信息系统项目管理【2005-2016】教程和试题

信息系统项目管理的考试真题和教程，涵盖了从2005-2016年的所有资料，绝对物超所值。

机器学习实现量化投资

本书为国外非常流行且受欢迎的一本书，讲述了用机器学习方法实现量化投资，并且附有python源代码，值得好好学习一下。

阿里java开发代码规范插件（IDEA+ECLIPSE）

最新版阿里java开发手册规范检测插件，对java代码的规范化具有非常大的帮助。

数据仓库—维度建模

此书翻译于国外经典全为教材、通俗易懂、知识体系完善、案例丰富、循序渐进、适合初学者适用。

利用Python分析与挖掘数据

本书主要讲述了怎样利用python进行数据分析，包括利用第三方python库numpy进行高效的线性代数运算，利用pandas对数据进行预处理和进行时间序列处理，以及数据分析的前期处理—数据清洗、转换等，最后讲解了python在处理金融方面数据的应用，本书注重基础知识与实践操作结合，是一本不错的入门书籍。

Python数据分析基础教程：Numpy学习指南第二版配套源码及数据集

本资源为“Python数据分析基础教程：Numpy学习指南“第二版配套源码及数据集。

机器学习系统设计

如今，机器学习正在互联网上下掀起热潮，而Python则是非常适合开发机器学习系统的一门优秀语言。作为动态语言，它支持快速探索和实验，并且针对Python的机器学习算法库的数量也与日俱增。本书最大的特色，就是结合实例分析教会读者如何通过机器学习解决实际问题。, 本书将向读者展示如何从原始数据中发现模式，首先从Python与机器学习的关系讲起，再介绍一些库，然后就开始基于数据集进行比较正式的项目开发了，涉及建模、推荐及改进，以及声音与图像处理。通过流行的开源库，我们可以掌握如何高效处理文本、图片和声音。同时，读者也能掌握如何评估、比较和选择适用的机器学习技术。, 举几个例子，我们会介绍怎么把StackOverflow的回答按质量高低进行分类，怎么知道某个音乐文件是爵士风格，还是重金属摇滚风格。另外，本书还涵盖了主题建模、购物习性分析及云计算等高级内容。总之，通过学习本书，读者可以掌握构建自己所需系统的各方面知识，并且学以致用，解决自己面临的现实问题。, 读者只要具有一定的Python编程经验，能够自己安装和使用开源库，就足够了，即使对机器学习一点了解都没有也没关系。本书不会讲机器学习算法背后的数学。