深度

AngularJS深度剖析与最佳实践 pdf_前端开发教程

资源名称: 深度剖析与最佳实践 第 章 从实战开始  环境准备  需求分析与迭代计划  创建项目      实现第一个页面:注册  约定优于配置  定义路由  把后端程序跑起来  连接后端程序  添加验证器   错误信息提示 指令  用过滤器生成用户友好的提示 信息  实现自定义验证规则  实现图形验证码  实现更多功能:主题  实现主题列表  实现过滤功能  实现分页功能  实现主题树  实现递归主题树  实现 查看详情 功能  实现 功能  实现登录功能  实现对话框  实现错误处理功能  实战小结

Boost程序库探秘:深度解析C++准标准库(第2版) pdf

资源名称: 程序库探秘:深度解析 准标准库 第 版 第 章 导读 第 章 模板元编程( ) 第 章 实用工具 第 章 迭代器 第 章 函数对象 第 章 指针容器 第 章 侵入式容器 第 章 多索引容器 第 章 流处理 第 章 序列化 第 章 泛型编程 第 章 模板元编程 第 章 开发实践 第 章 资源截图:

Linux深度攻略 PDF_操作系统教程

资源名称: 深度攻略 资源目录: 封面 书名 版权 前言 目录 第 章 系统的简介和安装 第 章 字符界面 第 章 目录和文件管理 第 章 常用命令 第 章 编程 第 章 用户和组群账户管理 第 章 权限、所有者和 第 章 归档、压缩和备份 第 章 软件包管理 第 章 磁盘和文件系统管理 第 章 逻辑卷管理 第 章 进程和服务管理 第 章 任务计划 第 章 系统引导和启用 第 章 网络基本配置 第 章 配置 服务器 第 章 配置 服务器 第 章 配置 服务器 第 章 配置 服务器 第 章 配置 服务器 第

数据恢复技术深度揭秘 刘伟 中文PDF_数据库教程

资源名称:数据恢复技术深度揭秘 刘伟 中文 第一篇 数据恢复入门与进阶知识储备 第 章 计算机中数据的记录方法 第 章 现代硬盘的结构揭秘 第 章 学习及研究数据恢复的基本工具 第二篇 逻辑类数据恢复技术揭秘 第 章 系统的数据恢复技术 第 章 系统的数据恢复技术 第 章 系统的数据恢复技术 第 章 系统的数据恢复技术 第三篇 物理类数据恢复技术揭秘 第 章 硬盘物理故障的种类及判定 第 章 硬盘电路板故障的数据恢复方法 第 章 硬盘磁头组件故障的数据恢复方法 第 章 硬盘主轴电机故障的数据恢复方法 第

深入浅出深度学习:原理剖析与python实践_Python教程

资源名称:深入浅出深度学习:原理剖析与 实践 内容简介: 《深入浅出深度学习:原理剖析与 实践》介绍了深度学习相关的原理与应用,全书共分为三大部分,第一部分主要回顾了深度学习的发展历史,以及 的使用;第二部分详细讲解了与深度学习相关的基础知识,包括线性代数、概率论、概率图模型、机器学习和最优化算法;在第三部分中,针对若干核心的深度学习模型,如自编码器、受限玻尔兹曼机、递归神经网络和卷积神经网络等进行详细的原理分析与讲解,并针对不同的模型给出相应的具体应用。 《深入浅出深度学习:原理剖析与 实践》适合有一定

深度挖掘 ORACLE RAC 数据库架构分析与实战攻略_数据库教程

资源名称:深度挖掘 数据库架构分析与实战攻略 内容简介: 《深度挖掘 数据库架构分析与实战攻略》分为 个部分,共 章。第一部分介绍集群的概念与 的结构和原理以及存储基本知识。第二部分全面介绍 的安装和管理维护以及 的备份恢复。第三部分对 性能调优的方法和工具进行了分析。《深度挖掘 数据库架构分析与实战攻略》最大的特点是侧重于理论讲解和经验总结,从实战出发,同时辅以大量的案例进行讲解,力图从点到面,使读者对每个知识领域都有全面的了解和认识。 《深度挖掘 数据库架构分析与实战攻略》不仅适合 阅读和参考,还适合

C语言深度解剖–解开程序员面试笔试的秘密 PDF

资源名称: 语言深度解剖 解开程序员面试笔试的秘密 第 章 关键字 最宽宏大量的关键字 最快的关键字 皇帝身边的小太监 寄存器 使用 修饰符的注意点 最名不符实的关键字 修饰变量 修饰函数 基本数据类型 、 、 、 、 、 数据类型与 模子 变量的命名规则 最冤枉的关键字 常年被人误认为函数 表示什么意思 、 关键字 、 组合 变量与 零值 进行比较 变量与 零值 进行比较 指针变量与 零值 进行比较 到底与哪个 配对呢 语句后面的分号 使用 语句的其他注意事项 、 组合 不要拿青龙偃月刀去削苹果 关键字

深入浅出深度学习 原理剖析与Python实践 中文pdf_Python教程

资源名称:深入浅出深度学习 原理剖析与 实践 中文 第 部分 概要 绪论 基础 第 部分 数学与机器学习基础篇 线性代数基础 概率统计基础 概率图模型 机器学习基础 谱聚类 数值计算与最优化 第 部分 理论与应用篇 前馈神经网络 反向传播与梯度消失 自编码器及其相关模型 玻尔兹曼机及其相关模型 递归神经网络 卷积神经网络 资源截图: