hands-on

Getting start with MLPerf Hands-on

IntroMLPerf:FairandusefulbenchmarksformeasuringtrainingandinferenceperformanceofMLhardware,software,andservices.IwillgothroughthestepsonhowtosetupandrunoneoftheMLPerftrainingbenchmarks.Thiswillenableh
HiroshiFuu·2020-06-05 04:37

Docker – Swarm, Services and Stack – Hands-On

imageDocker-Swarm,ServicesandStack-Hands-OnMP4|Video:AVC1280x720|Audio:AAC44KHz2ch|Duration:4Hours47M|3.81GBGenre:eLearning|Language:EnglishLearnadvancedconceptsinDockerwithsimpleandclearlyexplainedle
寺院的研究僧·2020-03-16 12:15

在儿童手工博物馆的约会

手工和物理这家Hands-on儿童馆的内容，就是无数的趣味
骇客文·2020-03-07 18:43

Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow 第二版

[https://get.oreilly.com/ind_hands-on-machine-learning_confirm.html](https://links.jianshu.com/go?to=https%3A%2F%2Fget.oreilly.com%2Find_hands-on-machine-learning_confirm.html)#Hands-onMachineLearning
iOSDevLog·2019-12-21 17:41

设计思维 101

设计思维以亲身实践（hands-on）和用户为中心（user-centric）指导问题解决，驱动创新，并最终去除同质化实现差异化、体现出有竞争力的优势。
小媛·2019-12-20 07:21

《Hands-On System Programming with Go》之读文件

有点全，但不是很全。一次读入，分批次读入，缓存读入。要记得这几种不同读取的应用场景。packagemainimport("bufio""bytes""fmt""io""io/ioutil""os")funcmain(){iflen(os.Args)!=2{fmt.Println("Pleasespecifyapath.")return}b1,err:=ioutil.ReadFile(os.Args
aguncn·2019-12-15 19:00

《Hands-On System Programming with Go》之目录操作

开一个新书《Hands-OnSystemProgrammingwithGo》，系统的了解一下，这方面的东东，以前用C语言实现过，现在用GO，重新来！！packagemainimport("fmt""os""path/filepath")funcmain(){wd,err:=os.Getwd()iferr!=nil{fmt.Println(err)return}fmt.Println("starti
aguncn·2019-12-15 18:00

Hands-on! 如何给 TiDB 添加新系统表

作者：黄东旭“TiDB，你已经是一个成熟的数据库了，该学会用自己的SQL查自己的状态了。”对于一个成熟的数据库来说，通过SQL来查询系统本身的状态再正常不过，对于MySQL来说INFOMATION_SCHEMA和PERFORMANCE_SCHEMA里面有大量的信息，基本上通过查询些信息，DBA就能对整个系统的运行状态一目了然。最棒的是，查询的接口正是SQL，不需要依赖其他的第三方工具，运用表达力强
PingCAP·2019-10-19 15:25

Hands-on! 如何给 TiDB 添加新系统表

作者：黄东旭“TiDB，你已经是一个成熟的数据库了，该学会用自己的SQL查自己的状态了。”对于一个成熟的数据库来说，通过SQL来查询系统本身的状态再正常不过，对于MySQL来说INFOMATION_SCHEMA和PERFORMANCE_SCHEMA里面有大量的信息，基本上通过查询些信息，DBA就能对整个系统的运行状态一目了然。最棒的是，查询的接口正是SQL，不需要依赖其他的第三方工具，运用表达力强
tidb_pingcap·2019-10-18 11:43

《Hands-On Machine Learning》学习笔记-2.3 获取数据

端到端机器学习项目获取数据下载数据可以直接使用浏览器下载数据文件，然后解压出其中的CSV文件，但是更好的办法是写一个函数来实现它，特别是当数据会变化的时候，使用函数的形式能够随时随地获取最新的数据。importpdb#pdb.set_trace()importosimporttarfilefromsix.movesimporturllibDOWNLOAD_ROOT="https://raw.git
fioccy·2019-09-17 09:17

