注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Pro .NET Best Practices .net最佳实践 英文版

  2. 　《.NET最佳实践》是.NET领域的集大成之作和公认经典。书中总结了大量.NET开发人员公认的最佳实践，并有针对性地阐明了如何恰当地在个人、小组、组织和行业中应用这些最佳实践。书中的最佳实践涵盖.NET开发的方方面面，从基础技术到核心技术，从开发方法到开发流程，从开发工具到团队协作，等等。所有最佳实践都辅之以实际的项目案例，并对案例代码进行了深入分析，实践性和可操作性极强。 　　《.NET最佳实践》可分为四个部分。第一部分（第1～5章）着重教授你如何选择和发现这些实践，如何提升团结度，如何量

  3. 所属分类：.Net

    • 发布日期：2014-04-22
    • 文件大小：5242880
    • 提供者：lf1988103

  1. 编译原理.高清HD.Compilers.principles. techniques. and tools（龙书中英文版）Alfred V.zip

  2. 编译原理是计算机专业的一门重要专业课，旨在介绍编译程序构造的一般原理和基本方法。内容包括语言和文法、词法分析、语法分析、语法制导翻译、中间代码生成、存储管理、代码优化和目标代码生成。 编译原理是计算机专业设置的一门重要的专业课程。虽然只有少数人从事编译方面的工作，但是这门课在理论、技术、方法上都对学生提供了系统而有效的训练，有利于提高软件人员的素质和能力。 内容简介 · · · · · · 《编译原理》全面、深入地探讨了编译器设计方面的重要主题，包括词法分析、语法分析、语法制导定义和语法制导翻

  3. 所属分类：专业指导

    • 发布日期：2015-08-01
    • 文件大小：36700160
    • 提供者：qq_25857859

  1. python灰帽子包含高清扫描和可复制两个版本.zip

  2. 本书是由知名安全机构ImmunityInc的资深黑帽JustinSeitz先生主笔撰写的一本关于编程语言Python如何被广泛应用于黑客与逆向工程领域的书籍．老牌黑客，同时也是Immunity Inc的创始人兼首席技术执行官(CTO)Dave Aitel为本书担任了技术编辑一职。本书的绝大部分篇幅着眼于黑客技术领域中的两大经久不衰的话题：逆向工程与漏洞挖掘，并向读者呈现了几乎每个逆向工程师或安全研究人员在日常工作中所面临的各种场景，其中包括：如何设计?构建自己的调试工具，如何自动化实现烦琐的逆

  3. 所属分类：Python

    • 发布日期：2019-05-26
    • 文件大小：24117248
    • 提供者：qq_24036403

  1. 海量数据引擎SF1R.zip

  2. 什么是SF1R SF1R是一个分布式的存储搜索一体化海量数据引擎。SF1R来自于iZENECloud团队多年的 研发成果，并且已经在商业网站上经受住了严苛的考验。2014年，iZENECloud团队把SF1R 开放给社区，采用Apache License 2，希望共同改进和维护。 Note SF1R的全称是Search Formula 1 Revolution，SF1R是iZENECloud团队给搜索引擎项目使用的内部代号。 SF1R的历史和特色 SF1R是

  3. 所属分类：其它

    • 发布日期：2019-07-16
    • 文件大小：5242880
    • 提供者：weixin_39840650

  1. 包含数据分析和数据挖掘的学习代码和实战代码.zip

  2. 包含数据分析和数据挖掘的学习代码和实战代码 本项目很多内容属于边学边试。参考了书籍，但是很多代码存在过时和错误均被我修改。 数据挖掘是最近几年才出现的一个名词，其归根到底的目的就是经过一系列手段处理数据得到一个适合的建模数据，利用建模数据建立模型挖掘已有数据的隐含价值。 一般步骤（详细内容子目录有叙述，且后面的实战项目我会严格按照这个步骤进行） 数据获取 利用各种手段获取数据，数据样式不限制，但一般而言是形如excel或者csv这样的表格格式。 数据探索 对数据进行初步探索，得到数据特征（如

  3. 所属分类：Python

    • 发布日期：2020-07-23
    • 文件大小：61865984
    • 提供者：q6115759

  1. 数据挖掘参考代码.zip

  2. 通过评分与短评数据，构建情感褒贬分析分类器，通过短评数据预测用户“喜欢”or“不喜欢”电影。参考步骤： 1） 数据预处理，生成特征：jieba切词；去停动词；生成词袋、tfidf等特征。 2） 使用分类模型对数据集分类。 分析打分总体情况、有用点评的分析、点评人常居地的分布等，或者其他一些有意义分析，并用可视化的方式展示。

  3. 所属分类：Python

    • 发布日期：2020-08-01
    • 文件大小：8388608
    • 提供者：qq_37041207