深度学习（一）.pdf

机器学习分类（按目的来分） 判别模型 生成模型 由数据直接学习决策函数Y=f(X)或者条件概率分布P(Y|X)作为预测的模型，即判别模型。基本思想 是有限样本条件下建立判别函数，不考虑样本的产生模型，直接研究预测模型。典型的判别模型 包括k近邻，感知级，决策树，支持向量机等。 由数据学习联合概率密度分布P(X,Y)，然后求出条件概率分布P(Y|X)作为预测的模型，即生成模型： P(Y|X)= P(X,Y)/ P(X)。 机器学习分类（按学习方式） 有监督学习 无监督学习 半监督学习 神经网络简介 人脑神经元的机制 感知机模型 样本、输入、输出、净输出、激活、前向、后向 线性可分与线性不可 激活函数 激活函数的作用和性质 激活函数的作用 提供非线性能力 性质 处处可微分 增强鲁棒性 值域是-1到1或者0到1，定义域负无穷到正无穷 定义域在-1到1之间的函数图像梯度很大，而在其他地方梯度很小 输入归一化和去均值化 归一化 进行归一化的原因是把各个特征的尺度控制在相同的范围内，这样

深度学习简介及环境配置机器 学习概述、特征工程、机器学习算法

机器学习是从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测 离散型数据：由记录不同类别个体的数目所得到的数据，又称计数数据，所 有这些数据全部都是整数，而且不能再细分，也不能进一步提高他 们的精确度。 连续型数据：变量可以在某个范围内取任一数，即变量的取值可以是连续 的，如，长度、时间、质量值等，这类整数通常是非整数，含有小数 部分。 注：只要记住一点，离散型是区间内不可分，连续型是区间内可分 结构：特征值+目标值 特征工程是将原始数据转换为更好地代表预测模型的潜在问题的特征的过程，从而提高了对未知数据的模型Python语言的机器学习工具 Scikit-learn包括许多知名的机器学习算法的实现 Scikit-learn文档完善，容易上手，丰富的API，使其在学术界颇受欢迎。 目前稳定版本0.18 准确性 特征抽取针对非连续型数据 特征抽取对文本等进行特征值化 通过特定的统计方法（数学方法）将数据转换成算法要求的数据

Wireshark抓包分析TCP IP协议

能够使用抓包工具捕获网络中的数据包，对捕获的数据包进行筛选分析，分析网络流量是否正常。 通过抓包分析应用层协议，客户端软件和服务端软件通信，交互过程。 通过抓包工具分析传输层协议如何建立TCP连接，如何实现可靠传输，如何实现流量控制，通信完毕如何释放连接。 通过抓包工具分析网络层协议的封装。

Linux云计算运维培训教程

从基础篇开始看，虽然是基础篇，看似简单基础的内容，杨哥讲的却很深入，并结合了很多生产中的实战内容，而且在一些容易出错的地方，故意出错，让我们来思考，并加深认识。

flex学习的资料文档

flex入门进阶学习资料,很全的，flex的各种组件的属性和例子，flex的样式设置，事件的讲解，还有各种效果都有

flex全生命周期的高级教程

flex全生命周期的高级教程，讲的很底层，不适用用小白

flex的滤镜filter的快速学习工程

flex的滤镜各种属性的应用，可快速掌握flex的滤镜和高级应用

armchart的源码

armchart 反编译出的源码，对于felx图表的高级开发非常有用，可直接复用

fashionchart 破解版的工程

网上很多说怎么破解fashionChart的，没一个直接上传破解工程的，而且破解方法也是针对特定的fashionChart版本，如果不是用fashionChart几年的老人，根本找不到自己在官网下的测试版破解不了的原因，所以整合成了工程，以免误导后来人，用<chart:FusionCharts 打头的破解类，就可去除水印。

财务管理、MFC、数据库

随着科技的不断进步，计算机得以迅猛发展，特别是其在信息处理方面的应用已十分广泛，同时计算机科学支持管理活动也在深入发展。财务管理信息系统应运而生了，它在各企事业单位的管理系统中起着举足轻重的地位。它实现了信息录入的自动化，信息处理的高速化，避免了数据冗余、重复录入甚至处理出错等情况的发生，这些都是手工管理所无法比拟的，是管理环节的一个具有真正意义上的实用价值的管理软件，从根本上完全改变了基于文本、表格等纸介质的手工处理方式，使财务管理工作者摆脱了繁琐的登记、处理、核算工作，从而大大减轻了财会人员的劳动强度。 财务管理系统是大小企业或公司经常接触和使用的数据库管理应用系统。本设计的主要目的就是实现帐务信息录入：将帐务的数据资料以及其对应的详细信息录入数据库中；查询功能：实现按帐务账单的编号、时间等指标进行详细情况的查询；修改功能：当某个或者某些帐务资料变动时，能对其进行修改；删除功能：对出错的帐务数据资料进行删除等。