《Hands-On Machine Learning》学习笔记-2.2 对问题进行宏观的分析

端到端机器学习项目对问题进行宏观的分析欢迎来到机器学习房地产公司。你的第一个任务是基于加州人口普查的数据建立一个加州房价的模型。这些数据内容包含有加州每个街区的人口、收入中位数、房价中位数等等。要求你的模型能够学习这些数据并在给定其他数据内容的情况下，预测任何一个街区的房价中位数。限定问题的边界第一个要提出的问题就是这件事的最终目标是什么，显然单纯构建一个模型并不是最终的目标，公司准备如何使用模型
fioccy·2019-09-13 22:50

《Hands-On Machine Learning》学习笔记-1.4 机器学习面临的挑战

机器学习概述机器学习的主要挑战简单来说，机器学习的主要任务就是挑选一个算法，并在数据集上训练它。因此，就有两个方面主要的问题：坏数据和坏算法。训练数据数量不够要教一个幼儿学习什么是苹果，你只需要指着一个苹果说“这是苹果”，多重复几次，小孩子就能认出各种各样苹果了，但是机器学习不是这样的，大多数机器学习算法要想正常工作，都需要大量的数据。即使对于非常简单的问题，往往也需要上千组数据，对于一些复杂的问
fioccy·2019-09-11 22:24

《Hands-On Machine Learning》学习笔记-1.3 机器学习的类型

机器学习概述机器学习的类型基于以下角度，可以把机器学习分为不同的类型，进而进行更细致的分类：训练过程中是否有人工的监督（有监督学习，无监督学习，半监督学习，强化学习）能否即时的持续学习（在线学习VS批量学习）工作方式是简单的比较新数据点和已知数据点，还是检测训练集中的模型进而建立起预测模型（基于例子的学习VS基于模型的学习）这些分类不是互斥的，你可以任意组合。例如，一个垃圾邮件和正常邮件的样例训练
fioccy·2019-09-01 22:48

《Hands-On Machine Learning》学习笔记-1.2 为什么要使用机器学习

第一章机器学习概述为什么要使用机器学习思考一下，如果使用传统的软件编程技术，该如何编写一个垃圾邮件过滤器？：首先你需要观察典型的垃圾邮件都有哪些特征。也许你会注意到，一些特定的单词或者短语在标题中出现的较多。或者你还会在发件人，邮件内容中发现的一些特定的模式。你要写一个检测算法，对你所发现的所有特征一一检验，如果在邮件中检验到了一定数量的特性，则会把它标记为垃圾邮件。你还需要测试你的代码，重复步骤
fioccy·2019-08-31 19:29

《Hands-On Machine Learning》学习笔记-1.1 什么是机器学习

第一章机器学习概述当大多数人听到“机器学习“的字眼时，他们往往会想到机器人：一个可靠的管家，或者致命的终结者，这取决于你问谁。但是机器学习不仅仅是科幻，它已经真实存在。事实上，在一些特定的应用中，它已经存在了几十年了，比如OCR(光学字符识别)。但是第一个真正成为主流的，改变成千上万人生活的机器学习应用可以追溯到20世纪90年代：即垃圾邮件过滤。尽管它不是一个有着自我意识的天网程序，但是从技术的角
fioccy·2019-08-31 17:51

精读笔记20190526-2018考研英语二-阅读理解-01-A Hands-on view of Education

图片发自App图片发自App图片发自App图片发自App图片发自App图片发自App图片发自App图片发自App图片发自App图片发自App
zhengzhenhu·2019-07-07 19:31

《Hands-On Machine Learning with Scikit-Learn and TensorFlow》 学习笔记第六篇----机器学习中的降维方法

文章目录降维的意义数据降维方法投影流形学习数据降维主要技术PCA增量PCAKernalPCALLELDA总结降维的意义许多机器学习问题涉及训练实例的几千甚至上百万个特征，这不仅导致训练非常缓慢，也让我们更加难以找到好的解决方案。这个问题通常被称为维度的诅咒，所以有效的减少特征的数量会提高效率，加快训练。降维对于数据可视化也是非常有用的。将维度降到两个（或三个），就可以在图形上绘制出高维训练集，所以
田田天天甜甜·2019-07-03 09:32

program code for Hands-On Microservices with Rust译 记录和配置微服务(第三章)

