬大爷的梦
    最近在折腾一个cms系统，用的vue+express，但是就一个表单提交就弄了好久，记录一下。环境：Node10+前端：Vue服务端：Express依赖包：vueexpressaxiosexpress-formidableelement-ui（可选）前言：axiosget请求参数是：paramsaxiospost请求参数是：dataexpressget接受参数是req.queryexpresspo
  • Kubernetes部署MySQL数据持久化 沫殇-MS KubernetesMySQL数据库kubernetesmysql容器
    一、安装配置NFS服务端1、安装nfs-kernel-server：sudoapt-yinstallnfs-kernel-server2、服务端创建共享目录#列出所有可用块设备的信息lsblk#格式化磁盘sudomkfs-text4/dev/sdb#创建一个目录：sudomkdir-p/data/nfs/mysql#更改目录权限：sudochown-Rnobody:nogroup/data/nfs
  • Hadoop架构 henan程序媛 hadoop大数据分布式
    一、案列分析1.1案例概述现在已经进入了大数据(BigData)时代，数以万计用户的互联网服务时时刻刻都在产生大量的交互，要处理的数据量实在是太大了，以传统的数据库技术等其他手段根本无法应对数据处理的实时性、有效性的需求。HDFS顺应时代出现，在解决大数据存储和计算方面有很多的优势。1.2案列前置知识点1.什么是大数据大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的大量数据集合，
  • 使用input[type=file]遇上的一些问题 刘圣凯
    项目遇到一个需要，如下image.png功能大致就是添加图片，展示出来，然后在用户点击提交的时候把图片传给后台，在和后台交涉之后，决定在用户选择图片之后转成formdata传给后台，后台返回一个url，提交的时候将url返回给后台/**转formdata*/varformdata=newFormData();formdata.append("file1",$("#pic")[0].files[0]
  • 二十四、k8s 资源管理 繁华依在 k8skubernetes容器云原生
    目录一、资源配置范围管理LimitRange介绍1、LimitRange可以做什么：2、资源限制和请求的约束3、创建LimitsRange对象4、示例：创建一个pod5、测试用例测试1：测试2：测试3：二、资源服务质量管理（RequestsQos）1、Qos级别分类：1.1、Guaranteed：1.2、BestEffort：1.3、Burstable：2、Qos的工作特点3、示例三、资源配额管理
  • web报表工具FineReport常见的数据集报错错误代码和解释 老A不折腾 web报表finereport代码可视化工具
    在使用finereport制作报表，若预览发生错误，很多朋友便手忙脚乱不知所措了，其实没什么，只要看懂报错代码和含义，可以很快的排除错误，这里我就分享一下finereport的数据集报错错误代码和解释，如果有说的不准确的地方，也请各位小伙伴纠正一下。   NS-war-remote=错误代码\:1117 压缩部署不支持远程设计 NS_LayerReport_MultiDs=错误代码
  • Java的WeakReference与WeakHashMap bylijinnan java弱引用
    首先看看 WeakReference wiki 上 Weak reference 的一个例子： public class ReferenceTest { public static void main(String[] args) throws InterruptedException { WeakReference r = new Wea
  • Linux——（hostname）主机名与ip的映射 eksliang linuxhostname
    一、 什么是主机名 无论在局域网还是INTERNET上，每台主机都有一个IP地址，是为了区分此台主机和彼台主机，也就是说IP地址就是主机的门牌号。但IP地址不方便记忆，所以又有了域名。域名只是在公网（INtERNET)中存在，每个域名都对应一个IP地址，但一个IP地址可有对应多个域名。域名类型 linuxsir.org 这样的； 主机名是用于什么的呢？ 答：在一个局域网中，每台机器都有一个主
  • oracle 常用技巧 18289753290
    oracle常用技巧 ①复制表结构和数据   create table  temp_clientloginUser as   select distinct userid from tbusrtloginlog ②仅复制数据 如果表结构一样 insert into  mytable  select  * &nb
  • 使用c3p0数据库连接池时出现com.mchange.v2.resourcepool.TimeoutException 酷的飞上天空 exception
    有一个线上环境使用的是c3p0数据库，为外部提供接口服务。最近访问压力增大后台tomcat的日志里面频繁出现 com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.v2.resourcepool.BasicResou
  • IT系统分析师如何学习大数据 蓝儿唯美 大数据
    我是一名从事大数据项目的IT系统分析师。在深入这个项目前需要了解些什么呢？学习大数据的最佳方法就是先从了解信息系统是如何工作着手，尤其是数据库和基础设施。同样在开始前还需要了解大数据工具，如Cloudera、Hadoop、Spark、Hive、Pig、Flume、Sqoop与Mesos。系 统分析师需要明白如何组织、管理和保护数据。在市面上有几十款数据管理产品可以用于管理数据。你的大数据数据库可能
  • spring学习——简介 a-john spring
