C++ 百万并发网络通信引擎架构与实现 （Socket、全栈、跨平台） Version 1.0

本课程由刘远东、张立铜两位工程师将两人在企业多年积累的开发经验结合而成。从基础的网络知识开始由浅入深地讲解如何使用C++实现一套支持百万级别并发的网络通信引擎。包含：高频并发、多线程、多进程、线程池、内存池、软件硬件瓶颈、如何测试优化网络处理能力等技术知识。可以应用在Windows、Linux、Android、IOS系统上。对从事高性能网络处理的前后端开发人员有极大帮助。咨询群：648738912

Jmeter+ant+jenkins接口层性能与自动化测试

1、本课程针对JMETER软件性能测试八大组件:配置元件、前置处理器、定时器、sampler(采样器)、后 置处理器、断言、监听器以及逻辑控制器等内容全方位讲解。 2、参数化、badboy测试脚本开发以及录制方法，正则表达式之Regextester工具使用、JMETER 组件作 用域等知识点讲解。 3、ant 介绍以及作用、ant 下载及安装、ant build.xml 详解。 4、Jenkins 构建自动化平台、Jenkins 安装以及功能介绍、jenkins+ant+jmeter **整合，邮件服务通知设置。 5、本课程注重实践每一个知识点都有相对应的实例，本书覆盖的实例多达上百个，提高学员的动手能 力和解决问题能力。

2021软考系统集成项目管理工程师视频教程精讲 基础知识（上）

小任老师帮你梳理软考系统集成项目管理工程师考试重点、难点，19年下半年四个案例题成功预测正确三个题，18年下半年四个案例题成功预测正确三个题，18年上半年四个案例成功预测两题，17年下半年四个案例成功预测两题。用短的时间，让你学到应该掌握的内容，大幅度提高考试通过率。有图有真相。

YOLOv4目标检测实战：训练自己的数据集

课程演示环境：Ubuntu需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战：训练自己的数据集》，课程链接https://edu.csdn.net/course/detail/28748 YOLOv4来了！速度和精度双提升！   与 YOLOv3 相比，新版本的 AP（精度） 和 FPS （每秒帧率）分别提高了 10% 和 12%。   YOLO系列是基于深度学习的端到端实时目标检测方法。本课程将手把手地教大家使用labelImg标注和使用YOLOv4训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。   本课程的YOLOv4使用AlexAB/darknet，在Ubuntu系统上做项目演示。包括：安装YOLOv4、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类分析。还将介绍改善YOLOv4目标训练性能的技巧。   除本课程《YOLOv4目标检测实战：训练自己的数据集》外，本人将推出有关YOLOv4目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv4目标检测实战：人脸口罩佩戴识别》《YOLOv4目标检测实战：中国交通标志识别》《YOLOv4目标检测：原理与源码解析》

Python自然语言处理-BERT模型实战

购买课程后，添加小助手微信（微信号：csdn108）回复【唐宇迪】 进入学习群，获取唐宇迪老师答疑 Python自然语言处理-BERT模型实战课程旨在帮助同学们快速掌握当下NLP领域最核心的算法模型BERT的原理构造与应用实例。通俗讲解BERT模型中所涉及的核心知识点（Transformer,self-attention等），基于google开源BERT项目从零开始讲解如何搭建自然语言处理通用框架，通过debug源码详细解读其中每一核心代码模块的功能与作用。最后基于BERT框架进行中文情感分析与命名实体识别等主流项目实战，提供全部课程资料，包括PPT,数据,代码。

面向对象C#初级入门精讲（2）C#语言基础

欢迎加入QQ群538724338提问，这样老师能及时看到并回复 【课程特色】 1、课程设计循序渐进、讲解细致、通俗易懂、非常适合自主学习 2、教学过程实例丰富、强调技术关键点、并且分析透彻 3、物美价廉：本着知识共享、帮助更多有需求者原则，毫无保留，不另外设置VIP课程。 此外，提供源代码+配套练习+答疑+上课日志。