微服务在现实世界中起作用，这是动态的。为了有用，它们必须是可配置的，以便您可以更改地址或端口以绑定服务器的套接字。通常，您需要设置令牌，秘密和其他微服务的地址。即使您已正确配置它们，您的微服务也可能会失败。在这种情况下，您需要能够使用服务器的日志。在本章中，我们将学习以下技能：如何使用日志包进行日志记录如何使用clapcrate读取命令行参数如何使用dotenvcrate读取环境变量如何声明和使用
rgwu·2019-06-03 08:23

完整免费 Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow 2nd

原文链接：https://juejin.im/post/5cd4d63c51882547a572f61fget.oreilly.com/ind_hands-o…Hands-onMachineLearningwithScikit-Learn,Keras,andTensorFlow完整、免费、认真的，只要你输入你的联系信息就可以免费下载了。当然，我已经下载过了，可以关注AI开发日志回复2E下载第二版E
weixin_34414650·2019-05-10 01:27

[阅读体会]机器学习实战基于scikit-learn和tensorflow（Hands-On Machine Learning with Scikit-Learn and TensorFlow）

=======================================================================  《机器学习实战基于scikit-learn和tensorflow》推荐纸质书，能随手记下很多想法。中文高清PDF（带书签）链接：https://pan.baidu.com/s/1llGy44ruq1wycgHUjcff8A提取码：7fz0英文高清PDF版
枪枪枪·2019-04-28 09:15

强化学习资源——Hands-On Reinforcement Learning、Deep Reinforcement Learning Hands-On等

Hands-OnReinforcementLearningwithPythonPDF链接：https://pan.baidu.com/s/1CzplQERRjwgi0b9pQTebFw密码：u3v5代码链接：https://pan.baidu.com/s/1rrmuZTPML-ZLJZlGWhUVdA密码：qzf8这本书的代码是TensorflowDeepReinforcementLearning
赛艇队长·2019-04-12 22:17

书籍:python物联网人工智能 Hands-On Artificial Intelligence for IoT - 2019

简介图片.png结合人工智能和物联网构建更智能的系统-这是当今很受关注的两个主题。主要特点利用TensorFlow和Keras等Python库的强大功能来处理实时物联网数据处理物联网数据并实时预测结果，以构建智能物联网模型涵盖工业物联网，智能城市和家庭自动化的实际案例研究图书说明有许多应用程序使用数据科学和分析来从数TB的数据中获取洞察力。但是，这些应用程序无法解决不断发现物联网数据模式的挑战。在
python测试开发_AI命理·2019-03-04 17:19

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》习题答案 - 第一章

第一章机器学习概览Q&A1.如何定义机器学习？机器学习是关于构建可以从数据中学习的系统。学习意味着在给定一些性能指标的情况下，在某些任务上变得更好。2.机器学习可以解决的四类问题？机器学习对于那些我们没有最有效解决方案的复杂问题是非常有用的，它可以代替一长串手工调整的规则，构建适应环境波动的系统，最后帮助人类学习(例如，数据挖掘)。3.什么是带标签的训练集？带标签的训练集是包含每个实例所需解决方案
心是蓝图·2019-02-19 22:47

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记（三）：分类

最近有时间看书了，把以前想看的书捡一下，翻译中顺便加上自己的理解，写个读书笔记。注意：下面的“数字+s”表示的是数字的类别，加上s是和纯数字区别开。在上上篇中，我们提到最常见的监督学习任务是回归（预测值）和分类（预测类）。在上篇中，我们使用各种算法（如线性回归，决策树和随机森林）来探索回归任务，预测住房价值（将在后面进一步详细解释）。现在我们将注意力转向分类系统。一、MNIST在本篇中，我们将使用
观月执白·2018-12-21 17:17

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记（二）：端到端的机器学习

最近有时间看书了，把以前想看的书捡一下，翻译中顺便加上自己的理解，写个读书笔记。假装最近聘请了一家房地产公司的数据科学家，然后通过一个示例项目，从头至尾了解机器学习。以下是要完成的主要步骤：查看大图。获取数据。发现并可视化数据以获得洞察力。准备机器学习算法的数据。选择一个模型并进行训练。微调模型。展示您的解决方案。启动，监控和维护您的系统。一、使用真实的数据当正在学习机器学习时，最好是使用实际上真
观月执白·2018-12-12 09:50

