• 注册
  • 登录
  • 开源项目
  • 知识问答
  • 资源下载
  • 行业实战
  • 清空所选
  • 机器学习十大算法-随机森林


    从原始的数据集中采取有放回的抽样,构造子数据集,子数据集的数据量是和原始数据集相同的。不同子数据集的

    随机森林 ID3 C4.5 CART 机器学习

    Fri Dec 27 22:51:19 CST 2019

    行业实战/ 机器学习
    0
  • 为什么我再也不使用MVC框架了?


    从遭遇MVC使用问题开始,然后引入函数式Reactive响应式编程,重新设计了前端架构,最后颠覆了基

    MVC框架

    Fri Jul 17 15:51:38 CST 2020

    行业实战/ 概念模型
    0
  • Ioc模式(又称DI:Dependency Injection 依赖注射)


    分离关注( Separation of Concerns : SOC)是Ioc模式和AOP产生最原始

    Ioc模式

    Thu Jul 16 17:28:02 CST 2020

    行业实战/ 概念模型
    0
  • 机器学习十大算法-pagerank


    Google 的两位创始人都是斯坦福大学的博士生,他们提出的 PageRank 算法受到了论文影响力

    pagerank

    Fri Dec 27 23:33:30 CST 2019

    行业实战/ 机器学习
    0
  • 微服务2.0时代:Spring Cloud Netflix与 Kubernetes&Istio比较


    自微服务架构开始兴起已近三年多了,早期的Spring Cloud Netflix架构已经成熟,并已被

    Spring Cloud Netflix; Kubernetes&Istio

    Wed Jul 22 15:32:11 CST 2020

    行业实战/ DDS/Mqtt/MODBUS
    0
  • XOS-EdgeX


    EdgeX Foundry 的原始代码主要来自 Dell 的 Fuse 项目,以 Apache 2.

    XOS EdgeX

    Sat Dec 28 20:39:06 CST 2019

    行业实战/ XOS
    0
  • 正好一次(Exactly-once)消息传递在Kafka中已经完全支持


    本文是来自Kafka的创始人Jay Kreps的一篇博文,回答了世面上怀疑Kafka是否支持正好一次

    Exactly-once;Kafka

    Wed Jul 22 11:00:05 CST 2020

    行业实战/ DDS/Mqtt/MODBUS
    0
  • ddd-crew/ddd-starter-modelling-process:DDD设计入门建模流程


    如果您是DDD的新手,并且不确定从哪里开始,则此流程为您提供了逐步指南,帮助学习和实际应用域驱动设计

    ddd;建模流程

    Fri Jul 17 16:43:04 CST 2020

    行业实战/ 概念模型
    0
  • 集装箱车队系统的DDD案例


    这是为上海某大型港口公司的运输系统实施的一个领域驱动设计DDD的咨询案例,通过一天时间的探讨,初步提

    集装箱车队系统

    Mon Jul 20 17:25:55 CST 2020

    行业实战/ 概念模型
    0
  • 业务代码编程陷阱案例


    当我们开始编写软件时,我们总是希望有一个好的设计。我们阅读书籍,运用最佳实践,最后,我们常常一团糟。

    业务代码编程

    Mon Jul 20 14:53:38 CST 2020

    行业实战/ 概念模型
    0
  • Spring Cloud微服务架构介绍


    Spring Cloud的目标是为Spring开发人员提供一套易于使用的工具来构建分布式系统。它主要

    Spring Cloud

    Wed Jul 22 10:34:54 CST 2020

    行业实战/ DDS/Mqtt/MODBUS
    0
  • 为什么微服务应该是事件驱动?