大数据—电商数仓项目

一、课程简介 随着技术的飞速发展，经过多年的数据积累，各互联网公司已保存了海量的原始数据和各种业务数据，所以数据仓库技术是各大公司目前都需要着重发展投入的技术领域。数据仓库是面向分析的集成化数据环境，为企业所有决策制定过程，提供系统数据支持的战略集合。通过对数据仓库中数据的分析，可以帮助企业改进业务流程、控制成本、提高产品质量等。 二、课程内容 本次精心打造的数仓项目的课程，从项目架构的搭建，到数据采集模块的设计、数仓架构的设计、实战需求实现、即席查询的实现，我们针对国内目前广泛使用的Apache原生框架和CDH版本框架进行了分别介绍，Apache原生框架介绍中涉及到的技术框架包括Flume、Kafka、Sqoop、MySql、HDFS、Hive、Tez、Spark、Presto、Druid等，CDH版本框架讲解包括CM的安装部署、Hadoop、Zookeeper、Hive、Flume、Kafka、Oozie、Impala、HUE、Kudu、Spark的安装配置，透彻了解不同版本框架的区别联系，将大数据全生态系统前沿技术一网打尽。在过程中对大数据生态体系进行了系统的讲解，对实际企业数仓项目中可能涉及到的技术点都进行了深入的讲解和探讨。同时穿插了大量数仓基础理论知识，让你在掌握实战经验的同时能够打下坚实的理论基础。 三、课程目标 本课程以国内电商巨头实际业务应用场景为依托，对电商数仓的常见实战指标以及难点实战指标进行了详尽讲解，具体指标包括：每日、周、月活跃设备明细，留存用户比例，沉默用户、回流用户、流失用户统计，最近连续3周活跃用户统计，最近7天内连续3天活跃用户统计，GMV成交总额分析，转化率及漏斗分析，品牌复购率分析、订单表拉链表的设计等，让学生拥有更直观全面的实战经验。通过对本课程的学习，对数仓项目可以建立起清晰明确的概念，系统全面的掌握各项数仓项目技术，轻松应对各种数仓难题。 四、课程亮点 本课程结合国内多家企业实际项目经验，特别加入了项目架构模块，从集群规模的确定到框架版本选型以及服务器选型，手把手教你从零开始搭建大数据集群。并且总结大量项目实战中会遇到的问题，针对各个技术框架，均有调优实战经验，具体包括：常用Linux运维命令、Hadoop集群调优、Flume组件选型及性能优化、Kafka集群规模确认及关键参数调优。通过这部分学习，助学生迅速成长，获取前沿技术经验，从容解决实战问题。

H3C官方模拟器HCL（H3C Cloud Lab）

HCL是H3C目前官方唯一出品的模拟器，整个产品的界面设计和性能比行业的其他H3C模拟器都要强大。华三云实验室（H3C Cloud Lab，简称HCL）是一款界面图形化的全真网络模拟软件，用户可以通过该软件实现H3C公司多个型号的虚拟设备的组网，是用户学习、测试基于H3C公司Comware V7平台的网络设备的必备工具。

大白话SVM算法课程

以通俗简介的方式，从浅入深介绍SVM原理和代码流程 让你从此不再惧怕SVM 视频部分： 01_SVM之回顾梯度下降原理 02_SVM之回顾有约束的最优化问题 03_SVM之回顾有约束的最优化问题-KKT几何解释 04_SVM之回顾有约束的最优化问题-KKT数学解释 05_SVM之回顾距离公式和感知器模型 06_SVM之感知器到SVM的引入 07_SVM之线性可分时损失函数的表示 08_SVM之线性可分时损失函数的求解-对w,b变量求偏导 09_SVM之线性可分时损失函数的求解-对β变量求解. 10_SVM之线性可分时算法整体流程 11_SVM之线性可分时案例 12_SVM之线性不可分时软间隔介绍 13_SVM之线性不可分时软间隔优化目标 14_SVM之线性不可分时软间隔算法整体流程 15_SVM之线性不可分时数据映射高维解决不可分问题 16_SVM之线性不可分时核函数引入 17_SVM之线性不可分时核函数讲解 18_SVM代码之线性可分时和Logistic回归比较 19_SVM代码之基于鸢尾花数据多分类参数解释 20_SVM代码之基于鸢尾花数据网格搜索选择参数 21_SVM代码之不同分类器，核函数，C值的可视化比较 22_SVM之回归方式SVR 23_SVM代码之SVR解决回归问题 24_SVM之SMO思想引入 25_SVM之SMO案列讲解 代码部分: 资料部分：