入门机器学习实用指南Hands-On Machine Learning with Scikit-Learn & TensorFlow （第二章）

我对本书中的代码做了详尽的注释，放到了我的github，star我哦(✪ω✪)Q：端到端（endtoend）end-to-end（端对端）的方法，一端输入我的原始数据，一端输出我想得到的结果。只关心输入和输出，中间的步骤全部都不管。转自TopCoderの陳澤澤Q：对收入中位数进行缩放，分类你或许会这么想，书中为什么要将收入中位数进行分类呢？书中把所有的数据除以1.5，并将大于5的归于5，其实是在将
_知行·2018-11-12 14:18

入门机器学习实用指南Hands-On Machine Learning with Scikit-Learn & TensorFlow （第四章）

我对本书中的代码做了详尽的注释，放到了我的github，star我哦(✪ω✪)本系列主要针对一些阅读本书过程中遇到的问题进行解答，不罗列知识点。如果遇到其他问题欢迎私信我。文章最后会对本章节内容做总结。Q：凸函数与凹函数原文：线性回归模型的MSE成本函数恰好是个凸函数可以按以下方法来记忆凸函数和凹函数，凸函数曲线上方的图形是往下凸的，所以称之为凸函数;凹函数上方图形是往下凹的，所以称之为凹函数。只
_知行·2018-11-07 17:26

Hands-on Machine Learning with Scikit-Learn and TensorFlow（中文版）和深度学习原理与TensorFlow实践-学习笔记

监督学习：添加标签。学习的目标是求出输入与输出之间的关系函数y=f(x)。朴素贝叶斯、逻辑回归和神经网络等都属于监督学习的方法。监督学习主要解决两类核心问题，即回归和分类。回归和分类的区别在于强调一个是连续的，一个是离散的。非监督学习：不添加标签。学习目标是为了探索样本数据之间是否有隐含的不易被发现的关系。半监督学习：通常是大量不带标签数据加上小部分带标签数据批量学习：系统不能进行持续学习，也称离
欧阳小白创天涯·2018-10-22 17:30

关于hands-on experience

Hands-onexperience,英文词典的解释是knowledgeorskillsthatsomeonegetfromdoingsomethingratherthanjustreadingaboutitorseeingaboutitbeingdone.今天，我实际独立检验RORO滚装船设备，获得了一些关于滚装船设备的一些Hands-onexperience，让我体验到了亲手去做获得的体验，与
BarryTan·2018-09-28 23:12

hands-on Machine Learning with sklearn

一、机器学习概览三、分类1、二分类器2、多分类器3、误差分析四、训练模型1、线性回归和逻辑回归2、逻辑回归3、softmax回归练习题4五、SVM练习题5六、决策树练习题6七、集成学习练习题7八、降维练习题8一、机器学习概览如何定义机器学习？机器学习是通过一定的样本来学习一个模型，来对未知数据的输出做预测。机器学习可以解决的四类问题？没有逻辑解、手工调整规则、构建适应环境波动的系统、帮助人类学习什
呆呆的猫·2018-09-09 23:35

Hands-On Tutorials 【KDD2018】

直达地址：http://www.kdd.org/kdd2018/hands-on-tutorialsActivelearningandtransferlearningatscalewithRandPythonJohn-MarkAgosta,OlgaLiakhovich,RobertHorton,MarioInchiosa,JustinOrmont,VanjaPaunić,SiddarthRames
flashlau·2018-09-04 15:04

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记 第十四章 循环神经网络

论循环神经网络–一类预测未来的网络。它们可以分析时间序列数据，诸如股票价格，并告诉你什么时候买入和卖出。在自动驾驶系统中，他们可以预测行车轨迹，避免发生交通意外。更一般地说，它们可在任意长度的序列上工作，而不是截止目前我们讨论的只能在固定长度的输入上工作的网络。举个例子，它们可以把语句，文件，以及语音范本作为输入，使得它们在诸如自动翻译，语音到文本或者情感分析的自然语言处理系统中极为有用。在本章中
justry24·2018-08-27 19:10