    建立微服务的真正道路是事件驱动,这是一个有着DDD, CQRS, Event-sourcing, e

    微服务驱动

    Tue Jul 21 16:51:59 CST 2020

    行业实战/ DDS/Mqtt/MODBUS
    0
  • 对象和数据库的天然阻抗


    “面向对象建模与数据库建模两种分析设计方法的比较”一文中我们比较了在对需求分析时两种方法的不同,所谓

    对象;数据库

    Mon Jul 20 15:39:25 CST 2020

    行业实战/ 概念模型
    0
  • arduino/Arduino

  • arduino/arduino-cli

  • wuyouzhuguli/SpringAll

  • mongodb/node-mongodb-native

  • go-redis/redis

  • beamofsoul/BusinessInfrastructurePlatformGroupVersion

  • zhouzeqian/base

  • zeromq/jeromq

  • mkoppanen/php-zmq

  • erickt/rust-zmq

  • progrium/nullmq

  • 839536/kettle

  • suyaollyz/kettle-scheduler

  • magwyz/pastec

  • feiskyer/sdn-handbook

  • microsoft/SDN

  • hubo1016/vlcp

  • Cloudslab/cloudsimsdn

  • rancher/k3s

  • tektoncd/pipeline

  • ericchiang/k8s

  • open-cmdb/cmdb

  • pycontribs/jira

  • teamatldocker/jira

  • baidu/openedge

  • OpenNetworkingFoundation/5G-xHaul

  • herlesupreeth/OAI-5G

  • rebeccabernie/ResearchMethods-5G

  • esig/dss

  • 生成数字签名

  • EngineHub/CraftBook

  • philanc/plc

  • flosse/node-plc

  • yujunhao8831/spring-boot-start-current

  • sufuf3/ONOS_install_script

  • tzaeschke/tinspin-indexes

  • kzwang/elasticsearch-image

  • GSA/asis

  • hectorm/pzntg

  • emiliofidalgo/obindex

  • qq547276542/Agriculture_KnowledgeGraph

  • Alok991/Activity_brain_wave_prediction

  • mongolab/dex

  • servicemesher/istio-knowledge-map

  • feelschaotic/AndroidKnowledgeSystem

  • cglib/cglib

  • cesanta/mongoose-os

  • docs4dev/docs4dev

  • kubeedge/kubeedge

  • locationtech/geowave

  • zhonglinlin1305/spring-boot-sample

  • eclipse-iofog/iofog.org

  • FujiZ/ns-3

  • HKUST-SING/MQ-ECN-NS2

  • HKUST-SING/MQ-ECN-Software

  • sergiolucia/edgeAI

  • mbaddeley/usdn

  • mozilla-services/autograph

  • yinyanghu/RSA

  • devsecops/forecast

  • 自托管代理未显示在代理池下拉列表中

  • borismus/webvr-boilerplate

  • Vytek/VR-Awesome

  • LLK/scratch-flash

  • adamcohenrose/The-Eyes-Have-It

  • lots-of-things/quantum-comp

  • 从边缘节点推送kafka消息的最佳方法是什么?

  • 谷歌搜索正在恶化吗?衡量 2022 年 Google 的搜索质量

  • 诗经总览.一言以蔽之:龙马精神

  • 含糖饮料展开子菜单:运动饮料

  • 健康饮品-水

  • 元宇宙之“封号架构师眼中的元宇宙”

  • 机器学习十大算法-SVM支持向量机

  • 机器学习十大算法-贝叶斯bayes

  • 机器学习十大算法-随机森林

  • 机器学习十大算法-C4.5

  • 机器学习十大算法-Boosting

  • 机器学习十大算法-AdaBoost

  • 机器学习十大算法-分类回归树CART

  • 机器学习十大算法-SGD梯度下降

更好的你值得被这个世界拥有,IPOSE体态管理遇见更好的你!

友情链接

  • 公司主页
  • 关于我们
  • 用户手册

平台服务

  • 体态纠正
  • 职业助手
  • 文化中心

联系我们

北京市 通州区 永顺镇
永顺西街74号1幢1层120
022-69576387
Email: codez1@126.com

关于代码空间

通过AI,云计算,计算机图形学等技术和体育健康理论及统计学相结合, 形成一套科学高效的体资体态综合测评系统为体育相关战略赋能! IPOSE,亭亭玉立,仪表堂堂,健健康康。

Copyright © 京ICP备19023426号 .北京代码空间科技有限公司,电话:022-69576387 All rights reserved.