《Python编程从入门到实战》配套资源很完整，想要的朋友们可以下载，学习就要一干到底，花一点积分能减少寻找资源的时间，就有更多时间来学习了噢。

mcc编译就是将一个独立的代码文件编译为独立可执行文件，例如.exe文件，这个文件的运行只需要MATLAB编译器即可，并且在不启动MATLAB的情况下即可直接执行用户编译程序。 采用mbuild进行编译语言设定，具体如下：

通过对API接口编写与请求过程的分析认识到接口请求中的安全问题，并利用签名验证解决这些问题 这些 API数据传输各种安全问题包括： 1、如何接口请求这的合法性 2、如何保证登陆的安全性 3、如何保证请求的参数不被篡改以及请求的时效性 本套课程我们采用了签名验证算法解决了上述问题以及手把手教你如何实现编码。

Node-RED是工业网物联网的重要组成部分，我最开始接触Node-RED，也算是一个偶然的机会吧，上班后领导安排我的第一个任务就是调研一下Node-RED，我之后上网查了一下，那个时候网上相对于Node-RED的资料也比较少，只知道它是IBM公司的一个开源项目。直到最近，发现许多大公司的产品都支持Node-RED，比如西门子公司的IoT2000，研华公司的WISE PaaS 网关，美国OPTO 22等设备中都安装了Node-RED，表明它在工业物联网和控制中已经广泛应用了。 那么工业物联网为什么要用它？它又处于工业物联网那个层次？它具有哪些特性？它帮助物联网解决了什么问题？为什么说它是柔性动态可重构的解决方案呢？ -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Netty 入门与实战：仿写微信 IM 即时通讯系统，掘金小册子，netty教程。章节齐全无缺失，排版非常不错。 1.仿微信IM系统简介 1 2.Netty是什么? 2 3.服务端启动流程 8 4.客户端启动流程 11 5.实战:客户端与服务端双向通信 11 6.数据传输载体ByteBuf介绍 12 7.客户端与服务端通信协议编解码 14 8.实战:Netty实现客户端登录 15 9.实战:实现客户端与服务端收发消息 16 10.Pipeline与ChannelHandler 17 11.实战:构建客户端与服务端 Pipeline 18 12.实战:拆包粘包理论与解决方案 20 13.ChannelHandler的生命周期 21 14.实战:使用ChannelHandler的热插拔实现客户端身份校验 23 15.实战:群聊消息的收发及Netty性能优化 23 16.心跳与空闲检测 25

是一款图形化的编程软件。它广泛地被工业界、学术界和研究实验室所接受，视为一个标准的数据采集和仪器控制软件。LabVIEW集成 了与满足GPIB、VXI、RS-232 和RS-485协议的硬件及数据采集卡通讯的全部功能。它还内置了便于应用TCP/IP、ActiveX等软件标准的库函数。这是一个功能强大且灵活的软 件。利用它可以方便地建立自己的虚拟仪器，其图形化的界面使得编程及使用过程都生动有趣。

本课程介绍了EasyUI常用控件的使用，EasyUI操作简单，能快速实现页面布局和元素操作，适合开发网站管理后台。 资源太大，传百度网盘了，链接在附件中，有需要的同学自取。

2017年最新机器学习入门与实战精品高清全套视频教程附讲义作业(anaconda2 4.3Pytyhon2.7 jupyter) 70课 课程介绍: 从基本的软件安装到必备的Python扩展讲起，然后对机器学习算法一一讲解，同时配合编程实操的实现过程，适合零基础系统学习，配套资料包括讲义作业软件数据都有。 课程目录: 第一章Numpy前导介绍 1.1、Anconda安装 1.2、JupyterNoteBook 1.3、Numpy介绍+ndarry 1.4、ndarry的shape属性巧算 1.5、ndarray的常见创建方式 1.6、NumPy中的数据类型 1.7、NumPy数据类型2 1.8、Numpy基本操作 1.9、索引和切片 1.10、索引和切片（2） 1.11、数组转制与轴兑换 1.12、通用函数 1.13、np.where函数 1.14、np.unique函数 1.15、数组数据文件读取 第二章Pandas前导课程 2.1、Pandas介绍 2.2、Series 2.3、索引对象 2.4、DataFrame 2.5、Pandas常用操作（1） 2.6、Pandas常用操作（2） 2.7、缺失值处理 2.8、pandas制图 2.9、Matplotlib（1） 2.10、Matplotlib（2） 2.11、Matplotlib中文输出解决 第三章机器学习（一） 3.1、01机器学习定义及理性认识 3.2、02机器学习商业应用场景、机器学习分类 3.3、03机器学习开发流程 3.4、04模型评估方法和部署 3.5、05线性回归原理推倒过程 3.6、06线性回归基础认识及原理讲解 3.7、07线性回归案例分析 第四章机器学习（二） 4.1、01_线性回归案例1、正则项、梯度下降 4.2、02_梯度下降方法及回归案例分析 4.3、03_线性回归、lasso、ridge、ElasitcNet以及案例分析 4.4、04_逻辑回归原理 4.5、05_逻辑回归及案例分析 4.6、06_softmax回归及案例分析 4.7、07_综合案例分析 第五章机器学习三-决策树 5.1、01决策树、属性分割、信息增益 5.2、02信息增益的计算、模型评估、ID3、C4.5、CART_ 5.3、03决策树案例分析1 5.4、04决策树案例分析二、过拟合、剪枝分析 5.5、05bagging、随机森林、随机森林案例分析 5.6、06GBDT、Adaboost原理讲解 5.7、07Adaboost案例分析、综合案例分析 第六章机器学习四-SVM支持向量机 6.1、svm讲解 6.2、核函数 6.3、代码讲解(一) 6.4、代码讲解(二 6.5、代码讲解(三) 6.6、代码讲解(四) 第七章机器学习五-聚类分析+贝叶斯 7.1、01-聚类的相似性度量（距离公式） 7.2、02-聚类思想、kmeans聚类、kmeans聚类应用案例 7.3、03-二分kmeans、kmeans++、kmeansII、canopy、mini-batchkm 7.4、04-聚类算法的衡量指标及案例实现 7.5、05-层次聚类及实现案例 7.6、06-密度聚类 7.7、07-密度聚类案例实现、谱聚类、谱聚类案例实现 7.8、08-不同聚类效果对比实现、文本案例、图片案例 7.9、09-朴素贝叶斯原理、案例1、案例2 7.10、10-贝叶斯网络 7.11、11-贝叶斯网络拓展 第八章机器学习六-EM-HMM-LDA-ML 8.1、01.EM算法讲解 8.2、02.HMM及中文分词 8.3、03.主题模型 8.4、04.spark机器学习安装环境 8.5、05.spark机器学习离线处理及训练和使用 8.6、06.机器学习实时新闻分类

Keras深度学习入门与实战，完整版，提供源码、课件、数据。 本课程介绍深度学习和神经网络的概念，并使用keras框架带领同学们构建各种各样的机器学习网络和深度学习网络，非常适合入门学习。

2014年NBA数据（Python数据挖掘入门与实战）