二、《Hands-On Machine Learning with Scikit-Learn and TensorFlow》一个完整的机器学习项目

本章中，你会假装作为被一家地产公司刚刚雇佣的数据科学家，完整地学习一个案例项目。下面是主要步骤：1.项目概述。2.获取数据。3.发现并可视化数据，发现规律。4.为机器学习算法准备数据。5.选择模型，进行训练。6.微调模型。7.给出解决方案。8.部署、监控、维护系统。2.1使用真实数据集练手本章选择了加州房价数据集，代码可以从https://github.com/ageron/handson-ml获
tominent·2018-08-06 21:26

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记 第一章 机器学习概览

一、机器学习概览为什么使用机器学习？机器学习善于：需要进行大量手工调整或需要拥有长串规则才能解决的问题：机器学习算法通常可以简化代码、提高性能。问题复杂，传统方法难以解决：最好的机器学习方法可以找到解决方案。环境有波动：机器学习算法可以适应新数据。洞察复杂问题和大量数据机器学习系统的类型机器学习可以根据训练时监督的量和类型进行分类。主要有四类：监督学习、非监督学习、半监督学习和强化学习。监督学习一
tominent·2018-07-29 17:29

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记 第七章 集成学习

假设你去随机问很多人一个很复杂的问题，然后把它们的答案合并起来。通常情况下你会发现这个合并的答案比一个专家的答案要好。这就叫做群体智慧。同样的，如果你合并了一组分类器的预测（像分类或者回归），你也会得到一个比单一分类器更好的预测结果。这一组分类器就叫做集成；因此，这个技术就叫做集成学习，一个集成学习算法就叫做集成方法。例如，你可以训练一组决策树分类器，每一个都在一个随机的训练集上。为了去做预测，你
justry24·2018-07-14 20:19

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记 第六章 决策树

第六章决策树CHAPTER6DecisionTrees和支持向量机一样，决策树是一种多功能机器学习算法，即可以执行分类任务也可以执行回归任务，甚至包括多输出（multioutput）任务.决策树也是随机森林的基本组成部分，而随机森林是当今最强大的机器学习算法之一。鸢尾花数据集上进行一个决策树分类器训练fromsklearn.datasetsimportload_irisfromsklearn.tr
justry24·2018-06-26 17:26

Hands-On Machine Learning with Scikit-Learn and TensorFlow学习笔记（一）

Hands-OnMachineLearningwithScikit-LearnandTensorFlow学习记录机器学习真的是深入到了每一个学科。从今天起，博主将会一边看这本书一边做一些笔记。本文内容大多基于此书。翻译参考git上的翻译第0章引言部分，这里我们不多赘述。第1章机器学习概述机器学习善于：需要进行大量手工调整或需要拥有长串规则才能解决的问题：机器学习算法通常可以简化代码、提高性能。问题
风飘絮起·2018-06-25 21:55

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记 第五章 支持向量机

第5章支持向量机支持向量机（SVM）是个非常强大并且有多种功能的机器学习模型，能够做线性或者非线性的分类，回归，甚至异常值检测。机器学习领域中最为流行的模型之一，是任何学习机器学习的人必备的工具。SVM特别适合应用于复杂但中小规模数据集的分类问题。线性支持向量机分类SVM的基本思想能够用一些图片来解释得很好。左边的图显示了三种可能的线性分类器的判定边界。其中用虚线表示的线性模型判定边界很差，甚至不
justry24·2018-06-14 16:46

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记 第四章 训练模型（回归）

第4章训练模型（回归）首先我们将以一个简单的线性回归模型为例，讨论两种不同的训练方法来得到模型的最优解：直接使用封闭方程进行求根运算，得到模型在当前训练集上的最优参数（即在训练集上使损失函数达到最小值的模型参数）使用迭代优化方法：梯度下降（GD），在训练集上，它可以逐渐调整模型参数以获得最小的损失函数，最终，参数会收敛到和第一种方法相同的的值。同时，我们也会介绍一些梯度下降的变体形式：批量梯度下降
justry24·2018-06-11 15:53

