pyxiea

阿里巴巴NIPS 2019论文 Joint Optimization of Tree-based Index and Deep Model for Recommender Systems 的supplementary file以及论文中算法的实现

广工高性能计算的期末论文。 资源包括论文《Efficient parallel implementation of a density peaks clustering algorithm on graphics processing unit》的原文以及翻译。

新技术专题论文 1001 0111 0100 1001 1000 1100 1011 1101（凑字数）

Git的使用，使用Eclipse进行Web开发，期末论文（简易博客系统）

三次实验+期末论文。1000 1010 1110 0110 1001 1011 0100（凑字数）

广工高级数据库期末论文。刚哥的课。1010 1101 0010 0011(凑字数)

历年试卷+课程PPT+复习例题。1000 1010 1010 0100 1000 1001（凑字数）

实现作业调度（先来先服务）、进程调度功能（时间片轮转） 实现内存管理功能（连续分配）。 实现文件系统功能（选作） 这些功能要有机地连接起来

实验一 进程调度 实验二 银行家算法 实验三 内存管理 实验四 磁盘调度

实验一 进程调度 实验二 银行家算法 实验三 内存管理 实验四 磁盘调度

广工软件需求分析课程设计，压缩文件中包含文档和所有visio图，修改方便

包括每个部分的文档，最终整理后的文档，所有visio图，excel表，ppt图

压缩包里面有文档和代码，文档包括每次实验的截图以及实验题目等

资源是从网上收集来的，所以这里直接告诉大家网盘的链接。 链接：https://pan.baidu.com/s/1nxiiERf 密码：bti1 如果链接失效，前往查看最新链接 当然，积分多的可以支持一下~ 下面是链接的包含的视频： 1. 林轩田：机器学习基石（视频+讲义） 2. 林轩田：机器学习技法（视频+讲义） 3. andrew Ng视频课程和讲义 4. hinton 深度学习视频课程 5. deep learning for NLP 6. Pratical mechine learning 7. Scikit Learn Machine Learning Tutorial for investing with Python

第二版，英文高清版，上市版，非扫描版（非early release版本） 资源是网上搜集的，直接分享给大家： 链接：https://pan.baidu.com/s/1qYqR0a4 密码：8uag 我上传的文件也只是写着下载链接的pdf而已，所以不用下载 当然，如果积分富余可以支持一下 我原本不想上传的，因为有不少人都上传了，但是看到那么高的积分都有人下，所以来推荐一下电子书搜索网站 参考博文 http://blog.csdn.net/xpy870663266/article/details/78778014

目录： 一．问题域的描述 1.1问题定义 1.2功能需求 1.3性能需求 二．问题列表 2.1现状与问题 三．解题模型 3.1角色责任表 3.2用例图 3.3用例脚本图 3.4类图 3.5状态图 3.6数据流图 四．应用场景 4.1核心数据结构 4.2核心算法

收集了广工从2012年到2016年《数据挖掘》这门课的期末考试试卷，2016年的试卷附带答案。另外还配上一份复习资料和课后习题的答案，方便复习使用。

中文版目录 第1章 概率 第2章 随机变量 第3章 数学期望 第4章 不等式 第5章 随机变量的收敛 第6章 模型、统计推断与学习 第7章 CDF和统计泛函的估计 第8章 Bootstrap方法 第9章 参数推断 第10章 假设检验和p值 第11章 贝叶斯推断 第12章 统计决策理论 第13章 线性回归和Logistic回归 第14章 多变量模型 第15章 独立性推断 第16章 因果推断 第17章 有向图与条件独立性 第18章 无向图 第19章 对数线性模型 第20章 非参数曲线估计 第21章 正交函数光滑法 第22章 分类 第23章 重温概率：随机过程 第24章 模拟方法 英文版目录 Chapter 1 Probability. Chapter 2 Random Variables. Chapter 3 Expectation Chapter 4 Inequalities Chapter 5 Convergence of Random Variables Chapter 6 Models, Statistical Inference and Le arning Chapter 7 Estimating the CDF and Statistical Functionals Chapter 8 The Bootstrap Chapter 9 Parametric Inference Chapter 10 Hypothesis Testing and p-values Chapter 11 Bayesian Inference Chapter 12 Statistical Decision Theory Chapter 13 Linear and Logistic Regression Chapter 14 Multivariate Models Chapter 15 Inference about Independence Chapter 16 Causal Inference Chapter 17 Directed Graphs and Conditional Independence Chapter 18 Undirected Graphs Chapter 19 Loglinear Models Chapter 20 Nonparametric Curve Estimation Chapter 21 Smoothing Using Orthogonal Functions Chapter 22 Classification Chapter 23 Probability Redux: Stochastic Processes Chapter 24 Simulation Methods.

网上目前只有前几年的离散数学anyview答案，有很多错的不说，还少了很多这几年新出的题目，非常不利于我们“参考”。这一份是我自己写完后，制作出来的的已经通过的，最新的最全的答案