    Spring是一个开源框架，是为了解决企业应用开发的复杂性而创建的。Spring使用基本的JavaBean来完成以前只能由EJB完成的事情。然而Spring的用途不仅限于服务器端的开发，从简单性，可测试性和松耦合的角度而言，任何Java应用都可以从Spring中受益。其主要特征是依赖注入、AOP、持久化、事务、SpringMVC以及Acegi Security 为了降低Java开发的复杂性，
  • 自定义颜色的xml文件 aijuans xml
    <?xml version="1.0" encoding="utf-8"?> <resources> <color name="white">#FFFFFF</color> <color name="black">#000000</color> &
  • 运营到底是做什么的？ aoyouzi 运营到底是做什么的？
    文章来源：夏叔叔（微信号：woshixiashushu），欢迎大家关注！很久没有动笔写点东西，近些日子，由于爱狗团产品上线，不断面试，经常会被问道一个问题。问：爱狗团的运营主要做什么？答：带着用户一起嗨。为什么是带着用户玩起来呢？究竟什么是运营？运营到底是做什么的？那么，我们先来回答一个更简单的问题——互联网公司对运营考核什么？以爱狗团为例，绝大部分的移动互联网公司，对运营部门的考核分为三块——用
  • js面向对象类和对象 百合不是茶 js面向对象函数创建类和对象
    接触js已经有几个月了,但是对js的面向对象的一些概念根本就是模糊的,js是一种面向对象的语言 但又不像java一样有class,js不是严格的面向对象语言 ,js在java web开发的地位和java不相上下  ,其中web的数据的反馈现在主流的使用json,json的语法和js的类和属性的创建相似   下面介绍一些js的类和对象的创建的技术   一:类和对
  • web.xml之资源管理对象配置 resource-env-ref bijian1013 javaweb.xmlservlet
    resource-env-ref元素来指定对管理对象的servlet引用的声明，该对象与servlet环境中的资源相关联 <resource-env-ref> <resource-env-ref-name>资源名</resource-env-ref-name> <resource-env-ref-type>查找资源时返回的资源类
  • Create a composite component with a custom namespace sunjing
    https://weblogs.java.net/blog/mriem/archive/2013/11/22/jsf-tip-45-create-composite-component-custom-namespace   When you developed a composite component the namespace you would be seeing would
  • 【MongoDB学习笔记十二】Mongo副本集服务器角色之Arbiter bit1129 mongodb
     一、复本集为什么要加入Arbiter这个角色 回答这个问题，要从复本集的存活条件和Aribter服务器的特性两方面来说。 什么是Artiber？ An arbiter does not have a copy of data set and cannot become a primary. Replica sets may have arbiters to add a
  • Javascript开发笔记 白糖_ JavaScript
    获取iframe内的元素 通常我们使用window.frames["frameId"].document.getElementById("divId").innerHTML这样的形式来获取iframe内的元素，这种写法在IE、safari、chrome下都是通过的，唯独在fireforx下不通过。其实jquery的contents方法提供了对if
  • Web浏览器Chrome打开一段时间后，运行alert无效 bozch Webchormealert无效
    今天在开发的时候，突然间发现alert在chrome浏览器就没法弹出了，很是怪异。 试了试其他浏览器，发现都是没有问题的。 开始想以为是chorme浏览器有啥机制导致的，就开始尝试各种代码让alert出来。尝试结果是仍然没有显示出来。 这样开发的结果，如果客户在使用的时候没有提示，那会带来致命的体验。哎，没啥办法了 就关闭浏览器重启。   结果就好了，这也太怪异了。难道是cho
  • 编程之美-高效地安排会议 图着色问题 贪心算法 bylijinnan 编程之美
    import java.util.ArrayList; import java.util.Collections; import java.util.List; import java.util.Random; public class GraphColoringProblem { /**编程之美 高效地安排会议 图着色问题 贪心算法 * 假设要用很多个教室对一组
  • 机器学习相关概念和开发工具 chenbowen00 算法matlab机器学习
    基本概念： 机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。 开发工具 M
  • [宇宙经济学]关于在太空建立永久定居点的可能性 comsci 经济
           大家都知道,地球上的房地产都比较昂贵,而且土地证经常会因为新的政府的意志而变幻文本格式........        所以,在地球议会尚不具有在太空行使法律和权力的力量之前,我们外太阳系统的友好联盟可以考虑在地月系的某些引力平衡点上面,修建规模较大的定居点
  • oracle 11g database control 证书错误 daizj oracle证书错误oracle 11G 安装
    oracle 11g database control 证书错误  win7 安装完oracle11后打开 Database control 后，会打开em管理页面，提示证书错误，点“继续浏览此网站”，还是会继续停留在证书错误页面 解决办法： 是 KB2661254 这个更新补丁引起的，它限制了 RSA 密钥位长度少于 1024 位的证书的使用。具体可以看微软官方公告：
  • Java I/O之用FilenameFilter实现根据文件扩展名删除文件 游其是你 FilenameFilter
    在Java中，你可以通过实现FilenameFilter类并重写accept(File dir, String name) 方法实现文件过滤功能。 在这个例子中，我们向你展示在“c:\\folder”路径下列出所有“.txt”格式的文件并删除。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
  • C语言数组的简单以及一维数组的简单排序算法示例，二维数组简单示例 dcj3sjt126com carray
    # include <stdio.h> int main(void) { int a[5] = {1, 2, 3, 4, 5}; //a 是数组的名字 5是表示数组元素的个数，并且这五个元素分别用a[0], a[1]...a[4] int i; for (i=0; i<5; ++i) printf("%d\n",
  • PRIMARY, INDEX, UNIQUE 这3种是一类 PRIMARY 主键。 就是 唯一 且 不能为空。 INDEX 索引，普通的 UNIQUE 唯一索引 dcj3sjt126com primary
    PRIMARY, INDEX, UNIQUE 这3种是一类PRIMARY 主键。 就是 唯一 且 不能为空。INDEX 索引，普通的UNIQUE 唯一索引。 不允许有重复。FULLTEXT 是全文索引，用于在一篇文章中，检索文本信息的。举个例子来说，比如你在为某商场做一个会员卡的系统。这个系统有一个会员表有下列字段：会员编号   INT会员姓名  
  • java集合辅助类 Collections、Arrays shuizhaosi888 CollectionsArraysHashCode
      Arrays、Collections   1 ）数组集合之间转换 public static <T> List<T> asList(T... a) { return new ArrayList<>(a); }      a）Arrays.asL
  • Spring Security（10）——退出登录logout 234390216 logoutSpring Security退出登录logout-urlLogoutFilter
           要实现退出登录的功能我们需要在http元素下定义logout元素，这样Spring Security将自动为我们添加用于处理退出登录的过滤器LogoutFilter到FilterChain。当我们指定了http元素的auto-config属性为true时logout定义是会自动配置的，此时我们默认退出登录的URL为“/j_spring_secu
  • 透过源码学前端 之 Backbone 三 Model 逐行分析JS源代码 backbone源码分析js学习
    Backbone 分析第三部分  Model 概述： Model 提供了数据存储，将数据以JSON的形式保存在 Model的 attributes里， 但重点功能在于其提供了一套功能强大，使用简单的存、取、删、改数据方法，并在不同的操作里加了相应的监听事件， 如每次修改添加里都会触发 change，这在据模型变动来修改视图时很常用，并且与collection建立了关联。
  • SpringMVC源码总结（七）mvc:annotation-driven中的HttpMessageConverter 乒乓狂魔 springMVC
    这一篇文章主要介绍下HttpMessageConverter整个注册过程包含自定义的HttpMessageConverter，然后对一些HttpMessageConverter进行具体介绍。 HttpMessageConverter接口介绍： public interface HttpMessageConverter<T> { /** * Indicate
  • 分布式基础知识和算法理论 bluky999 算法zookeeper分布式一致性哈希paxos
      分布式基础知识和算法理论 BY [email protected] 本文永久链接：http://nodex.iteye.com/blog/2103218   在大数据的背景下，不管是做存储，做搜索，做数据分析，或者做产品或服务本身，面向互联网和移动互联网用户，已经不可避免地要面对分布式环境。笔者在此收录一些分布式相关的基础知识和算法理论介绍，在完善自我知识体系的同
  • Android Studio的.gitignore以及gitignore无效的解决 bell0901 androidgitignore
    　　github上.gitignore模板合集，里面有各种.gitignore ： https://github.com/github/gitignore 　　自己用的Android Studio下项目的.gitignore文件，对github上的android.gitignore添加了 　　　　　　# OSX files　　　　　　//mac os下　　　　　　.DS_Store
  • 成为高级程序员的10个步骤 tomcat_oracle 编程
    What 软件工程师的职业生涯要历经以下几个阶段：初级、中级，最后才是高级。这篇文章主要是讲如何通过 10 个步骤助你成为一名高级软件工程师。   Why 得到更多的报酬！因为你的薪水会随着你水平的提高而增加 提升你的职业生涯。成为了高级软件工程师之后，就可以朝着架构师、团队负责人、CTO 等职位前进 历经更大的挑战。随着你的成长，各种影响力也会提高。
  • mongdb在linux下的安装 xtuhcy mongodblinux
    一、查询linux版本号： lsb_release -a  LSB Version:    :base-4.0-amd64:base-4.0-noarch:core-4.0-amd64:core-4.0-noarch:graphics-4.0-amd64:graphics-4.0-noarch:printing-4.0-amd64:printing-4.0-noa
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他