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记 第三章 分类

第三章 分类ClassificationMNIST在本章当中，我们将会使用MNIST这个数据集，它有着70000张规格较小的手写数字图片，由美国的高中生和美国人口调查局的职员手写而成。Scikit-Learn提供了许多辅助函数，以便于下载流行的数据集。MNIST是其中一个。下面的代码获取MNISTfromsklearn.datasetsimportfetch_mldatamnist=fetch_m
justry24·2018-06-05 15:15

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记 第二章 机器学习项目

第二章 端到端机器学习项目End-to-EndMachineLearningProject流水线Pipeline一系列的数据处理组件被称为数据流水线。流水线在机器学习系统中很常见，因为有许多数据要处理和转换。组件通常是异步运行的。每个组件吸纳进大量数据，进行处理，然后将数据传输到另一个数据容器中，而后流水线中的另一个组件收入这个数据，然后输出，这个过程依次进行下去。每个组件都是独立的：组件间的接口
justry24·2018-05-31 15:50

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记 第一章 机器学习概述

第一章机器学习概述TheMachineLearningLandscape什么是机器学习？MachineLearningisthescience(andart)ofprogrammingcomputerssotheycanlearnfromdata.机器学习是通过编程让计算机从数据中进行学习的科学（和艺术）MachineLearningisthefieldofstudythatgivescomput
justry24·2018-05-29 20:41

《Hands-on Machine Learning with Scikit-Learn and TensorFlow》 读书笔记

importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplthousing=pd.read_csv('D:\\pythondata\\housing.csv')housing.plot(kind="scatter",x="longitude",y="latitude")housing.plot(kind="scatter",x="longi
ju22·2018-01-18 14:44

将Ai口语进行到底：hands-on

今天我们来学一个形容词，叫hands-on手+放在某个东西上面=实际的，切身的多用于表达“切身体会”，“实际操作”这类场景。
寶龍Chris·2017-12-04 03:31

探索OTN上的TimesTen Hands-on Lab虚拟机

在前文TimesTen学习资源中提到有一个TimesTen的VirtualBox虚拟机。下载页面为地址虚拟机大小为4.04G，导入后为11.6G，内存才900M，VM的操作系统是RHEL5U5,32位的，包含两个12G的虚拟盘。机器虽小，包含的东西挺丰富。有OracleDatabase11.2.0.2[oracle@localhost~]$cat/etc/orataborcl:/home/orac
stevensxiao·2016-04-02 08:00

Unity Application Block Hands-on Lab for Enter-Lib 5.0：Lab 4-Configuring Containers[Translation]

实验估计时间：15mins   介绍 在该实验中，你将会练习使用Unity的更多特性：泛型装饰链、覆盖和数组注入。 实验中用到的应用程序是实验三的升级版，添加了第三方框架persistence，能够存储证劵信息。这个persistence框架中定义了泛型接口IRepository<>和实体泛型类DebugRepository<>。 开始之前，先在这里下载代
·2015-11-13 23:34

程序员的灯下黑：Hands-on，Hands-on，Hands-on!

   多年前看过一部香港拍摄的武侠片，主演片名是谁是什么，统统忘记了，故事也很老套；但中间有一插曲，一回想起来就忍俊不禁：   大恶人为称霸天下，以卑鄙手段杀了名满天下的大侠。大侠临终前告诉少年去找大侠的师叔，学会绝艺，报血海深仇。少年果然不负所托，找到了那个滑稽且高深莫测的老头，从此整天被各种古里古怪的练功方法折磨。 大恶人终于找上门来，这时少年
·2015-11-13 22:15

OpenGL ES应用开发实践指南：iOS卷

《OpenGL ES应用开发实践指南：iOS卷》 基本信息 原书名：Learning OpenGL ES for iOS:A Hands-On Guide to Modern 3D Graphics
·2015-11-13 12:08

Learn the difference between SCSI and IDE

Understanding the differences between SCSI and IDE is not easy, especially when many techs don't have any SCSI hands-on
·2015-11-11 05:01

ExtJS 4 类系统

这篇文章分为四章 I: “Overview” 解释健壮类系统的重要性 II: “Naming Conventions” 最佳命名规范实践（其实是要求必须遵照它的规范） III: “Hands-on
·2015-11-11 01:39
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他